اشترك بالحزمة الذهبية واحصل على وصول غير محدود شمرا أكاديميا
تسجيل مستخدم جديدالتعرف على الأشخاص من خلال صورة مع زاوية لقزحية العين (Off-Angle Iris) باستخدام القيم الذاتية
Identify people through an off-angle iris image using the eigenvalues
1180
0 31
0
(
0
)
نشر من قبل
جامعة البعث ورقة بحثية
تاريخ النشر
2017
مجال البحث
الحاسبات والتحكم الآلي
والبحث باللغة
العربية
تأليف
أغيد القطعان( باحث )
تمت اﻹضافة من قبل
Shamra Editor
اسأل ChatGPT حول البحث
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.
مراجعة الذكاء الصنعي:
ملخص البحث
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.
قراءة نقدية
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.
أسئلة حول البحث
-
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.
المراجع المستخدمة
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
قيم البحث
اقرأ أيضاً
يقترح النظام تصميم نموذج وزن لسمات القزحية و انتقاء السمات الأفضل منها بغية دراسة تأثير عملية الوزن و الاختيار على أداء نظم التعرف. يقدم البحث خوارزمية جديدة في مجال وزن السمات و دمجها تعتمد على الفروق بين الأصناف و الفروق داخل الصنف الواحد و المنطق
الضبابي، و يكون خرج هذه الخوارزمية عبارة عن أرقام تمثل أوزان السمات المختارة لمرحلة التصنيف. يتكون النظام المصمم من أربعة مراحل أساسية هي تجزيء القزحية و استخلاص سماتها و تطبيق نموذج الوزن و الاختيار و الدمج ثم التعرف. لاقتطاع منطقة القزحية يقترح النظام استخدام واصفات المنطقة من أجل تحديد نصف قطر القزحية و مركزها، و من ثم يتم تطبيق عملية الاقتطاع و إجراء نقل من الإحداثيات الديكارتية للإحداثيات القطبية عن طريق عملية التدوير و اقتطاع ما يعادل نصف القطر من بكسلات نافذة ثابتة اعتباراً من نقطة المركز و حتى المحيط. يتم استخلاص سمات القزحية باستخدام المعاملات العمودية لتحويل المويجات و يتم تدعيمها بالمعاملات الإحصائية لنواتج الاشتقاق من الدرجة الأولى و الثانية لمنطقة القزحية. و في مرحلة الوزن و الدمج يتم اختيار السمات الأفضل و وزنها و دمجها ليتم لاحقاً في مرحلة التصنيف الاستعانة بمصنف المسافة لإنجاز عملية التعرف. طبقت الخوارزمية على قاعدة بيانات CASIA العالمية المؤلفة من صور تعود لـ 250 شخص و تم التوصل لدقة 100% في مرحلة التجزيء، و معدل تعرف أعظمي98.7%. تظهر النتائج العملية أن خوارزمية التجزيء المصممة فعالة مع تغيرات الإضاءة و الدوران و التغطية الجزئية بالرموش و الأجفان،و أن خوارزمية وزن سمات القزحية و اختيارها و دمجها تحسن من أداء النظام.
يقدم البحث تصميماً لنظام تفقد آلي للطلبة، يقوم النظام بالتقاط صورة للطالب ثم استخلاص ملامح الوجه الأساسية، تم تدريب الشبكة باستخدام خوارزمية الانتشار العكسي، إذ تم توليد قاعدة بيانات تدريبية لكل طالب، مكونة من 15 عينة تدريبية له لمرة واحدة في بداية ا
لفصل الدراسي، كل عينة تحتوي تعابير الوجه اللازمة للتعرف على طالب، تُدرب الشبكة العصبونية على قاعدة بيانات الطلبة من أجل الحصول على شبكة عصبونية مدربة قادرة على التعرف على طلاب كل فئة بالاعتماد على ملامحهم، وبالتالي معرفة من حضر الجلسة ممن لم يحضر، تم تزويد النظام المصمم لهذا الغرض بالشبكة المدربة، يقدم النظام إمكانية إجراء التفقد الآلي للطلاب حسب فحوى الدراسة مع التنبيه في حال وجود صورة لطالب لا ينتمي لنفس المجموعة.
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.
إن عملية التحكم بالأذرع الروبوتية تشتمل على العديد من التحديات الهندسية انطلاقاً من
مرحلة التصميم الميكانيكي إلى مرحلة البرمجة. تعد مسألة الحركة المجردة العكسية واحدة
من أكثر تلك التحديات صعوبة, حيث أنها تتطلب تحديد زوايا المفاصل لإيصال النهاية
ال
مؤثرة إلى موقع محدد, و تنبع صعوبة هذه المسألة من لا خطيّتها و امكانية تعدد الحمول
أو عدم وجودها في بعض الأحيان. اقترحت العديد من الحمول لحل مسألة الحركة
المجردة العكسية منها التحليلية و منها العددية بالإضافة إلى الحمول المعتمدة على الذكاء
الصناعي. في هذا البحث تم مناقشة حل مسألة الحركة المجردة العكسية باستخدام نظام
الاستدلال العائم المتكيّف عصبونياً و اقترحت بعض التعديلات و تم بيان مدى جدواها.
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%.
سجل دخول لتتمكن من نشر تعليقات
التعليقات
جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
