اشترك بالحزمة الذهبية واحصل على وصول غير محدود شمرا أكاديميا
تسجيل مستخدم جديدتقويم فعالية اختيار السمات الأفضل في تحسين التعرف على الأشخاص باستخدام صورة راحة اليد
Evaluation of Features Selection in Enhancing the Performance of Palm Print Recognition
1293
0 98
0
(
0
)
تمت اﻹضافة من قبل
Shamra Editor
اسأل ChatGPT حول البحث
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.
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.
مراجعة الذكاء الصنعي:
ملخص البحث
تقدم الدراسة طريقة جديدة لاستخلاص سمات صورة راحة اليد وتحديد السمات الأكثر فعالية منها، إضافة إلى دراسة تأثير عملية الاختيار على تسريع عمل مراحل النظام ورفع أدائه. يقترح البحث الحالي إنجاز أربع مراحل أساسية تتضمن الأولى عملية معالجة مسبقة لصور البد لتصحيح دورانها واتجاهها، أما المرحلة الثانية فتشمل تجزيء صورة اليد واستخلاص نقاط التلاقى بين الأصابع والحصول على منطقة الأصابع وخطوط الحياة، أما المرحلة الثالثة فتمثل عملية استخلاص السمات وهى الزوايا المنتشكلة من نقاط التلاقى بين الأصابع وسماكة الأصابع والسمات الإحصائية لخطوط الحياة، وفى المرحلة الأخيرة تم إنجاز عملية التعرف والتصنيف. طبقت مرحلة التجزيء على قاعدة بيانات CASIA لصور اليد المؤلفة من (1200) صورة تعود لـ (300) شخص وتم التوصل لدقة تجزيء 97.8%. تم أخذ 160 صورة مجزأة تعود لـ 40 شخص واستخدمت كقاعدة بيانات لمرحلة التعرف، و 290 صورة اختبار وتم التوصل لمعدل تعرف 96.66%.
قراءة نقدية
دراسة نقدية: تقدم هذه الدراسة إسهاماً مهماً في مجال التعرف على الأشخاص باستخدام صور راحة اليد، حيث تم التركيز على تحسين دقة وسرعة النظام من خلال اختيار السمات الأكثر فعالية. ومع ذلك، يمكن الإشارة إلى بعض النقاط التي قد تحتاج إلى مزيد من التحليل والتطوير. أولاً، لم يتم التطرق بشكل كافٍ إلى تأثير التغيرات البيئية مثل الإضاءة والاتجاه على دقة النظام، وهو ما يمكن أن يكون له تأثير كبير في التطبيقات العملية. ثانياً، قد يكون من المفيد مقارنة نتائج هذه الدراسة مع نتائج دراسات أخرى استخدمت تقنيات مختلفة لاستخلاص السمات، وذلك لتحديد مدى تفوق الطريقة المقترحة. أخيراً، يمكن أن يكون هناك اهتمام أكبر بتحليل الزمن اللازم لكل مرحلة من مراحل النظام بشكل أكثر تفصيلاً، وذلك لتحديد النقاط التي يمكن تحسينها بشكل أكبر.
أسئلة حول البحث
-
ما هي المراحل الأساسية الأربع التي يقترحها البحث لاستخلاص سمات صورة راحة اليد؟
تشمل المراحل الأربع: المعالجة المسبقة لتصحيح دوران واتجاه صورة اليد، تجزيء صورة اليد واستخلاص نقاط التلاقى بين الأصابع، استخلاص السمات مثل الزوايا وسماكة الأصابع والسمات الإحصائية لخطوط الحياة، وأخيراً مرحلة التعرف والتصنيف.
-
ما هي قاعدة البيانات المستخدمة في الدراسة وما هي دقة التجزيء التي تم التوصل إليها؟
تم استخدام قاعدة بيانات CASIA لصور اليد المؤلفة من 1200 صورة تعود لـ 300 شخص، وتم التوصل لدقة تجزيء 97.8%.
-
ما هي السمات التي تم استخلاصها في المرحلة الثالثة من البحث؟
تم استخلاص الزوايا المتشكلة من نقاط التلاقى بين الأصابع، سماكة الأصابع، والسمات الإحصائية لخطوط الحياة.
-
ما هو معدل التعرف الذي تم التوصل إليه في مرحلة التعرف والتصنيف؟
تم التوصل إلى معدل تعرف 96.66%.
المراجع المستخدمة
(Doublet J., Lepetit O. and Revenu M., 2006 "Contact-less Hand Recognition using shape and texture features", 8th International Conference on Signal Processing, Vol (3
Funada. J., Ohta N., Mizoguchi M., Temma T., Nakanishi K., Murai A., Sugiuchi T., Wakabayashi T., and Yamada Y 1998 “Feature extraction method for palmprint considering elimination of creases,” Proc.14th International Conference of Pattern Recognition, vol(2), pp. 1849 -1854
Han C. -C., Cheng H.-L., Lin C.-L. and Fan K.-C., 2003 "Personal authentication using palm print features," Pattern Recognition Journal, vol (36), pp. 371-381
قيم البحث
اقرأ أيضاً
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%.
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.
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%.
بناء حواسيب تستغني عن أدوات الإدخال محدودة الفضاء (مثل لوحة المفاتيح) وامتلاكها لمقدرة السمع و القراءة ظل من مجالات البحث النشطة في علوم الحاسوب , قدم فيها الباحثون عدد مقدر من الطرق و الخوارزميات لحوسبةالسمع و القراءة ضمن ما يعرف بالتعرف على الأنماط
في علوم الحاسوب. ومن بين هذه الطرق الطريقة الشمولية (Holistic approach)، التي أثبتت كفاءتها في التعرف السريع (سمعاً أو قراءة) بالإضافة إلي مفهوم التعلم العميق الذي يعتبر ثورة في مجال تعلم الآلة في الوقت الحالي,وزاد الإهتمام به حديثاً خصوصاً بعد الزيادة الكبيرة في سرعة المعالجة الحاسوبية و التقدم في المعالجة المتوازية. هذه الدراسة تقدم تجارب إدراك ناجحة للشبكات العصبية العميقة في التعرف شمولياً على الأسماء العربية الأكثر شيوعاً، حيث تم إستخدام أدوات التعلم العميق و تمت تجربتها على السبعة أسماءالاكثر شيوعا بحسب مجموعة بيانات جامعة السودان للاسماء (SUST-ARG names) وبعد إجراء مراحل التدريب الخمسة , إستطاعت الشبكة أن تتعرف علي كل الأسماء وبنسبة 100% .
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.
سجل دخول لتتمكن من نشر تعليقات
التعليقات
جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
