Subscribe to the gold package and get unlimited access to Shamra Academy
Register a new userIdentify people through an off-angle iris image using the eigenvalues
التعرف على الأشخاص من خلال صورة مع زاوية لقزحية العين (Off-Angle Iris) باستخدام القيم الذاتية
1184
0 31
0
(
0
)
Authors
أغيد القطعان( باحث )
Created by
Shamra Editor
Ask ChatGPT about the research
يقدم هذا البحث تقنية جديدة لاستخلاص الميزات من قزحية العين ضمن نظام التعرف على الأشخاص باستخدام صورة قزحية العين المأخوذة في بيئات غير مثالية، و بالتحديد الصور المأخوذة بكاميرا تصنع زاوية مع القزحية، أو إصطلاحاً (off-angle iris) و هي الحالة الشائعة لصور القزحية.
This paper presents a new technique to extract the features of a common case of images of the iris called off-angle iris which taken for persons identification system. The main problem when using biological iris measurements to identify the persons is the difficulty of identifying and extracting features of the iris. This problem increasing when dealing with off-angle iris and it leading to decrease system accuracy and increase system rate error.
Artificial intelligence review:
Research summary
يقدم هذا البحث تقنية جديدة لاستخلاص ميزات قزحية العين في نظام التعرف على الأشخاص باستخدام صور قزحية العين المأخوذة في بيئات غير مثالية، وبالتحديد الصور التي تصنع زاوية مع القزحية (off-angle iris). تعتمد التقنية الجديدة على منهجية جديدة تتعامل مع الصورة كما هي بدون عمليات التحويل، وتتضمن خوارزمية جديدة لاستخلاص ميزات القزحية من خلال تبديل نقاط البؤبؤ بالنقاط الأكثر تميزاً من القزحية اعتماداً على الإحصائيات الحيوية للعين البشرية. تم تدريب واختبار التقنية على قاعدة بيانات (ICE-2005) باستخدام بيئة الماتلاب، وأظهرت النتائج كفاءة التقنية وارتفاع دقة قرارات النظام وانخفاض معدل القبول الزائف. تؤكد النتائج أن التقنية تكيّفية وتستفيد من تحليل البيانات والإحصائيات الحيوية لتحسين الأداء.
Critical review
دراسة نقدية: على الرغم من أن البحث يقدم تقنية مبتكرة ومهمة في مجال التعرف على الأشخاص باستخدام قزحية العين، إلا أن هناك بعض النقاط التي يمكن تحسينها. أولاً، كان من الممكن أن يتضمن البحث مقارنة أكثر تفصيلية مع التقنيات الأخرى الموجودة لتوضيح الفروق بشكل أوضح. ثانياً، لم يتم التطرق بشكل كافٍ إلى تأثير العوامل البيئية الأخرى مثل الإضاءة وجودة الكاميرا على أداء النظام. ثالثاً، يمكن أن يكون هناك حاجة لمزيد من الاختبارات على قواعد بيانات أكبر وأكثر تنوعاً لضمان تعميم النتائج. وأخيراً، كان من المفيد تضمين بعض التوصيات العملية لتطبيق التقنية في الأنظمة الحقيقية.
Questions related to the research
-
ما هي المشكلة الأساسية التي يعالجها البحث؟
المشكلة الأساسية هي صعوبة تحديد واستخلاص ميزات القزحية من الصور التي تصنع زاوية مع القزحية (off-angle iris) مما يؤدي إلى نقصان دقة نظام التعرف وزيادة أخطاءه.
-
ما هي قاعدة البيانات المستخدمة في البحث؟
تم استخدام قاعدة بيانات (ICE-2005) التي تحتوي على صور قزحية مع زاوية.
-
ما هي النتائج الرئيسية التي توصل إليها البحث؟
أظهرت النتائج كفاءة التقنية الجديدة وارتفاع دقة قرارات النظام وانخفاض معدل القبول الزائف، وأكدت على أن التقنية تكيّفية وقادرة على التعامل مع الصور المأخوذة في بيئات غير مثالية.
-
ما هي التوصيات التي يقدمها البحث لتطبيق التقنية في الأنظمة الحقيقية؟
البحث يفتح آفاقاً جديدة لأبحاث تتعلق ببناء نظام تمييز الأشخاص المعتمد على القياسات الحيوية في بيئات غير مثالية، ويوصي بإجراء الدراسات الإحصائية على المجتمع السوري للحصول على القياسات الحيوية الدقيقة.
References used
Mcdonald J, 2008- Hand Book of Biological Statistic. Sparky House Publishing Baltimore, Maryland, 291p
Bass M, Decusatis C, Enoch J, Lakshminarayanan V, 2009- Handbook of Optics, Volume I: Geometrical and Physical Optics, Polarized Light, Components and Instruments. McGraw-Hill Professional, 3rd Ed, 1248p
Abhyankar A, Hornak L, Schuckers S, 2010 Pattern Recognition A novel biorthogonal wavelet network system for off-angle iris recognition, Vol. 43, Issue 3, pp. 987–1007
rate research
Read More
The study suggests designing a weighting model for iris features and selection of the
best ones to show the effect of weighting and selection process on system performance.
The search introduces a new weighting and fusion algorithm depends on the i
nter and intra
class differences and the fuzzy logic. The output of the algorithm is the feature’s weight of
the selected features. The designed system consists of four stages which are iris
segmentation, feature extraction, feature weighting_selection_fusion model
implementation and recognition. System suggests using region descriptors for defining the
center and radius of iris region, then the iris is cropped and transformed into the polar
coordinates via rotation and selection of radius-size pixels of fixed window from center to
circumference. Feature extraction stage is done by wavelet vertical details and the
statistical metrics of 1st and 2nd derivative of normalized iris image. At weighting and
fusion step the best features are selected and fused for classification stage which is done by
distance classifier. The algorithm is applied on CASIA database which consists of iris
images related to 250 persons. It achieved 100% segmentation precision and 98.7%
recognition rate. The results show that segmentation algorithm is robust against
illumination and rotation variations and occlusion by eye lash and lid, and the
weighting_selection_fusion algorithm enhances the system performance.
The research presents a design for an automated checking system for students. The
system takes a picture of the student, then it extracts his/her basic facial features. The
network was trained using the reverse spreading algorithm. If a training da
tabase is
generated for each student consisting of 15 training samples contained of the necessary
facial expressions to identify the student for one time at the beginning of the semester, then
the neural network will be trained on students database to obtain a trained neural network
able to identify the students of each category depending on their physical appearance. That
will result in knowing who attends and who does not attend the session. The system
designed for this purpose was supplied with the trained network. The system provides the
possibility of automated checking for students according to the content of the study giving
the alarm in case of the existence of the picture of a student who does not belong to the
same group.
This paper introduces a new approach to extract palm print features
and select the best ones. The paper also studies the effectiveness of
the selection process on speed and performance of system.
The robotic manipulator's control process involves many
engineering challenges from mechanical design phase to the phase
of programming. The inverse kinematics problem is one of the most
difficult challenges, as it requires determining the angles
of joints
for a desired position of the end-effector, the difficulty of this
problem comes from the none linearity and the possibility of
multiple solutions or lack of solutions in some cases. Many
solutions were proposed to solve the issue of inverse kinematics;
analytically and numerically in addition to the solutions which
based on artificial intelligence. In this research the solution of
inverse kinematics using Adaptive Neuro-Fuzzy Inference System
was discussed and amendments were proposed and indicated their
usefulness.
Personal identification based on handprint has been gaining more attention with the
increasing needs of high level of security. In this study a novel approach for human
recognition based on handprint is proposed. Wavelet transform was used to extra
ct features
presented in the palm image based on wavelet zero-crossing method. Firstly the wavelet
transform of the whole palm image at the fourth level was worked out, which results in
four matrices; three of them are detail matrices (i.e., horizontal, vertical and diagonal) as
well as one approximation matrix. Throughout this study, only the detail matrices were
used because the required information (i.e., hand lines and curves) is included in those
matrices. Sixteen features were extracted from each detail matrix, and then arranged in one
vector. Consequently, for each palm sample a feature vector consisting of 48 input features
of the used neural network was obtained. For this purpose, a database consisting of 400
palm images belonging to 40 people at the rate of 10 images per person was built. Practical
tests outcome showed that the designed system successfully indentified 91.36% of the
tested images.
Log in to be able to interact and post comments
comments
Fetching comments
Sign in to be able to follow your search criteria
