• Document Outline
  • Pattern Recognition 36 (2003) 371 381




    Download 1,15 Mb.
    Pdf ko'rish
    Sana14.05.2024
    Hajmi1,15 Mb.
    #230546
    Bog'liq
    Personal authentication using palm-print features.en.uz



    Pattern Recognition 36 (2003) 371 – 381
    www.elsevier.com/locate/patcog
    Palma bosma funksiyalaridan foydalangan holda shaxsiy autentifikatsiya
    -
    Chin-Chuan Xan
    a;

    , Xsu-Liang Cheng
    b
    , Chih-Lung Lin
    b
    , Kuo-Chin Fan
    b
    a
    Chung-Xua universiteti, kompyuter fanlari va axborot muhandisligi bo'limi, 30 Tung Shiang, Hsinchu 300, Tayvan,
    Xitoy Respublikasi
    b
    Milliy markaziy universiteti kompyuter fanlari va axborot muhandisligi bo‘limi, Chungli, Tayvan, Xitoy Respublikasi
    2001 yil 21 dekabrda olingan
    Abstrakt
    Biometrikaga asoslangan autentifikatsiya har bir shaxsga xos biologik xususiyatlardan foydalangan holda tekshirish usulidir. Ular bir xil, ko'chma 
    va mashaqqatli takroriy xususiyatlar asosida qayta ishlanadi. Ushbu maqolada biz skanerga asoslangan shaxsiy autentifikatsiya tizimini kaft bosish 
    xususiyatlaridan foydalangan holda taklif qilamiz. Bu tarmoqqa asoslangan ko'plab ilovalarda juda mos keladi. Autentifikatsiya tizimi ro'yxatga olish 
    va tekshirish bosqichlaridan iborat. Ro'yxatga olish bosqichida o'quv namunalari yig'iladi va qayta ishlanadioldindan ishlov berish, xususiyatlarni 
    ajratib olish,vamodellashtirishMos shablonlarni yaratish uchun modullar. Tekshiruv bosqichida so'rov namunasi, shuningdek, oldingi ishlov berish va 
    xususiyatlarni ajratib olish modullari tomonidan qayta ishlanadi, so'ngra uning haqiqiy namunami yoki yo'qligini aniqlash uchun mos yozuvlar 
    shablonlari bilan mos keladi. Har bir namuna uchun qiziqish mintaqasi (ROI) birinchi navbatda oldindan ishlov berish modulidan olinadi. Keyinchalik, 
    Sobel va morfologik operatsiyalar yordamida ROI dan kaft bosma xususiyatlari olinadi. Muayyan foydalanuvchi uchun mos yozuvlar shablonlari 
    modellashtirish modulida yaratilgan. Va nihoyat, tekshirish bosqichida o'xshashlikni o'lchash uchun shablonni moslashtirish va orqaga tarqalish 
    neyron tarmog'idan foydalanamiz. Eksperimental natijalar shaxsiy autentifikatsiyada biz taklif qilayotgan yondashuvlar to‘g‘riligini tasdiqlaydi. ? 2002 
    Shaklni tan olish jamiyati. Elsevier Science Ltd tomonidan nashr etilgan. Barcha huquqlar himoyalangan.
    Kalit so‘zlar:Shaxsiy autentifikatsiya; Palmprint xususiyatlari; Ko'p shablonlarni moslashtirish; Orqa tarqalish neyron tarmog'i
    1.Kirish
    14 diDerent biometrik texnologiyalarini batafsil taqqoslash. O'Gorman 
    [3], shuningdek, oltita biometrik xususiyatni moslashtirish, tekshirish, 
    bir kishi uchun maksimal mustaqil namunalar, sensor narxi va sensor 
    o'lchami mavzularida o'rganib chiqdi. Garchi gerprint va ko'z 
    xususiyatlari juda yuqori tanib olish tezligini ta'minlasa-da, ular 
    identifikatsiyalash tizimlari uchun mos emas. Birinchidan, ko'zga 
    asoslangan funksiyalarning sensor narxi kompyuter, uy xavfsizlik 
    tizimlari, cheklangan kirish nazorati, korporativ tarmoqlar va boshqalar 
    kabi past xavfsizlik talab qiladigan ko'plab ilovalarda qo'llash uchun 
    juda yuqori. Bundan tashqari, gerprint xususiyatlari jinoiy tergovda 
    keng qo'llaniladi. va tijorat tranzaksiyalari bilan bog'liq holda, 
    foydalanuvchilar ko'pchiligi maxfiylik sababli o'zlarining gerprint 
    ma'lumotlarini kompaniya yoki tizimga etkazib berishni xohlamaydilar. 
    Jain va boshqalar. [2] taʼkidlaganidek, “Biometriya va ilova oʻrtasidagi 
    moslik ushbu ilovaning talablariga, ilovalarning xususiyatlariga va 
    biometrikaning xususiyatlariga qarab belgilanadi”. Ushbu maqolada 
    biz kirishni nazorat qilish tizimlaridagi shaxslarni aniqlash uchun 
    palma iziga asoslangan texnologiyani taklif qilamiz.
    So'nggi paytlarda biometrik xususiyatlar ko'plab shaxsiy 
    autentifikatsiya dasturlarida keng qo'llanilmoqda, chunki ular quyidagi 
    fiziologik xususiyatlarga ega [1]:universallik, o'ziga xoslik, doimiylik, 
    yig'ish qobiliyati, ishlash, maqbullik,vachetlab o'tish.Yuqoridagi 
    xususiyatlarga ko'ra, kirishni boshqarishning ko'plab tizimlari raqamli 
    parolni almashtirish uchun biometrik xususiyatlarni qabul qiladi. 
    Biometrik xususiyatlar insonning biologik organlari yoki xatti-
    harakatlaridan olingan xususiyatlardir. Tarmoqli jamiyatda shaxsiy 
    identifikatsiya qilish uchun turli xil biometrik texnologiyalarga 
    bag'ishlangan birinchi kitob Jain va boshqalar tomonidan tahrirlangan. 
    1999 yilda [2]. Bu kitobda ular yaratadilar
    - Ushbu ish Tayvan Milliy Ilmiy Kengashi tomonidan NSC89-2213-
    E-343-004-sonli grant bo'yicha qo'llab-quvvatlanadi.

    Muallif. Tel.: +886-3-5374281x8306; faks: 
    +886-3-5374281.
    E-pochta manzili:cchan@chu.edu.tw (C.-C. Xan).
    0031-3203/02/$22.00 ? 2002 Shaklni tan olish jamiyati. Elsevier Science Ltd tomonidan nashr etilgan. Barcha huquqlar himoyalangan. 
    PII: S0 0 3 1 - 3 2 0 3 ( 0 2 ) 0 0 0 3 7 - 7
    Translated from English to Uzbek - www.onlinedoctranslator.com


    372
    C.-C. Han va boshqalar. /Qalbni tanib olish 36 (2003) 371–381
    1-rasm. Biometrik tekshirish tizimlarining modullari.
    Golfarelli va boshqalar. [4] shaxsiy identifikatorni tekshirish uchun 
    qo'l shaklining 17 xususiyatini ajratib oldi. Zunkel [5] qo'lda 
    geometriyaga asoslangan tanib olishning tijorat mahsulotini taqdim 
    etdi va uni ko'plab kirishni boshqarish tizimlarida qo'lladi. Jain va 
    boshqalar. [6] qo'l shakllari orqali shaxslarni tekshirish uchun 
    deformatsiyalanadigan moslashtirish usullaridan foydalangan. Sinov 
    namunasining qo'l shakli ma'lumotlar bazasidagi shakliga mos keladi 
    va o'xshashlikni baholash uchun aniq masofa hisoblanadi. Ularning 
    yondashuvlarida 96,5% aniqlik darajasi va 2% noto'g'ri qabul qilish 
    darajasi (FAR) ga erishiladi. Chjan va Shu [7] kaft bosma funksiyalari 
    orqali tekshirish jarayonini oʻtkazish uchun maʼlumotlar nuqtasi 
    oʻzgarmas xususiyati va chiziq xususiyatlarini moslashtirish texnikasini 
    qoʻllagan. Ular qog'ozlarga kaft izini bo'yashdi va keyin skanerdan 
    o'tkazib, 400 tani olishdi
    ×
    400 ta rasm. Bu ko'plab onlayn xavfsizlik 
    tizimlari uchun mos emas, chunki ularning yondashuvida palma 
    bosma tasvirlarni olish uchun ikki qadam kerak bo'ladi. Kung va 
    boshqalar. [8] qarorga asoslangan neyron tarmoq (DBNN) klassini 
    ishlab chiqdi va uni yuzni aniqlash va kaft izini tekshirish uchun 
    qo'lladi. Joshi va boshqalar. [9] 472 uzunlikdagi keng chiziqli 
    integratsiyalashgan pro,le(WLIP) ni yaratish uchun CCD kamera 
    yordamida oʻrtadagi tasvirni oldi. Shuningdek, ular kirish namunasi va 
    mos yozuvlar oʻrtasidagi oʻxshashlik qiymatlarini hisoblash uchun 
    normallashtirilgan korrelyatsiya funksiyasidan foydalanganlar. 
    andozalar. Bundan tashqari, Chjan [10] kaftning global atributlarini 
    olish uchun teksturaga asoslangan xususiyatlarni ajratib olish usulini 
    taklif qildi. Bundan tashqari, katta ma'lumotlar bazasida palma izlari 
    namunalarining to'g'ri va e'tiborli tarzda tasniflanishini ta'minlash 
    uchun dinamik tanlash sxemasi ishlab chiqilgan.
    Ko'pgina ma'ruzalarda inson qo'lidan ikkita mumkin bo'lgan 
    biometrik xususiyatni olish mumkin. Birinchidan, kenglik, uzunlik 
    va qalinlik kabi qo'l shaklidagi geometrik xususiyatlar ko'plab 
    tizimlarda qabul qilingan taniqli xususiyatlardir. Bu xususiyatlar 
    ko'pincha ringsdagi halqalarni kiyish tufayli o'zgarib turadi. 
    Bundan tashqari, ayollar, gerslarning kengligi yoki qalinligi
    homiladorlik tufayli qisqa vaqt ichida tez o'zgarib turadi. Qo'l 
    geometriyasining o'zgarishiga ko'ra, u xodimlar yoki foydalanuvchilarning 
    kirish ma'lumotlarini yozib olish uchun past xavfsizlik talablari va past rad 
    etish darajasi bilan kirishni boshqarish tizimlarida ishlatilishi mumkin. 
    Bundan tashqari, ma'lumotlar bazasidagi mos yozuvlar xususiyatlari tez-tez 
    yangilanib turishi kerak. Xurmo shakli xususiyatlari bilan solishtirganda, 
    qo'llardan olinadigan nisbatan barqaror xususiyat - bu kaftlarning bosilishi. 
    Ushbu maqolada biz moslashtirish jarayonini amalga oshirish uchun palma 
    bosma xususiyatlaridan foydalanamiz.
    Xususiyatlarni tanlashdan tashqari, suratga olish qurilmasi 
    biometrikaga asoslangan tekshirish tizimlarida baholanishi kerak 
    bo'lgan yana bir muhim ishlash indeksidir. Ko'pgina qo'l shakliga 
    asoslangan suratga olish qurilmalarida foydalanuvchilar aylanish 
    va tarjima muammolarini oldini olish uchun qo'llarini bir nechta 
    qoziqli panelga qo'yishlari kerak. Ushbu mexanizm ba'zi 
    foydalanuvchilarni noqulay his qiladi. Bundan tashqari, CCD 
    kamera yordamida suratga olish moslamalari sifatsiz tasvirlarni 
    beradi. Yorug'lik omili tasvir sifatini chuqur ta'sir qiladi va CCD 
    kameraning o'lchamlari yuqori sifatli tasvirlarni olish uchun 
    unchalik yuqori emas. Yuqoridagi muammolarni hal qilish uchun 
    biz ishimizda qabul qiluvchi qurilma sifatida xizmat qiladigan 
    optik skanerni qabul qilamiz.
    Ushbu maqolada biz skanerga asoslangan shaxsiy autentifikatsiya 
    tizimini kaft bosish xususiyatlaridan foydalangan holda taklif qilamiz. 
    Ikki bosqich,ro'yxatga olishvatekshirish,1-rasmda ko'rsatilganidek, 
    identifikator tizimini tashkil qiladi. Ro'yxatga olish bosqichida, Mo'quv 
    namunalari sifatida shaxsning qo'l tasvirlari yig'iladi. Ushbu namunalar 
    tomonidan qayta ishlanishi kerak oldindan ishlov berish, xususiyatlarni 
    ajratib olish,vamodellashtirishMos shablonlarni yaratish uchun 
    modullar. Tekshiruv bosqichida so'rov namunasi, shuningdek, 
    dastlabki ishlov berish va xususiyatlarni ajratib olish modullari 
    tomonidan qayta ishlanadi va keyin uning haqiqiy namunami yoki 
    yo'qligini aniqlash uchun shablonlarga mos keladi. Biz taklif qilayotgan 
    kaft izini identifikatsiya qilish tizimida,


    C.-C. Han va boshqalar. /Qalbni tanib olish 36 (2003) 371–381
    373
    2-rasm. Tasvirni chegaralash va chegarani kuzatish: (a) 100 dpi ruxsatda skanerlangan qo'l tasviri; (b) (a) ning gistogramma diagrammasi; 
    (c) ikkilik tasvir; (d) qo'l shaklining konturi.
    oldindan ishlov berish moduli, shu jumladantasvir chegarasi, platani 
    kuzatish, to'lqinlar asosidagi segmentatsiya,vaROI joylashuviQiziqish 
    mintaqasi (ROI) deb ataladigan palma jadvalida kvadrat mintaqani 
    olish uchun qadamlar bajarilishi kerak. So'ngra, biz Sobel va 
    morfologik operatsiyalar orqali xususiyat vektorlarini olish uchun 
    xususiyatni ajratib olish jarayonini bajaramiz. Muayyan foydalanuvchi 
    uchun mos yozuvlar shablonlari modellashtirish modulida yaratilgan. 
    Tasdiqlash bosqichida biz shablonlarni moslashtirish va orqaga 
    tarqalish neyron tarmog'idan mos yozuvlar shablonlari va sinov 
    namunalari o'rtasidagi o'xshashlikni o'lchash uchun foydalanamiz.
    Ushbu maqolaning qolgan qismi quyidagicha tashkil etilgan. 2-
    bo'limda oldindan ishlov berish moduli uchun to'rtta qadam ROI 
    joylashuvi uchun bajariladi. Xususiyatlarni ajratib olish usullari, 
    shu jumladan Sobel va morfologik operatsiyalar 3-bo'limda 
    tasvirlangan. Tekshirish maqsadi uchun modellashtirish tartibi 4-
    bo'limda keltirilgan. Birinchidan, o'xshashlikni baholash uchun 
    bo'limda oddiy va amaliy bir nechta shablonni moslashtirish usuli 
    ishlab chiqilgan. so'rov va mos yozuvlar namunalari o'rtasida. BP-
    ga asoslangan NN, shuningdek, tekshirish uchun o'xshashlik 
    qiymatlarini hisoblash uchun 4-bo'limda qurilgan. 5-bo'limda biz 
    taklif qilgan algoritmlar to'g'riligini tekshirish uchun 
    eksperimental natijalar ko'rsatilgan. Nihoyat, 6-bo'limda ba'zi 
    yakuniy fikrlar keltirilgan.
    2. Oldindan ishlov berish
    Tasvirni oldindan qayta ishlash odatda naqshni aniqlashning 
    birinchi va muhim bosqichidir. Bizning taklif qilayotgan 
    yondashuvimizda, oldindan ishlov berish modulida to'rt bosqich ishlab 
    chiqilgan. Tasvirni chegaralash, chegarani kuzatish, to'lqinlar asosidagi 
    segmentatsiya va ROI joylashuvi palma bosma ma'lumotlarga ega 
    bo'lgan kvadrat mintaqani olish uchun ketma-ket bajariladi. Quyidagi 
    kontekstlarda biz har bir bosqichning tafsilotlarini taqdim etamiz.
    Qadam1:Tasvir chegarasi.256 kulrang darajadagi qo'l tasvirlari 2 (a)-
    rasmda ko'rsatilganidek, platforma skaneridan olinadi. Rasmni 
    chegaralash operatsiyasi ikkilik qo'l shaklidagi tasvirlarni olish uchun 
    kulrang tasvirlarni binarlashdan iborat. Ushbu bosqichda chegara 
    qiymatini aniqlash uchun 2(b)-rasmda ko'rsatilganidek, kulrang 
    tasvirlarning gistogrammasi tahlil qilinadi. Bu qiymat avtomatik 
    ravishda 50 dan 100 gacha bo'lgan mahalliy minimal qiymatga 
    o'rnatiladi. Suratga olish muhiti barqaror va boshqariladigan bo'lgani 
    uchun bizning tajribalarimizda chegara qiymati qulay tarzda 70 ga 
    teng bo'ladi. Shunday qilib, binarlashtirilgan tasvirni 2 (c) rasmda 
    ko'rsatilganidek olish mumkin.
    Qadam2:Chegarani kuzatish.Tasvirni chegaralash bosqichidan 
    so'ng chegarani kuzatish algoritmidan foydalangan holda qo'l 
    shaklining konturlarini olish uchun ikkilik tasvirlar kuzatiladi. The


    374
    C.-C. Han va boshqalar. /Qalbni tanib olish 36 (2003) 371–381
    3-rasm. (a) qo'l shaklining egri chizig'i; (b) yuqori chastotali pastki diapazonning o'zgartirilgan pro,le.
    4-rasm. Qiziqarli hududni yaratish (ROI).
    Ushbu bosqichning asosiy maqsadi qo'l tasvirining chegarasini 
    aniqlash va keyin kaft stolini aniqlash uchun ,ve,ngers 
    pozitsiyalarini aniqlashdir. Palma jadvalida ROI deb nomlangan 
    kvadrat hudud hosil bo'ladi. Boshida qo'l shaklining birinchi 
    nuqtasi qo'l shaklidagi tasvirning yuqori chap nuqtasiga 
    o'rnatiladi. Keyin qo'l shaklining konturi soat miliga teskari 
    yo'nalishda aniqlanadi. Bizning tajribalarimizda chegarani 
    kuzatish algoritmida sakkizta mahalla yo'nalishi qabul qilingan. 
    Har bir kuzatilgan pikselning koordinatalari qo'lning shaklini 
    ifodalash uchun saqlanishi kerak. 2(a)-rasmdagi qo'l tasvirining 
    chizilgan konturlari 2(d)-rasmda ko'rsatilgan. Chegarani kuzatish 
    algoritmi tafsilotlarini Ref. [11].
    Qadam3:To'lqinlar asosidagi segmentatsiya.Oldingi bosqichda 
    qo'l shaklidagi chegara piksellari ketma-ket kuzatilib, 
    koordinatalar to'plami bilan ifodalanadi (x
    i
    ; y
    i
    ); i =1; 2; : : : : Ushbu 
    bosqichda to'lqinli bo'laklarga asoslangan segmentatsiya 
    texnikasi ,ve ,ger uchlari va to'rtta ildizlarning joylashuvi uchun 
    qabul qilinadi. Ma'lumki, bu nuqtalar qo'l shaklining burchagida 
    joylashgan. Burchak uchun de,nitionga ko'ra, burchaklar egriligi 
    yuqori bo'lgan nuqtalarda yoki egriligi mahalliy minimal bo'lgan 
    nuqtalarda joylashgan bo'lishi kerak. Birinchidan,
    koordinatalar to'plami 3(a)-rasmda ko'rsatilgandek egrilikning 
    pro,lesiga aylantiriladi. Keyinchalik egrilik darajasi past va yuqori 
    chastotali pastki diapazonlarning ko'p ruxsatli signallariga 
    aylantiriladi. Muhim nuqtalardan boshlabP
    a
    ; P
    b
    ; vaP
    3
    burchak 
    nuqtalarining (4(a)-rasmga qarang) palma jadvalidagi ROI o'rnini 
    aniqlang, qo'l shaklining burchak nuqtalarini aniq aniqlash juda 
    muhimdir. To'lqinli konvertatsiya burchakni aniqlashda barqaror 
    va eDektiv segmentlangan natijalarni berishi mumkin. Bu erda 
    yuqori chastotali pastki diapazonning o'zgartirilgan signallari 3 
    (b)-rasmda tasvirlangan. Ushbu signallardan burchaklar ikkita nol 
    kesishgan nuqta o'rtasida joylashgan bo'lishi mumkin bo'lgan 
    salbiy kattalikning mahalliy minimal nuqtalarida etiketlanadi. 2(d)-
    rasmda aniqlangan burchak nuqtalari 4(a)-rasmda tasvirlangan.
    Qadam4:ROI avlodi.Ushbu bosqichda biz 4-rasmda ko'rsatilganidek, 
    palma jadvalida qiziqish mintaqasini (ROI sifatida qisqartiriladi) ko'rib 
    chiqamiz, bu ro'yxatga olish va tekshirish jarayonlarida ishlaydigan 
    hudud hisoblanadi. Qo'l tasvirlarini olishda qo'llar har qanday holatda 
    va istalgan yo'nalishda plastinka shaklidagi skanerga erkin qo'yildi. 
    Yaxshiyamki, foydalanuvchilar odatdagidek kirish qurilmalariga 
    qo'llarini qo'yganlarida


    C.-C. Han va boshqalar. /Qalbni tanib olish 36 (2003) 371–381
    375
    Sobel operatorlari ROIning natijaviy qiymati sifatida maksimal 
    qiymatni tanlash uchun bajariladi. Ushbu operatsiya quyidagi 
    ifodaga muvofiq amalga oshiriladi:
    f

    S =maksimal(f

    S
    0
    ; f

    S
    45
    ; f

    S
    90
    ; f

    S
    135
    ):
    (1)
    Mana, belgi

    konvolyutsiya operatsiyasi sifatida ifodalanadi. Shunday 
    qilib, Sobelning ROI xususiyatlari 5 (b)-rasmda ko'rsatilganidek olinadi.
    Keyinchalik, palma bosma xususiyatlarini ajratib olish uchun boshqa 
    murakkab morfologik operatorlarni taqdim etamiz. Kulrang 
    morfologiya nazariyasida ikkita asosiy operatsiya, ya'nikengayishiva 
    eroziyatasvir uchunfquyidagicha belgilanadi:
    Kengayish: (f

    b)(lar) =maks
    {
    f(s

    x)+b(x)
    |
    (s

    x)

    D
    f
    vax

    D
    b
    }
    ;
    (2)
    Eroziya: (fb)(s) =min
    {
    f(s + x)

    b(x)
    |
    (s + x)

    D
    f
    vax

    D
    b
    }
    :
    (3)
    Bu yerga,D
    f
    vaD
    b
    tasvir sohalarini ifodalaydifva tuzilish 
    elementib.Bundan tashqari, ikkita kombinatsiyalangan 
    operatsiyalar chaqiriladiochilishvayopilishtasvirni qayta 
    ishlash uchun kengaytirilgan.
    5-rasm. (a) To'rtta Sobel operatori; (b) Sobel operatsiyasi orqali boshqariladigan 
    xususiyatlar; (c) morfologik operatsiya orqali boshqariladigan xususiyatlar.
    Ochilish: f

    b = (fb)

    b;
    (4)
    Yopish: f

    b = (f

    b) b:
    (5)
    Qo'lning yo'nalishi o'rta chiziqning markaziy chizig'i 
    bo'lgan asosiy o'qga mos keladi. 3-bosqichda yaratilgan 
    natijaga ko'ra, ROI joylashuvi nuqtalardan aniqlanadiP
    a
    ; P
    b
    ; P
    3
    , va geometrik formula. Ikki nuqtaP
    a
    vaP
    b
    ROI yaratish 
    uchun asosiy nuqtalardir. Birinchidan, o'rta nuqtaP
    0
    nuqtalardan hisoblab chiqiladi P
    a
    vaP
    b
    . Keyin, asosiy o'qP
    0
    P
    3
    O'rta chiziqning o'rta chizig'i olinadi, bu chiziqqa 
    perpendikulyarP
    a
    P
    b
    . Asosiy o'qP
    0
    P
    3
    keyin nuqtagacha 
    uzaytiriladiP
    e
    , qayerda
    |P
    0
    P
    e
    |=|P
    a
    P
    b
    |. Nuqtai nazardanP
    e

    deb belgilangan ikkita perpendikulyar bissektrisa chizig'iP
    e
    P
    e
    2
    vaP
    e
    P
    e
    1
    uzunligi 128 pikselga teng bo'lgan , topilgan. 
    Ushbu bo'lim chizig'i asosidaP
    e
    1
    P
    e
    2
    , kvadrat mintaqaP
    e
    1
    P
    e
    2
    P
    e
    3
    P
    e
    4
    256 dan 256 gacha bo'lgan o'lcham 4(a)-rasmda 
    ko'rsatilganidek, ROI sifatida belgilanadi. Ushbu to'rt 
    nuqtadan ROI tasviri 4(b)-rasmda ko'rsatilganidek, qo'l 
    tasviridan kesiladi.
    Ref. [12], Song va Mevro nomli chekka detektorni ishlab 
    chiqdilaro'zgaruvchan ketma-ket 3 litr (ASF), bu shovqinli yoki 
    loyqa tasvirlarda mukammal eDectlarni ta'minlaydi. ASF 
    mexanizmi quyidagicha tuzilgan. Ikki ,litr sifatida de,ed
    f
    1
    =
    ll
    (6)
    va
    f
    2
    =f
    1

    b
    3
    ×3
    :
    Algebraik ochilish
    (7)
    l
    va yopish
    l
    sifatida de,ned qilinadi
    l
    =maksimal(f

    b
    0;l
    ; f

    b
    45;l
    ; f

    b
    90;l
    ; f

    b
    135;l
    )
    va
    l
    =min(f

    b
    0;l
    ; f

    b
    45;l
    ; f

    b
    90;l
    ; f

    b
    135;l
    );
    (8)
    (9)
    qaerda belgilarb
    ;l
    uzunlikning tuzilish elementlarini belgilang l
    va burchak. Bizning tajribalarimizda qiymatl5 bo‘ladi. Keyin 
    morfologik operator de,ned to be bo‘ladif
    m
    =f
    2

    f
    1
    . Shunday 
    qilib, morfologik funktsiya yordamida chekka piksellar olinadi
    f

    f
    m
    5(c)-rasmda ko'rsatilganidek.
    Endi xususiyat vektorlari quyidagi tarzda yaratilgan. Trening 
    namunalarini ko'rib chiqing, ROI tasvirlari bir xilda bir nechta 
    kichik tarmoqlarga bo'lingan. Xususiyat qiymatlarini olish uchun 
    kataklardagi piksellarning o'rtacha qiymatlari hisoblanadi. Bu 
    qiymatlar xususiyat vektorlarini hosil qilish uchun ketma-ket 
    qatorga joylashtirilgan. Bizning tajribalarimizda uchta diDerent 
    panjara o'lchami 32
    ×32, 16×16 va 8×8 ko'p o'lchamli xususiyat 
    vektorlarini olish uchun qabul qilingan.
    3. Xususiyatlarni ajratib olish
    Xususiyatlarni ajratib olish keyinchalik modellashtirish yoki tekshirish 
    jarayoni uchun segmentlangan ROIdan mazmunli xususiyatlarni olish 
    bosqichidir. Xususiyatlarni ajratib olishda biz operatorga asoslangan 
    yondashuvdan palma jadvalining ROIdagi palma izini chiziqqa o'xshash 
    xususiyatlarini olish uchun foydalanamiz.
    Birinchidan, biz oddiy Sobel operatorlaridan kaft bosmasining 
    xususiyat nuqtalarini ajratib olish uchun foydalanamiz. To'rt yo'nalishli 
    Sobel operatorlariS
    0
    ; S
    90
    ; S
    45
    ;vaS
    135
    5(a)-rasmda ko'rsatilganidek ishlab 
    chiqilgan. Palma jadvalidagi to'rt yo'nalishli ROI pikselini ko'rib chiqing


    376
    C.-C. Han va boshqalar. /Qalbni tanib olish 36 (2003) 371–381
    6-rasm. Muayyan shaxs uchun FAR va FRR qiymatlari.
    4. Ro'yxatga olish va tekshirish jarayonlari
    mos keladigan modelni o'rgatish uchun kamroq mashg'ulot 
    vaqti talab qilinadi. Tekshirish bosqichida so'rov va mos 
    yozuvlar namunalarining korrelyatsiya koeffitsienti 
    tenglamadan foydalangan holda hisoblanadi. (10). Agar mos 
    yozuvlar va test namunalari bir shaxsdan olingan bo'lsa, u 
    holda koeGcient qiymati taxminan bitta bo'ladi. Aks holda, 
    agar o'xshashlik qiymati nolga yaqin bo'lsa, so'rov namunasi 
    soxta naqsh deb hisoblanishi kerak.
    Oldingi kontekstlardan biz haqiqiy yoki soxta so'rov 
    namunasini aniqlashda biz tanlagan ko'rsatkich 1 ga 
    o'zgartirilishi mumkin.

    R.Ushbu mezonga asoslanib, kirish 
    namunasini oldindan belgilangan chegara qiymati bilan 
    tekshirish oson.t.Agar qiymat 1

    Rchegaradan kichikroqt,
    keyin so'rov namunasi egasi individual deb da'vo qilinadiX.
    Aks holda, so'rov namunasi soxta naqsh sifatida tasniflanadi.
    Ko'pgina biometrik tekshirish modellarida chegara 
    qiymatini tanlashtro'yxatga olish bosqichidagi eng qiyin 
    qadamdir. U FAR va noto'g'ri rad etish tezligi FRR ni aniqlaydi 
    (6-rasm). Asosan, bu ikki qiymat bir-biriga zid. FAR qiymati 
    qanchalik baland bo'lsa, FRR qiymati shunchalik past bo'ladi 
    va aksincha. Umuman olganda, yuqori xavfsizlik tizimida FAR 
    talabi past bo'lgan identifikatsiya tizimi qabul qilinadi. Boshqa 
    tomondan, FRR talablari past bo'lgan tizimlar ko'plab 
    foydalanuvchilarga qulay boshqaruv tizimlarida qo'llaniladi. 
    FAR yoki FRR qiymatini tanlash
    ilovalarning maqsadiga bog'liq. Tekshirish samaradorligini 
    baholash uchun FAR va FRR qiymatlarining yig'indisi ishlash 
    indeksi sifatida belgilanadi.Iushbu maqolada. Chegara 
    tanlashning asosiy maqsadi har bir shaxs uchun FAR va FRR 
    ning minimal qiymatlarini aniqlashdan iborat bo'lib, ular 
    individual namunalarning xususiyatlariga bog'liq bo'ladi.X.
    Boshqacha aytganda, shaxsXo'zining chegara qiymatiga ega 
    bo'lishi kerakt
    X
    .Tanlov jarayoni quyidagi paragrafda 
    tasvirlangan.
    Birinchidan,bir-biridan tashqaridaFRRni baholash uchun o'zaro tekshirish 
    metodologiyasi qo'llaniladi. O'ylab ko'ringMshablon namunalari
    Palma iziga asoslangan autentifikatsiya tizimida ikki bosqich, 
    ro'yxatga olishvatekshirish,amalga oshirilishi kerak. Ushbu 
    bo'limda biz ushbu ikki bosqich uchun modellarni o'rgatishning 
    ikkita usulini ishlab chiqamiz. Birinchidan, biz oddiy va amaliy 
    texnikani ishlab chiqamiz,bir nechta shablonni moslashtirish,
    ma'lum bir shaxsning veri,erini modellashtirish. Ikkinchidan, a
    orqaga tarqalish (BP) neyrotarmoqqa asoslangan veri,er qurilgan. 
    Ushbu yondashuvda miqyosli, konjugatsiyalangan gradient 
    texnikasi o'quv jarayonida BP tarmog'ining eng yaxshi og'irliklari 
    uchun qo'llaniladi. Nihoyat, ushbu ikki yondashuv yordamida 
    tekshirish jarayoni joriy etiladi.
    4.1. Ko'p shablonlarni moslashtirish yondashuvi
    Korrelyatsiya funktsiyasi yordamida shablonlarni moslashtirish ko'plab 
    naqshlarni aniqlash ilovalarida qo'llaniladigan keng tarqalgan va amaliy 
    usuldir. Ushbu maqolada biz so'rov namunasi haqiqiy naqsh yoki yo'qligini 
    aniqlash uchun tekshirish topshirig'ini bajarish uchun ushbu yondashuvdan 
    foydalanishga harakat qilamiz. So'rov namunasini ko'rib chiqingxva shablon 
    namunasiy,akorrelyatsiyafunktsiya ikki xususiyat o'rtasidagi o'xshashlikni 
    o'lchash uchun ishlatiladi
    vektorlar quyidagicha:

    n
    R
    xy
    =
    i=1
    (x
    i

    x
    )(y
    i

    y
    )
    :
    (10)
    x y
    Tenglamada. (10), belgilar
    mos ravishda dard hosila qiymatlari. Bundan tashqari, qiymatn- 
    xususiyat vektorlarining uzunligi 32 ga teng
    ×32, 16×16 yoki 8×
    Bizning tajribalarimizda 8 ta. O'xshashlikni baholash uchun 
    chiziqli korrelyatsiya funktsiyasining bu koeGcient qiymati 
    hisoblanadi.
    Ro'yxatga olish bosqichida ma'lumot shablonlarini yaratishda, M
    individual namunalarXmos keladigan shablon ma'lumotlar bazasini 
    shakllantirish uchun yig'iladi. Ushbu yondashuvning asosiy afzalligi
    va
    o'rtacha va stavkani ifodalaydi


    C.-C. Han va boshqalar. /Qalbni tanib olish 36 (2003) 371–381
    377
    7-rasm. Neyron tarmog'ining orqaga tarqalish mexanizmi.
    shaxsningX (chaqirdiijobiy namunalar),vaNboshqa shaxslarning 
    namunalari (deb nomlangansalbiy namunalar).Bu namunani 
    tasavvur qilingxdagi namunadirMandozalar. s uchun o'rtacha 
    masofa

    kengxboshqasigaM

    1 ta shablon hisoblab chiqiladi
    bolmoqd
    x
    =
    xususiyat vektorlarining 16 ta elementi sifatida hisoblangan. 
    Ushbu 80 qiymat BP neyron tarmog'iga kiritiladi. Biz taklif 
    qilayotgan tarmoq arxitekturasi 7-rasmda ko'rsatilganidek, kirish, 
    yashirin va chiqish qatlamini o'z ichiga olgan uch qatlamli tarmoq 
    bo'lib ishlab chiqilgan. Har bir qatlamda mos ravishda 80, 40 va 1 
    ta neyron mavjud. Ushbu o'xshash arxitektura yuzni aniqlashda 
    ham muvaffaqiyatli qo'llanilgan [13].
    BP neyron tarmog'ining o'quv jarayoni o'z ichiga oladinamuna 
    yig'ish, vaznni ishga tushirish, oldinga o'rganish,va orqaga 
    o'rganishqadamlar. MATLAB dasturi BPNN ning eng yaxshi 
    og'irliklarini olish uchun eDective vositasini taqdim etadi. Endi biz 
    diqqatimizni namuna yig'ish bosqichiga qaratamiz. Bu bosqichda,
    Mma'lum bir shaxsning tasvir namunalariXijobiy namunalar deb 
    ataladi vaNboshqalarning rasm namunalariKBP neyron tarmog'ini 
    o'rgatish uchun salbiy namunalar deb ataladigan shaxslar 
    yig'iladi. Tekshirish samaradorligini oshirish uchun, Jdan sun'iy, 
    ijtimoiy hosil qiluvchi namunalar yaratiladiMyuklash algoritmidan 
    foydalangan holda ijobiy namunalar. Ushbu algoritm yuzni 
    aniqlashda yetarlicha namunalarni yaratishda qo'llanilgan [13]. 
    Tasvir namunasining ROI-ni ko'rib chiqing, biz uni tasodifiy 
    chapga yoki o'ngga, yuqoriga yoki pastga 0–5 pikselga siljitamiz 
    va tasodifiy ravishda aylantiramiz

    5

    +5 gacha

    . Bizning 
    tajribalarimizda o'quv jarayonini soddalashtirish uchun ham 
    ijobiy, ham salbiy namunalar teng darajada yaratilgan. Bir xil 
    miqdordagi ijobiy va salbiy namunalarni yaratish uchun, JK
    musbat namunalar ko'paytirish orqali hosil bo'ladiJijobiy 
    namunalarKshaxs uchun vaqtlarX.Boshqa tarafdan, JKmanfiy 
    namunalar tasodifiy tanlab olinadiKshaxslar. Bular 2JKnamunalar 
    har bir o'quv davrida tarmoqqa kiritiladi. Bundan tashqari, salbiy 
    namunalar chegara qiymatlarini yoki tarmoqni aniqlashda hal 
    qiluvchi rol o'ynaydi. Namunalarni edeektiv ravishda tanlash 
    uchun bootstrap metodologiyasi [13,14] va haqiqiy va qalbaki 
    palma bosma namunalari orasidagi aniq chegaraga qo'llanilishi 
    mumkin. Masshtabli
    M

    1
    j=1
    (1

    R
    xj
    )=(M

    1). Bundan tashqari, masofalar
    boshqasi uchunM

    1 ta mos yozuvlar namunalari ham 
    olinadi. Agar d
    x
    chegara qiymatidan kattaroqdirt
    X
    ,keyin 
    namunaxsoxta naqsh va qiymat hisoblanadiE
    1
    (FRR ning 
    xato soni) 1 ga oshirilishi kerak. Xuddi shunday, o'rtacha 
    masofa d
    y
    salbiy sam

    plyuchunMmos yozuvlar shablonlari ham mavjud
    sifatida hisoblangand
    y
    =
    M
    j=1
    (1

    R
    yj
    )=M.QiymatE
    2
    dan -
    FRR ni hisoblash uchun ror raqami o'rtacha masofa bo'lganda 
    1 ga qo'shiladid
    y
    chegaradan kichikroqt
    X
    .Ishlash ko'rsatkichiI
    x
    individual uchunXShunday qilib, FAR plus FRR yig'indisi 
    sifatida quyidagicha aniqlanadi:
    I
    x
    = E
    1
    =M + E
    2
    =N:
    (11)
    Keyin, 0 dan 1 gacha bo'lgan barcha mumkin bo'lgan chegara 
    qiymatlarini sanab o'ting va 6-rasmda ko'rsatilgandek FAR va FRR 
    egri chiziqlarini tasvirlang. Eng yaxshi qiymatt
    X
    =Minimal ishlash 
    indeksi bilan 0:38 chegara qiymati sifatida tanlanadi. Bu chegara 
    qiymatit
    X
    keyinchalik shaxs uchun tekshirish jarayonida qo'llaniladi
    X.
    4.2. Backpropagation Neyron Network (BPNN) yondashuvi
    Orqa tarqalish neyron tarmog'i naqshni aniqlashda keng 
    qo'llanilgan. Ushbu bo'limda biz tekshirish, tekshirish vazifasini 
    bajarish uchun ushbu mashhur yondashuvni qo'llaymiz. Shablonga 
    mos keladigan yondashuvga o'xshab, 32 o'lchamli oynalarning 64 
    o'rtacha qiymati
    ×
    Xususiyat vektorlarini olish uchun ROIda 32 
    hisoblanadi. Bundan tashqari, 32 o'lchamdagi sakkizta gorizontal 
    oynadan sakkizta qiymat hosil bo'ldi
    ×
    256 va sakkizta qiymat 256 
    o'lchamdagi sakkizta vertikal oynadan yaratilgan
    ×
    32 hammasi


    378
    C.-C. Han va boshqalar. /Qalbni tanib olish 36 (2003) 371–381
    8-rasm. Kaft bosma tasvirlarni kiritish qurilmasi.
    konjugat-gradient algoritmi [15] oxirgi uch bosqichda maxsus 
    xato funksiyasi bilan og'irliklarni moslashtirish uchun ishlatiladi.
    namunalar. Biror kishini ko'rib chiqingX,Veri,erning mos yozuvlar 
    shablonlari sifatida 10 ta namuna tanlangan. Bu 10 ta ijobiy shaxs 
    namunalariXva I va II turdagi xatolarni hisoblash uchun 49 
    kishidan 490 ta salbiy namunalar to'plangan. Turli panjara 
    oynalari o'lchamlari uchun 0 dan 1 gacha bo'lgan barcha mumkin 
    bo'lgan chegara qiymatlaridan foydalangan holda FAR va FRR 
    natijalari mos ravishda eng yaxshi chegara qiymatlari uchun 
    hisoblanadi. Chegara qiymatit
    X
    individual uchunXoldingi bo'limda 
    aytilganidek, tanlov qoidasi bilan tanlanadi. Shunday qilib, so'rov 
    namunalari veri,er of tomonidan tekshiriladiXva oldindan 
    tanlangan qiymat bilan chegaralangant
    X
    .9-rasm va 1-jadvalda 
    ko'rsatilganidek, mos natijalarni ko'rsatish uchun palma bosma 
    tasvirlarning ikkita to'plami tasvirlangan. Bundan tashqari, 1000 
    ta ijobiy namunalar va 20 ta tajribalar.
    ×50×Ish faoliyatini baholash 
    uchun 50 kishidan 49 ta salbiy namunalar o'tkaziladi. Bir nechta 
    shablonni moslashtirish algoritmi 2-jadvalda keltirilganidek 91% 
    dan yuqori aniqlik stavkalariga erishishi mumkin. Ushbu jadvalda 
    FAR va FRR qiymatlari 9% dan past.
    5. Eksperimental natijalar
    Ushbu bo'limda bizning yondashuvimizning to'g'riligini 
    tekshirish uchun ba'zi eksperimental natijalar namoyish etiladi. 
    Birinchidan, tajriba muhiti o'rnatiladi va 5.1-bo'limda tavsiflanadi. 
    Keyinchalik, shablonni moslashtirish va BPNN tomonidan 
    yaratilgan ishonchli natijalar mos ravishda 5.2 va 5.3 bo'limlarda 
    ko'rsatilgan.
    5.1. Eksperimental muhit
    Bizning eksperimental muhitimizda qo'l tasvirlarini olish uchun 
    8(a)-rasmda ko'rsatilgan platforma skaneridan foydalaniladi. Bu 
    yerda, tizimimizda foydalanadigan skaner UMAX Co 
    kompaniyasining tijorat mahsuloti boʻlgan rangli skanerdir. 
    Foydalanuvchilardan 8-rasm (b) da koʻrsatilganidek, oʻng qoʻllarini 
    hech qanday qoziqsiz skaner platformasiga qoʻyishlari soʻraladi. 
    845 o'lchamdagi qo'l rasmlari
    ×829 kul rang formatda va 100 dpi 
    (dyuymdagi nuqta) ruxsatda skanerlanadi. Ma'lumotlar bazasini 
    yaratish uchun har bir shaxsning o'ttizta qo'li tasviri uch hafta 
    ichida uch marta olinadi. Ro'yxatdan o'tish bosqichida birinchi 10 
    ta rasm tekshirish modelini o'rgatish uchun ishlatiladi. Qolgan 20 
    ta rasm o'qitilgan veri,er tomonidan sinovdan o'tkaziladi. 
    Tasdiqlash tizimi Microsoft Windows muhitida C dasturlash tili va 
    Matlab ishlab chiqish to'plamlari yordamida dasturlashtirilgan. 
    Quyidagi kontekstlarda shablonlarni moslashtirish va BP neyron 
    tarmog'i algoritmlari bilan tasdiqlangan eksperimental natijalar 
    haqida xabar beriladi.
    5.3. BPNN yordamida 3-versiyalash
    Ushbu bo'limda so'rov namunasi haqiqiy yoki yo'qligini hal 
    qilish uchun 7-rasmda ko'rsatilganidek, BPNN arxitekturasi qabul 
    qilinadi. Bu tajribada, ma'lum bir shaxs uchun tarmoq Xoxirgi 
    tekshirish jarayoni uchun o'qitilgan. Shaxsiy o'nta ijobiy 
    namunalarXBP neyron tarmog'ini o'rgatish uchun yana 49 
    kishining 490 ta salbiy namunalari to'plangan. Tasdiqlashning 
    eng yaxshi samaradorligini olish uchun yuklash algoritmidan 
    foydalangan holda har bir o'quv namunasidan 10 ta sun'iy 
    ravishda yaratilgan namunalar yaratildi. Trening bosqichida ham 
    ijobiy, ham salbiy namunalar teng ravishda yaratilgan. To'rt ming 
    to'qqiz yuz ijobiy namunalar individual 100 ta ijobiy namunalarni 
    ko'paytirish orqali yaratildi.X49 marta. Boshqa tomondan, 
    tanlangan 49 kishining qo'l tasvirlaridan 4900 ta salbiy namunalar 
    yaratildi. Ushbu 9800 ta namunalar har bir o'quv davrida 
    tarmoqqa kiritiladi. Sinov bosqichida, qolgan 20 ta ijobiy shaxs 
    tasvirlariXFRR qiymatini baholash uchun o'qitilgan BP neyron 
    tarmog'i tomonidan tasdiqlangan. Bundan tashqari, 20
    ×FAR 
    qiymatini hisoblash uchun 49 ta salbiy namuna ham sinovdan 
    o'tkaziladi. Ushbu tajribada 50 kishi tanlab olindi va sinovdan 
    o'tkazildi
    5.2. Shablonga mos keladigan algoritm yordamida Veri3cation
    Birinchi tajribada oynaning uchta o'lchami 32
    ×
    32, 16
    ×
    16 va 8
    ×
    8 shablonni moslashtirish metodologiyasining 
    ishlashini baholash uchun qabul qilingan. Har bir oynada piksellarning 
    o'rtacha qiymati hisoblab chiqiladi va vektorlar elementi hisoblanadi. 
    Chiziqli korrelyatsiya funktsiyasi mos yozuvlar va test o'rtasidagi 
    o'xshashlikni hisoblash uchun ishlatiladi


    C.-C. Han va boshqalar. /Qalbni tanib olish 36 (2003) 371–381
    379
    9-rasm. Kaft izini tasvirlangan namunalar: (a) asl tasvirlar; (b) va ularning tegishli ROI tasvirlari.
    1-jadval
    Shablonni moslashtirish va BP neyron tarmog'idan foydalangan holda ikkita tasvirlangan misol
    Xususiyat
    Namuna
    Sobel xususiyatlari
    S8
    ×8
    Morfologik xususiyatlar
    M8
    ×8
    M16
    ×16
    S16
    ×16
    S32
    ×32
    BPNN
    M32
    ×32
    BPNN
    Muvaffaqiyatli ish va sinovID =20
    T
    20
    0,510
    0,152
    0,799
    0,706
    0,620
    0,215
    0,853
    0,789
    0,680
    0,317
    0,904
    0,811
    0,650
    0,311
    0,915
    0,878
    0,550
    0,193
    0,945
    0,699
    0,640
    0,239
    0,888
    0,829
    0,730
    0,353
    0,941
    0,919
    0,750
    0,296
    0,913
    0,877
    ID = 20;S =27
    ID = 1;S =22
    ID = 41;S =26
    Muvaffaqiyatsiz ish va sinovID =23
    T
    23
    0,300
    0,313
    0,272
    0,295
    0,390
    0,412
    0,382
    0,385
    0,480
    0,567
    0,470
    0,445
    0,490
    0,514
    0,472
    0,423
    0,340
    0,363
    0,339
    0,323
    0,450
    0,474
    0,430
    0,437
    0,550
    0,657
    0,538
    0,524
    0,520
    0,613
    0,478
    0,481
    ID = 23;S =19
    ID = 5;S =18
    ID = 16;S =16


    380
    C.-C. Han va boshqalar. /Qalbni tanib olish 36 (2003) 371–381
    2-jadval
    Shablonlarni moslashtirish va BP neyron tarmog'idan foydalangan holda eksperimental natijalar
    Xususiyat
    Xato
    Sobel xususiyatlari
    S8
    ×8
    Morfologik xususiyatlar
    M8
    ×8
    M16
    ×16
    S16
    ×16
    S32
    ×32
    BPNN
    M32
    ×32
    BPNN
    FRR
    FAR
    7,8%
    5,9%
    4,5%
    6,7%
    4,9%
    6,4%
    0,6%
    1,79%
    5,5%
    6,2%
    3,3%
    6,6%
    5,2%
    8,7%
    0,5%
    0,96%
    ularga mos keladigan neyron tarmoqlari. Eksperimental natijalar 
    2-jadvalda keltirilgan va o'rtacha aniqlik ko'rsatkichlari Sobel va 
    morfologik xususiyatlar uchun 98% dan yuqori. Bundan tashqari, 
    FAR va FRR qiymatlari 2% dan past.
    u haqiqiy namunami yoki yo'qmi. Biz taklif qilayotgan palma iziga 
    asoslangan identifikatsiyalash tizimida oldindan ishlov berish 
    moduli, shu jumladantasvir chegarasi, chegarani kuzatish, to'lqinli 
    segmentatsiya,vaROI joylashuviROI deb ataladigan palma 
    jadvalida kvadrat mintaqani olish uchun qadamlar bajarilishi 
    kerak. So'ngra, biz Sobel va morfologik operatsiyalar orqali 
    xususiyat vektorlarini olish uchun xususiyatni ajratib olish 
    jarayonini bajaramiz. Muayyan foydalanuvchi uchun mos yozuvlar 
    shablonlari modellashtirish modulida yaratilgan. Tasdiqlash 
    bosqichida biz mos yozuvlar shablonlari va sinov namunalari 
    o'rtasidagi o'xshashlikni o'lchash uchun shablonlarni 
    moslashtirish va BPNNdan foydalanamiz.
    Bizning tajribalarimizda namunalar shablonni moslashtirish va 
    BP neyron tarmog'i algoritmlari bilan tekshiriladi. Birinchi 
    tajribada oynaning uchta o'lchami 32
    ×32, 16×16 va 8×8 shablonni 
    moslashtirish metodologiyasining ishlashini baholash uchun 
    qabul qilingan. Bir nechta shablonga mos keladigan algoritm 91% 
    dan yuqori aniqlik stavkalariga erishishi mumkin. FAR va FRR 
    qiymatlari 9% dan past. Keyinchalik, so'rov namunasi haqiqiy yoki 
    yo'qligini aniqlash uchun BPNN arxitekturasi qabul qilinadi. 
    Ushbu tajribada Sobel va morfologik xususiyatlar uchun o'rtacha 
    aniqlik ko'rsatkichlari 98% dan yuqori. Bundan tashqari, FAR va 
    FRR qiymatlari 2% dan past. Eksperimental natijalar shaxsiy 
    autentifikatsiyada biz taklif qilayotgan yondashuvlar to‘g‘riligini 
    tasdiqlaydi.
    6. Xulosalar
    Ushbu maqolada odamlarning autentifikatsiyasini ularning kafti bo'yicha 
    xususiyatlaridan foydalangan holda yangi yondashuv taqdim etiladi. Qo'l 
    tasvirlari skanerdan hech qanday qoziqsiz olinadi. Ushbu mexanizm barcha 
    foydalanuvchilar uchun juda mos va qulay. Bundan tashqari, biz ikkita 
    tekshirish mexanizmini taklif qilamiz, ulardan biri shablonga mos keladigan 
    usul, ikkinchisi esa neyron tarmoqqa asoslangan usul bo'lib, palma bosma 
    tasvirlarni tekshirish. Shablonni moslashtirish usulida metrik o'lchov sifatida 
    chiziqli korrelyatsiya funktsiyasi qabul qilinadi. Ushbu usul yordamida biz 
    91% dan yuqori aniqlik darajasiga erishishimiz mumkin. Neyron tarmog'iga 
    asoslangan usulda biz neyron tarmoqqa asoslangan veri,erni yaratish uchun 
    orqaga tarqalish mexanizmi va masshtabli konjugat-gradient algoritmidan 
    foydalanamiz. Ushbu ma'lumotdan foydalanib, biz 98% dan yuqori aniqlik 
    darajasini olishimiz mumkin. Tajriba natijalari shuni ko'rsatadiki, bizning 
    taklif qilingan yondashuvimiz kaft bosma xususiyatlaridan foydalangan 
    holda shaxsiy autentifikatsiya qilishda amalga oshirilishi mumkin va 
    samarali.
    7. Xulosa
    So'nggi paytlarda biometrik xususiyatlar ko'plab shaxsiy 
    autentifikatsiya dasturlarida keng qo'llanilmoqda. Biometrikaga 
    asoslangan autentifikatsiya har bir shaxsga xos biologik 
    xususiyatlardan foydalangan holda tekshirish usulidir. Ular bir xil, 
    ko'chma va mashaqqatli takroriy xususiyatlar asosida qayta ishlanadi. 
    Shunday qilib, ko'plab kirishni boshqarish tizimlari raqamli parolni 
    almashtirish uchun biometrik xususiyatlarni qabul qiladi. Ushbu 
    maqolada biz skanerga asoslangan shaxsiy autentifikatsiya tizimini kaft 
    bosish xususiyatlaridan foydalangan holda taklif qilamiz. Bu tarmoqqa 
    asoslangan ko'plab ilovalarda juda mos keladi.
    Autentifikatsiya tizimi ro'yxatga olish va tekshirish bosqichlaridan 
    iborat. Ro'yxatga olish bosqichida,Mo'quv namunalari sifatida 
    shaxsning qo'l tasvirlari yig'iladi. Ushbu namunalar tomonidan qayta 
    ishlanishi kerakoldindan ishlov berish, xususiyatlarni ajratib olish,va
    modellashtirishMos shablonlarni yaratish uchun modullar. Tekshiruv 
    bosqichida so'rov namunasi oldindan ishlov berish va xususiyatlarni 
    ajratib olish modullari tomonidan qayta ishlanadi va keyin qaror qabul 
    qilish uchun shablonlarga mos keladi.
    Ma'lumotnomalar
    [1] R. Klark, Axborot tizimlarida inson identifikatsiyasi: 
    Boshqaruv muammolari va davlat siyosati masalalari, Inf. 
    Technol. Odamlar 7 (4) (1994) 6–37.
    [2] AK Jain, R. Bolle, S. Pankanti, Biometrika: Shaxsiy 
    Identifikator, Tarmoqli Jamiyatdagi katyon, Kluwer Akademik 
    Publishers, Dordrecht, 1999 yil.
    [3] L. O'Gorman, Barmoq izini tekshirish, in: AK Jain, R. Bolle,
    S. Paukauti (Eds.), Biometrika: Shaxsiy identifikator, Tarmoqli 
    Jamiyatda katyon, Kluwer Academic Publishers, Dordrecht, 
    1999, 43-64-betlar (2-bob).
    [4] M. Golfarelli, D. Miao, D. Maltoni, Biometrik tekshirish 
    tizimlarida xato-rad etish savdosi to'g'risida, IEEE Trans. Anal 
    namunasi. Mach. Intell. 19 (7) (1997) 786–796.
    [5] RL Zunkei, Hand geometriyaga asoslangan tekshirish, in: 
    AK Jain, R. Bolle, S. Pankanti (Eds.), Biometrics: Personal 
    Identi,cation in Networks Society, Kluwer Academic 
    Publishers, Dordrecht, 1999, pp. 87–101 (4-bob).


    C.-C. Han va boshqalar. /Qalbni tanib olish 36 (2003) 371–381
    381
    [6] AK Jain, N. Duta, tekshirish uchun qo'l shakllarini deformatsiyalanuvchi 
    moslashtirish,
    http://www.cse.msu.edu/

    dutanico/
    , 1999 yil.
    [7] D. Chjan, V. Shu, kaft bosmasini tekshirishda ikkita yangi xususiyat: 
    maʼlumotlar nuqtasi oʻzgarmasligi va chiziq xususiyatining mos kelishi. 
    Pattern Recognition 32 (1999) 691–702.
    [8] SY Kung, SH Lin, M. Fang, A neyron network approach to 
    face=palma recognition, in: Neyron tarmoqlar boʻyicha 
    xalqaro konferentsiya materiallari, 1995 yil, 323–332-betlar.
    [9] DG Joshi, YV Rao, S. Kar, V. Kumar, R. Kumar, shaxsiy 
    identifikatorga kompyuter ko'rinishiga asoslangan yondashuv, 
    katyon yordamida katyon, naqshni aniqlash 31 (1) (1998) 15-22.
    [10] DD Zhang, Avtomatlashtirilgan biometrika: Texnologiyalar va 
    tizimlar, Kluwer Akademik Publishers, Dordrecht, 2000.
    [11] M. Sonka, V. Hlavac, R. Boyle, tasvirni qayta ishlash, tahlil qilish va 
    mashinani ko'rish, PWS Publisher, 1999 yil.
    [12] X. Song, CW Li, S. Tsuji, qisman xususiyat shablonli yuz 
    xususiyatlarining ekstraktsiyasi, in: Kompyuterni ko'rish bo'yicha 
    Osiyo konferentsiyasi materiallari, 1993 yil, 751-754-betlar.
    [13] HA Rowley, S. Baluja, T. Kanade, Neyron tarmog'iga asoslangan 
    yuzni aniqlash, IEEE Trans. Anal namunasi. Mach. Intell. 20 (1) 
    (1998) 23–38.
    [14] KK Sung, Ob'ekt va naqshni aniqlash uchun o'rganish va 
    namuna tanlash, Ph.D. Tezis, MIT, Kembrij, MA, anonim 
    ftp dan publications.ai.mit.edu, 1996 yil.
    [15] MF Moller, Tez nazorat ostida o'rganish uchun masshtabli 
    konjugat gradient algoritmi, Neyron Network 6 (1993) 525–533.
    Muallif haqida -CHIN-CHUAN XAN 1989 yilda Chiao-Tung Milliy universitetida kompyuter muhandisligi bo'yicha bakalavr darajasini, magistr va fan 
    doktori darajasini oldi. 1991 va 1994 yillarda mos ravishda Milliy markaziy universitetida kompyuter fanlari va elektron muhandislik fakultetida ilmiy 
    darajaga ega. 1995 yildan 1998 yilgacha u Academia Sinica, Taypey, Tayvandagi Axborot fanlari institutida postdoktorlik ilmiy xodimi bo‘lgan. U 1999 
    yilda Chunghwa Telecom Co. telekommunikatsiya laboratoriyasining amaliy tadqiqot laboratoriyasida yordamchi ilmiy xodim bo‘lgan. Hozirda 
    Chungxua universitetining kompyuter fanlari va axborot injiniringi kafedrasi assistenti. Uning ilmiy qiziqishlari yuzni aniqlash, biometrik 
    autentifikatsiya, tasvirlarni tahlil qilish, kompyuterda ko'rish va naqshni aniqlash sohalarida.
    Muallif haqida -HSU-LIANG CHENG 1997-yilda Chung Yuan Xristian universitetining matematika boʻlimida bakalavr darajasini va 2000-yilda 
    Tayvanning Milliy markaziy universitetida kompyuter fanlari va axborot muhandisligi boʻyicha magistr darajasini oldi. Uning hozirgi 
    qiziqishlari naqshni aniqlashni oʻz ichiga oladi. , biometrik autentifikatsiya va mashinani oʻrganish.
    Muallif haqida -CHIH-LUNG LIN doktorlik dissertatsiyasi uchun ishlamoqda. 1999-yildan Milliy Markaziy Universitetda kompyuter fanlari va elektron muhandislik 
    fanlari boʻyicha. Uning ilmiy qiziqishlari biometrik autentifikatsiya, naqshni aniqlash va tasvirni qayta ishlashni oʻz ichiga oladi.
    Muallif haqida -KUO-CHIN FAN 1959-yil 21-iyunda Tayvanning Xsinchu shahrida tug‘ilgan. 1981-yilda Tayvanning Tsing-Xua milliy 
    universitetida elektrotexnika bo‘yicha bakalavr darajasini olgan. 1983-yilda u Elektron tadqiqot va xizmat ko‘rsatish tashkilotida (ERSO) 
    ishlagan. ), Tayvan, kompyuter muhandisi sifatida. U 1984 yilda Florida universitetida elektrotexnika bo'yicha magistrlik darajasini oldi va 
    magistr va fan nomzodi ilmiy darajasini oldi. 1985 va 1989 yillarda mos ravishda daraja. 1984 yildan 1989 yilgacha Florida universiteti 
    axborot tadqiqotlari markazida ilmiy xodim bo'lgan. 1989-yilda Milliy Markaziy Universitetining Kompyuter fanlari va axborot injiniringi 
    institutiga oʻqishga kirgan va 1994-yilda professor boʻlgan. 1994-1997-yillarda kafedra mudiri boʻlgan. Hozirda u Kompyuter markazi 
    direktori. U IEEE va SPIE a'zosi. Uning hozirgi ilmiy qiziqishlari tasvirlarni tahlil qilish, optik belgilarni aniqlash va hujjatlar tahlilini o'z ichiga 
    oladi.

    Document Outline


    Download 1,15 Mb.




    Download 1,15 Mb.
    Pdf ko'rish