یک روش ترکیبی جهت تشخیص هویت با استفاده از رگهای پشت دست و ماشین بردار پشتیبان

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 771

فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICTMNGT01_058

تاریخ نمایه سازی: 19 تیر 1394

چکیده مقاله:

درجوامع امروزی تشخیص هویت افراد به ویژه درموردمسائل امنیتی اهمیت زیادی پیداکرده است. بیومتریک یک روش با امنیت بالا و مناسب برای تشخیص هویت است. یکی از بیومتریک هایی که اخیرا مورد توجه قرار گرفته است، الگوی رگ های پشت دست می باشد، امتیاز آن نسبت به دیگر بیومتریک ها این است که الگوی رگ ها بدون تجهیزات نوری مادون قرمز مشخص نمی شوند که مانع از جعل شدن آن توسط افراد متقلب می شود. در این مقاله روش جدیدی برای تشخیص هویت از طریق بیومتریک رگ های پشت دست ارائه می شود. سه مرحله اصلی در تشخیص هویت وجود دارد، فاز اول پیش پردازش که شامل انتخاب ناحیه مطلوب، افرایش کیفیت و حذف نویز از تصویر است. فاز دوم استخراج ویژگی که از توصیفگر های گابور، هیستوگرام گرادیان جهت دار و الگوی جهت دار محلی استفاده شده است و فاز سوم کلاس بندی که از کلاس بند ماشین بردار پشتیبان استفاده شده است. روش پیشنهادی در این مقاله ترکیب سه بردار ویژگی استخراج شده از توصیفگر گابور، هیستوگرام گرادیان جهت دار و الگوی جهت دار محلی است. برای ارزیابی این روش آن را بر روی پایگاه داده ان سی یو تی که شامل 2040 تصویر از 102 نفر به طوری که از هر نفر تعداد 10 تصویر از دست راست و 10 تصویر از دست چپ می باشد آزمایش کردیم. 70% از داده ها را برای آموزش و 30% را برای تست در نظر گرفتیم. دقت روش پیشنهادی برابر 17/99% است.

کلیدواژه ها:

نویسندگان

علی استعدادی

دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد ملایر، ایران،ملایر

محسن رحمانی

استادیار، عضو هیئت علمی دانشگاه اراک، ایران،اراک

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 :
  • Honarpisheh, Z & , .Faez, K. (2013). Biometric Identification by ...
  • در سال 2010، وانگ در سال 2011، وانگ در سال ...
  • بهمن ماه 1393 _ بر ک علم و فناوری دانشگاه ...
  • Badawi, A. M. (2006). Hand Vein Biometric Verification Prototype: A ...
  • Bovik, A. C. (2010). Hondbook of image and video processing: ...
  • Delac, K., & Grgic, M. (2004). A survey of biometric ...
  • Gonzalez, R. C., & Woods, R. E. (2002). Digital image ...
  • Kong, W. K., Zhang , D., & Li, W. (2003). ...
  • Kovesi, P. (1997). Symmetry and asymmetry from local phase. Paper ...
  • Kumar, A., & Prathyusha, K. V. (2009). Personal authentication using ...
  • Lin, C.-L. & Fan, K.-C. (2004). Biometric verification using thermal ...
  • Sangeetha, N. M. S., kumar, T. A., & Natarajan, D. ...
  • Sathish, G., Narmadha, S., Saravanan, S., _ Maheswari, S. U. ...
  • Shahin, M., Badawi, A., & Kamel, M. (2007). Biometric authentication ...
  • Sri Sangeetha, N. M., Anantha kumar, T., & Natarajan, A. ...
  • Tanaka, T., & Kubo, N. (2004). Biometric authentication by hand ...
  • Vapnik, V. N. (1999). An overview of statistical learning theory. ...
  • Vapnik, V. N. (2000). The nature of statistical learning theory. ...
  • Wang, L., _ Leedham, G. (2006). Near-dnd for-infrared imaging for ...
  • Wang, L., Leedham, G., _ Siu-Yeung Cho, D. (2008). Minuiae ...
  • Wang, Y., Li, K., & Cui, J. (2010). Hond-dorsd vein ...
  • Wang, Y., Li, K., Shark, L & , .Varley, M. ...
  • Wang, Y., & Liao, W. (2012). Hand vein recognition based ...
  • Weldon, T. P., Higgins, W. E., & Dunn, D. F. ...
  • Zhang, Y., Han, X., & Ma, S.-l. (2006 .(Feature extraction ...
  • نمایش کامل مراجع