
پایان نامه تشخيص هويت با استفاده تصاوير عنبيه چشم ( با فرمت ورد )
چکيده
روش هاي بيومتريک به دنبال روشي هستند که شناسايي افراد را به بدن انسان يعني ويژگي هاي منحصر به فرد آن مربوط کنند. انتظاري که از اين روش ها مي رود اين است که بهتر از روش هاي مرسوم عمل کنند زيرا بر مبناي چيزي که هستيد عمل مي کنند نه چيزي که مي دانيد يا همراه خود داريد. معمولا منظور از بيومتريک استفاده ي اتوماتيک يا نيمه اتوماتيک از ويژگي هاي فيزيولوژيکي و يا ويژگي هاي رفتاري که به بدن انسان بستگي دارند براي تشخيص و يا تاييد هويت فرد است. مشخصه هاي فيزيولوژيکي به عنوان مثال شامل اثر انگشت يا تصاوير صورت است. مشخصه هاي رفتاري شانل اعمال يا رفتاري است که از فرد سر مي زند مانند امضا يا لحن صحبت کردن. در مورد مشکلات روش هاي قديمي که از شماره رمز عبور به جاي سامانه بيومتريک استفاده مي کنند مثل سامانه هاي کارت خودپرداز بانکي، وقتي فرد مي خواهد از کارت خود استفاده کند لازم است که شماره تشخيص هويت شخصي خود را (PIN) وارد کند. در اين سامانه تائيد و يا تشخيص هويت بر مبناي چيزي که شخص به همراه دارد
(کارت) به اضافه اطلاعاتي شخص با خود دارد مي باشد، که اين يک مشکل بالقوه در اين سيستم است زيرا کارت ممکن است دزديده شود وشماره رمز را هم فرد ديگري مي تواند با خود داشته باشد. در حالي که در سامانه هاي بيومتريک اين مشکلات وجود ندارند و امکان تقلب در آن ها خيلي کم است و مي توانند به عنوان سامانه هاي ايده آل تشخيص هويت مورد استفاده قرار گيرند.
تحقيقات و پيشرفت هاي به دست آمده در دهه هاي اخير فصل جديدي را در تائيد و تشخيص هويت آغاز کرده است و در نتيجه آن روش هاي اتوماتيک بر پايه ويژگي هاي فردي انسان ها پايه گذاري شده اند. سامانه هاي بيومتريک جديد داراي قابليت تشخيص هويت افراد با سرعت و دقت و اطمينان و راحتي و همچنين ارزاني بالا را در اختيار ما قرار داده اند. پژوهش انجام شده در اين پايان نامه شامل طراحي و پياده سازي يک سامانه شناسايي جديد بر مبناي تحليل تصاوير عنبيه چشم مي باشد. در اين پايان نامه ابتدا الگوريتم جديدي براي پيدا کردن مرزهاي عنبيه و همچنين پلک ها ارائه مي شود. سپس با استفاده از موجک دوبچيز 2 و نيز فيلترهاي گابور در 8 جهت مختلف، براي هر تصوير ، يک کد توليد مي شود. در مرحله بعد کد به دست آمده از هر تصوير با کدهاي موجود در بانک اطلاعاتي مقايسه شده و با تعريف يک آستانه عمل تشخيص هويت انجام مي شود.
بافت عنبيه در حوزه فرکانس، کدهاي مناسب را توليد مي کنند. استخراج ويژگي مهم ترين بخش سامانه تشخيص هويت است. که در آن بردار ويژگي به دست آمده علاوه بر اينکه بايد حاوي تمام اطلاعات مهم موجود در بافت عنبيه باشد، بايد داراي ابعاد حتي الامکان کوچک نيز باشد زيرا بردارهاي با ابعاد بزرگ علاوه بر اينکه حجم زيادي براي ذخيره کردن لازم دارند، حجم محاسباتي بالايي را نيز درمراحل استخراج و تطابق به سامانه تحميل مي کنند .
نتايج به دست آمده بر روي تصاوير CASIA که شامل 756 تصوير از 108 نفر مي باشد، درصد موفقيت 99.76 % و نرخ خطاي معادل 0،0022 را نتيجه داده است. تحليل حساسيت سامانه در برابر تغييرات شدت نور . نويز و تباين نيز صورت گرفته است که نتايج به دست آمده نشان دهنده کارايي مناسب سامانه است.
همانطور که در قسمت هاي قبل هم ذکر شد در اين پروژه از پايگاه داده CASIA استفاده شده است. در مرحله استخراج ويژگي از نواحي مختلفي از ناحيه عنبيه استفاده شده و همچنين تقويت جزئيات که در فصل استخراج ويژگي توضيح داده شد بر روي معيارهاي مختلفي انجام گرفته و در نهايت دو ناحيه 90 درجه در دو طرف عنبيه در نظر گرفته شد و تقويت جزئيات نيز با توجه به ضرايب جزئيات قطري خروجي اعمال موجک دوبچيز 2 به دست آمد. با اعمال روش استخراج ويژگي برداري به طول 915 به عنوان ويژگي استخراج شده و برداري با همين ابعاد به عنوان بردار خطا توليد شد که مشخص کننده نواحي مسدود شده از عنبيه توسط مژه ها و پلک ها مي باشد. با توجه به مشکل دوران که راه حل آن در فصل قبل اشاره شد وانتخاب تطبيق گر به صورتي که در همان فصل توضيح داده شد، سامانه پياده سازي گرديد. شکل 6-4 چگونگي کارکرد سامانه را به طور کلي نشان مي دهد.
درباره :
تشخیص هویت , هوش مصنوعي , هوش مصنوعی , تشخیص هویت , بيومتريك Biometric ,
|