طراحی یک سامانه چندگانه تایید هویت بیومتریک با استفاده از یک حسگر بدون تماس مبتنی بر اطلاعات موجود در بافت دست

سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 295

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_PADSA-5-1_007

تاریخ نمایه سازی: 23 اردیبهشت 1400

چکیده مقاله:

یکی از ابزار موثر در ارتقاء امنیت سایبری استفاده از سامانه های امن، باقابلیت اطمینان مناسب برای احراز هویت فرد است. سامانه های مبتنی بر خصیصه های بیومتریک توانسته اند تا حدود زیادی بر این مشکل غلبه کنند. در بسیاری از موارد ملاحظاتی چون هزینه، سرعت و دقت چالش هایی را در انتخاب ساختار و معماری سامانه تایید هویت ایجاد می کنند. در این مقاله به منظور افزایش دقت و امنیت سامانه تایید هویت و درعین حال کاهش هزینه سخت افزاری از یک حسگر برای دریافت تصویر داخل دست استفاده شده است. پس از دریافت تصویر دست، به شش زیر بخش، تقسیم بندی شده و درنهایت با استفاده از فیلتر بانک کمانی گابور به عنوان توصیفگر ویژگی های منحصربه فردی از تصاویر استخراج شده است. همچنین با استخراج دانش موجود در منحنی های FAR و FRR به منظور تخمین وزن تاییدکننده ها و با استفاده از جمع وزن دار امتیاز تاییدکننده ها برای ترکیب اطلاعات در سطح امتیاز انطباق، سامانه تایید هویتی طراحی شده است که با وجود استفاده از یک حسگر و با بهره گیری از پتانسیل موجود در ساختار چندگانه میانگین خطای معادل EER آن برای پایگاه COEP حدود ۲۵/۲% بوده و میانگین زمان سپری شده برای تایید هویت آن کمتر از ۱۹/۰ ثانیه است.

کلیدواژه ها:

بافت دست ، بیومتریک ، سامانه چندگانه تایید هویت ، فیلتربانک کمانی گابور

نویسندگان

سیدمحمد رضوی

دانشگاه بیرجند

ناصر مهرشاد

دانشگاه بیرجند

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Anon, “National Infrastructure Protection Plan ۲۰۰۶,” US Department of Homeland ...
  • J. Yang, Y. Shi, and J. Yang, “Personal identification based ...
  • Zh. Liu, Y. Yin, H. Wang, Sh. Song, and Q. ...
  • D. Mulyono and H. Shi Jinn, “A Study of Finger ...
  • T. S. Beng and B. A. Rosdi, “Finger-Vein Identification using ...
  • Zh. Wang, E. Wang, Sh. Wang, and Q. Ding, “Multimodal ...
  • G. Lin, H. Zhu, X. Kang, C. Fan, and E. ...
  • M. De Marsico, M. Nappi, D. Riccio, and G. Tortora, ...
  • R. Wang, G. Wang, Zh. Chen, Zh. Zeng, and Y. ...
  • D. Zhang, A. Kong, J. You, and M. Wong, “Online ...
  • Kong, D. Zhang, and Kamel, “Palmprint identification using feature level ...
  • X. Pan and Q. Q. Ruan, “Palmprint recognition using Gabor-based ...
  • Y. T. Luoa, L. Y. Zhaoa, B. Zhangb, W. Jiac, ...
  • L. Feia, Y. Xua, and D. Zhangb, “Half-orientation extraction of ...
  • N. Otsu, “A Threshold Selection Method from Gray-Level Histograms,” IEEE ...
  • M. Taghipour-Gorjikolaie, S. M. Razavi, and N. Mehrshad, “Fingerprint enhancement ...
  • Y. Xu and Y. Lu, “Adaptive Weighted Fusion: A Novel ...
  • W. Jia, R. X. Hu, Y. K. Li, Y. Zhao, ...
  • B. Yang and S. Chen, “A Comparative Study on Local ...
  • Sh. R. Zhou, J. P. Yin, and J. M. Zhang, ...
  • نمایش کامل مراجع