ترغب بنشر مسار تعليمي؟ اضغط هنا

التعرف على الأشخاص عن طريق راحة اليد باستخدام تقنية التقاطعات الصفرية

Personal Identification via Handprint with use of Zero-Crossing Technology

1687   0   113   0 ( 0 )
 تاريخ النشر 2016
والبحث باللغة العربية
 تمت اﻹضافة من قبل Shamra Editor




اسأل ChatGPT حول البحث

التعرف على الأشخاص باستخدام بصمة اليد يلقى الكثير من الاهتمام بالتزامن مع الحاجة إلى تقنيات جديدة ترفع من مستوى الأمان. في هذه الدراسة تم اقتراح تقنية جديدة للتعرف على الأشخاص عن طريق بصمة اليد و ذلك من خلال استخلاص السمات من معاملات التحويل المويجي لصور راحة اليد بالاعتماد على فكرة التقاطعات الصفرية (عدد مرات التقاطع مع القيمة صفر). حيث تم إيجاد التحويل المويجي عند المستوى الرابع لكامل صورة اليد و الذي نتج عنه أربع مصفوفات، ثلاث مصفوفات تفاصيل (أفقية – شاقولية- قطرية) و مصفوفة تقريبات و تم الاعتماد على مصفوفات التفاصيل دون التقريبات لأن المعلومات التي نحتاجها (خطوط و منحنيات اليد) محتواة في مصفوفات التفاصيل. بعد ذلك تم استخلاص ستة عشر معامل (سمة ) من كل مصفوفة تفاصيل و ترتيب هذه السمات ضمن شعاع واحد ليتشكل شعاع السمات المستخلص من كل عينة من عينات اليد و المكون من ثمان و أربعين (48) سمة و الذي تم استخدامه كدخل للشبكة العصبونية المستخدمة. تم خلال هذه الدراسة بناء قاعدة بيانات مكونة من 400 صورة لراحة اليد عائدة لأربعين شخص بمعدل 10 صور لكل شخص. حيث أظهرت الاختبارات العملية أن النظام المصمم نجح في التعرف بمعدل 91.36%.


ملخص البحث
تتناول هذه الدراسة تقنية جديدة للتعرف على الأشخاص باستخدام بصمة راحة اليد، حيث تعتمد على استخراج السمات من معاملات التحويل المويجي لصور راحة اليد باستخدام تقنية التقاطعات الصغرية. يتم استخراج السمات من مصفوفات التفاصيل الأفقية والشاقولية والقطرية، وتكوين شعاع سمات مكون من 48 سمة لكل عينة يد. تم بناء قاعدة بيانات مكونة من 400 صورة لراحة اليد تعود لأربعين شخصًا، بمعدل 10 صور لكل شخص. أظهرت الاختبارات العملية أن النظام المصمم نجح في التعرف على الأشخاص بمعدل 91.36% في حالة العينات القياسية و83.41% في حالة العينات المشوهة. تقدم الدراسة مقارنة مع تقنيات أخرى وتوصي بتطوير النظام من خلال تقليل عدد السمات المستخلصة ودمج تقنيات بيومترية أخرى لتحسين نسبة التعرف.
قراءة نقدية
تعد هذه الدراسة خطوة مهمة في مجال التعرف على الأشخاص باستخدام بصمة راحة اليد، حيث تقدم تقنية جديدة تعتمد على التحويل المويجي وتقنية التقاطعات الصغرية. ومع ذلك، يمكن تحسين الدراسة من خلال توسيع قاعدة البيانات لتشمل عدد أكبر من الأشخاص وزيادة نسبة التشوه في العينات لاختبار فعالية النظام في ظروف أكثر تعقيدًا. كما يمكن تحسين الأداء من خلال دمج تقنيات بيومترية أخرى مثل بصمة الإصبع وهندسة اليد. بالإضافة إلى ذلك، يجب تقليل عدد العينات المطلوبة لتدريب الشبكة العصبونية لتحقيق نظام أسرع وأكثر فعالية.
أسئلة حول البحث
  1. ما هي التقنية الجديدة المقترحة في هذه الدراسة للتعرف على الأشخاص؟

    التقنية الجديدة المقترحة تعتمد على استخراج السمات من معاملات التحويل المويجي لصور راحة اليد باستخدام تقنية التقاطعات الصغرية.

  2. ما هي نسبة نجاح النظام في التعرف على الأشخاص باستخدام العينات القياسية؟

    نجح النظام في التعرف على الأشخاص بنسبة 91.36% باستخدام العينات القياسية.

  3. ما هي التوصيات التي قدمتها الدراسة لتطوير النظام؟

    توصي الدراسة بتقليل عدد السمات المستخلصة، دمج تقنيات بيومترية أخرى، تقليل عدد العينات المطلوبة لتدريب الشبكة العصبونية، وتوسيع قاعدة البيانات.

  4. ما هي الفروقات بين التحويل المويجي وتحويل فورييه كما هو موضح في الدراسة؟

    التحويل المويجي يتيح تحليل الإشارة في الزمن والتردد معًا، بينما تحويل فورييه يحلل الإشارة في التردد فقط، مما يجعل التحويل المويجي أكثر فعالية في استخراج السمات من الصور.


المراجع المستخدمة
KAUR, G., SINGH, G. AND KUMAR, V. A Review on Biometric Recognition. International Journal of Bio-Science and Bio-Technology, 6(2014), 69-76
ZHANG, D., KONG, W.K., YOU,J. and WONG, M. Biometrics online palmprint identification. IEEE Transactions on Pattern Analysis and Machine Intelligence 25 (2003), 1041-1050
WOODARD, J. D., ORLANS, N. M., and HIGGINS, P. T." Biometric:Identity Assurance in the Information Age", McGraw-Hill, New York, 2003. pp: 45-115
قيم البحث

اقرأ أيضاً

تقدم الدراسة طريقة جديدة لاستخلاص سمات صورة راحة اليد و تحديد السمات الأكثر فعالية منها، إضافة إلى دراسة تأثير عملية الاختيار على تسريع عمل مراحل النظام و رفع أدائه.
أجريت الدراسة في مشفى الأسد الجامعي باللاذقية , في قسم التوليد و أمراض النساء في الفترة الممتدة بين 1/1/2013 و حتى 1/1/2014 و كان عدد مريضات الدراسة 190 حالة بينها 140 حالة تم اجراء تسليخ الأغشية لها و 50 حالة دون تسليخ الأغشية. • و قد أجري تسليخ لل أغشية عند مريضات الدراسة , و ذلك بعد تقييم درجة نضج عنق الرحم اعتماداً على مشعر بيشوب و كانت نسبة الاستجابة 79.28% في حالات تسليخ الأغشية و هي النسبة الأعلى , ثم 54% في الحالات دون تسليخ الأغشية. و كان إجراء التسليخ لمرتين متتاليتين كافياً عند أغلب المريضات, و كان عنق الرحم متوسط النضج (أي درجة 4-5 حسب مشعر بيشوب ) هو الأكثر استجابة لإجراء التسليخ. • و كانت نسبة الولادة الطبيعية في دراستنا 87.85% في حالات تسليخ الأغشية و 76% دون تسليخ الأغشية. • و قد كانت الاختلاطات محدودة جداً في مجموعة الدراسة و شملت : 1-الإنتان 0.58%. 2-النزف 0.58%. 3-انبثاق الأغشية 1.16%. أي أن تسليخ الأغشية كان إجراءاً آمناً إلى حد ما.
إن فكرة التعارضات المرورية لها تاريخ طويل في بحوث السلامة المرورية. و قد أصبحت حوادث السير ظاهرة خطيرة تستنزف بشكل مباشر أو غير مباشر موارد هائلة من الاقتصاد الوطني، و لما كانت التقاطعات مواقع محتملة للنقاط السوداء التي من الممكن أن تسبب حوادث كثيرة، لذلك جاء هذا البحث لدراسة التعارضات المرورية و معرفة أهميتها في تحليل الحوادث المرورية عند التقاطعات المضبوطة بالإشارات الضوئية . طُبَقت تقنية التعارضات المرورية في هذا البحث على تقاطعات رباعية الأذرع مضبوطة بالإشارات الضوئية في مدينة دمشق؛ و ذلك لتقييم سلامة الحركة على هذه التقاطعات، كما جرى تحري العلاقة بين التعارضات و حوادث السير، و بينت النتائج أن الحوادث و التعارضات ترتبط مع بعضها بعضاً بعلاقة خطية، كما أظهرت النتائج أن هناك ارتباطاً لم تتضح طبيعته بين عدد التعارضات في التقاطعات و الغزارات الداخلة على هذه التقاطعات، و قد وضِعتْ أيضاً أولوية للتقاطعات فيما يتعلق بإجراءات السلامة اعتماداً على دليل الخطورة المتعلق بدرجة الضرر.
تعد تقنيات التعرف على الكلام من أهم التقنيات الحديثة التي دخلت بقوة في مجالات الحياة المختلفة سواء الطبية أو الأمنية أو الصناعية. و بناءً عليه تم تطوير العديد من الأنظمة المعتمدة على طرق مختلفة في استخلاص السمات و التصنيف. في هذا البحث تم إنشاء ثلاث ة أنظمة للتعرف على الكلام، تختلف عن بعضها البعض بالطرق المستخدمة في مرحلة استخلاص السمات، حيث استخدم النظام الأول خوارزمية MFCC بينما استخدم النظام الثاني خوارزمية LPCC أما النظام الثالث فاستخدم خوارزمية PLP. تشترك هذه الأنظمة بطريقة التصنيف حيث استخدمت خوارزمية الـHMM كمصنف. في البداية تم دراسة و تقييم أداء عملية التعرف على الكلام للأنظمة الثلاثة السابقة المقترحة منفردةً. بعد ذلك تم تطبيق خوارزمية الجمع على كل زوج من الأنظمة المدروسة و ذلك لدراسة أثر خوارزمية الجمع في تحسين التعرف على الكلام. تم اعتماد نوعين من الأخطاء، الأخطاء التزامنية (simultaneous errors) و الأخطاء الاعتمادية ((dependent errors، كوحدة مقارنة لدراسة فعالية خوارزمية الجمع في تحسين أداء عملية التعرف على الكلام. يتبين من نتائج المقارنة أن أفضل نسبة تعرف على الكلام تم الحصول عليها في حالة جمع الخوارزميتان MFCC و PLP حيث تم الحصول على معدل تعرف 93.4%.
في هذه الورقة، نقدم نظاما يستغل نماذج اللغة المدربة مسبقا مسبقا لتعيين ملصقات المجال إلى Synpesets Wordnet دون أي نوع من الإشراف.علاوة على ذلك، لا يقتصر النظام استخدام مجموعة معينة من ملصقات المجال.نحن نستنفذ المعرفة المشفرة في مختلف نماذج اللغة المد بعة مسبقا على الرف والتركيبات المهمة لاستنتاج تسمية المجال لتعريف Wordnet معين.يحقق نظام الطلقة الصفرية المقترحة حديثة جديدة في مجموعة البيانات الإنجليزية المستخدمة في التقييم.
التعليقات
جاري جلب التعليقات جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا