یکی از مباحث مهم در جامعه امروزی که دغدغه بسیاری از کارشناسان و همچنین کاربران میباشد بحث امنیت و تشخیص و تایید هویت است. امروزه در امور مربوط به امنیت اماکنی مانند دانشگاه ها، فرودگاه ها، وزارتخانه ها و حتی شبکههای کامپیوتری استفاده از روش های بیومتریک در تشخیص هویت یا تایید هویت افراد بسیار متداول شده است. سیستمهای پیشرفته حضور و غیاب ادارات، سیستمهای محافظتی ورود خروج اماکن خاص، نوتبوکهای مجهز به Finger Print و … از روشهای مختلف تشخیص هویت بیومتریک استفاده میکنند. در این مقاله سعی میکنیم مختصری ، مروری بر بیومتریک داشته باشیم. کلمه Biometric از ترکیب دو کلمه یونانی bios (زندگی) و metrikos (تخمین) شکل گرفته است. بیومتریک: در واقع علم احراز هویت انسانها با استفاده از ویژگیهای فیزیکی یا رفتاری نظیر چهره، اثر انگشت، اثر کف دست، عنبیه، فرم هندسی دست و صدا است. در این میان ،سیستمهای تشخیص عنبیه به طور خاص توجه زیادی را به خود جلب کردهاند، زیرا بافت غنی عنبیه معیارهای بیومتریکی قوی را برای تشخیص هویت افراد فراهم میکند. بیومتریک عنبیه پس از حادثه 11سپتامبر که تروریست های القاعده توانسته بودند از سیستم های امنیتی و حفاظتی تشخیص هویت ایالت متحده امریکا عبور کنند و این عملیات تروریستی که در نهایت به تخریب برج های دوقلوی تجارت جهانی و کشته شدن تعدادی از شهروندان ساکن نیویورک شد انجامید… را برنامه ریزی و انجام دهند در کانون توجهی بیش از پیش وبیشتری قرار گرفت.
فهرست:
مقدمه و اشاره به بیومتریک
انواع بیومتریک
کاربردهای بیومتریک
عنبیه چیست
چه چیز عنبیه را منحصر به فرد میکند؟
بررسی اجزای تشکیل دهنده تشخیص هویت به کمک عنبیه
چالش های پیش روی این سیستم
درباره نویسنده مقاله
فهرست منابع
به همراه فایل پاورپوینت
یکی از مباحث مهم در جامعه امروزی که دغدغه بسیاری از کارشناسان و همچنین کاربران میباشد بحث امنیت و تشخیص و تایید هویت است.
امروزه در امور مربوط به امنیت اماکنی مانند دانشگاه ها، فرودگاه ها، وزارتخانه ها و حتی شبکههای کامپیوتری استفاده از روش های بیومتریک در تشخیص هویت یا تایید هویت افراد بسیار متداول شده است. سیستمهای پیشرفته حضور و غیاب ادارات، سیستمهای محافظتی ورود خروج اماکن خاص، نوتبوکهای مجهز به Finger Print و ... از روشهای مختلف تشخیص هویت بیومتریک استفاده میکنند. در این مقاله سعی میکنیم مختصری ، مروری بر بیومتریک داشته باشیم.
کلمه Biometric از ترکیب دو کلمه یونانی bios (زندگی) و metrikos (تخمین) شکل گرفته است. بیومتریک: در واقع علم احراز هویت انسانها با استفاده از ویژگیهای فیزیکی یا رفتاری نظیر چهره، اثر انگشت، اثر کف دست، عنبیه، فرم هندسی دست و صدا است.
فهرست مطالب
فصل اول : معرفی .. 5
1-1 فناوری بیومتریک . 5
1-1-1 اثرانگشت .. 10
2-1-1 اثر کف دست: .. 12
3-1-1 هندسه دست: . 14
4-1-1 شیمیایی( بو): . 15
2-1 عنبیه چشم .. 16
3-1 سامانه تشخیص هویت با استفاده ازتصاویر عنبیه 19
1-3-1 طرز کار سامانه 19
4-1 خلاصه مراحل پروژه . 21
فصل دوم: قطعه بندی .. 24
1-2 مقدمه 24
2-2 تصویربرداری 25
3-2 پردازش تصویر: . 25
1-3-2 تعریف لبه . 26
2-3-2 لبه یاب های کلاسیک .. 26
3-3-2 روش داگمن .. 30
4-3-2 جداسازی عنبیه و پلکها از تصویر چشم 31
فصل سوم: نرمال سازی . 47
1-3 مقدمه 47
2-3 مروری بر روش های موجود 48
1-2-3 روش ارائه شده توسط داگمن .. 48
2-2-3 روش دایره های مجازی .. 49
3-3 روش پیاده شده در پایان نامه 49
فصل چهارم: استخراج ویژگی 53
1-4 مقدمه 53
2-4 معرفی برخی ابزارهای استفاده شده در استخراج ویژگی .. 54
1-2-4 فیلترهای گابور . 54
2-2-4 استفاده از تبدیل موجک 60
3-2-4 استفاده از فیلتر لاپلاس گوسی . 62
4-2-4 معرفی چند روش دیگر 62
3-4 روش اعمال شده در پروژه 63
1-3-4 پیش پردازش قبل ازاستخراج ویژگی . 63
2-1-3 استخراج ویژگی بر اساس فیلتر های گابور .. 65
فصل پنجم: تطابق 74
1-5 مقدمه 74
2-5 معرفی برخی الگوریتم های تطابق پرکاربرد.. 75
1-2-5 فاصله اقلیدسی .. 75
2-2-5 همبستگی نرمالیزه 76
3-2-5 فاصله همینگ 76
3-5 روش اعمال شده در پایان نامه 78
فصل ششم: نتایج عملی .. 82
1-6 مقدمه 82
2-6 پایگاه تصاویر . 83
1-2-6 تصاویر موجود از دانشکده علوم چین، انستیتو اتوماسیون .. 83
3-6 تفکیک پذیری . 84
4-6 طرز کار سامانه . 86
5-6 نتایج تجربی 88
6-6 تحلیل حساسیت سیستم در برابر نویز و تغییرات محیطی .. 95
1-6-6 شدت روشنایی .. 95
2-6-6 تباین .. 97
3-6-6 نویز 99
منابع و مآخذ .. 1
چکیده
انسان ها از دیرباز و به طور طبیعی از ویژگی های بیومتریک دیگران مانند صورت و صدا یا دست خط برای شناسایی و تشخیص هویت آن ها استفاده می کرده اند. در جوامع امروزی تشخیص هویت افراد به ویژه در مورد مسائل امنیتی اهمیت زیادی پیدا کرده است. با پیشرفت سریع تکنولوژی بسیاری از ابزارهای مورد نیاز برای رسیدن به این هدف در دسترس ما قرار دارند.
تحقیقات و پیشرفت های به دست آمده در دهه های اخیر فصل جدیدی را در تائید و تشخیص هویت آغاز کرده است و در نتیجه آن روش های اتوماتیک بر پایه ویژگی های فردی انسان ها پایه گذاری شده اند. سامانه های بیومتریک جدید دارای قابلیت تشخیص هویت افراد با سرعت و دقت و اطمینان و راحتی و همچنین ارزانی بالا را در اختیار ما قرار داده اند.
پژوهش انجام شده در این پایان نامه شامل طراحی و پیاده سازی یک سامانه شناسایی جدید بر مبنای تحلیل تصاویر عنبیه چشم می باشد. در این پایان نامه ابتدا الگوریتم جدیدی برای پیدا کردن مرزهای عنبیه و همچنین پلک ها ارائه می شود. سپس با استفاده از موجک دوبچیز 2 و نیز فیلترهای گابور در 8 جهت مختلف، برای هر تصویر ، یک کد تولید می شود. در مرحله بعد کد به دست آمده از هر تصویر با کدهای موجود در بانک اطلاعاتی مقایسه شده و با تعریف یک آستانه عمل تشخیص هویت انجام می شود.
نتایج به دست آمده بر روی تصاویر CASIA که شامل 756 تصویر از 108 نفر می باشد، درصد موفقیت 99.76 % و نرخ خطای معادل 0،0022 را نتیجه داده است. تحلیل حساسیت سامانه در برابر تغییرات شدت نور . نویز و تباین نیز صورت گرفته است که نتایج به دست آمده نشان دهنده کارایی مناسب سامانه است.
فهرست :
مقدمه
درباره فناوری بیومتریک
تعاریف اولیه
مزایای کاربری
انواع بیومتریک ها
تکنولوژی اثر انگشت ) نگاه اجمالی)
اثر انگشت
هک کردن سیستم اسکن اثر انگشت
انواع روشهای ثبت اثر انگشت
انواع روشهای تشخیص اثر انگشت
تشخیص هویت از روی اثر انگشت در بیومتریک با نرم افزار
فهرست مطالب
عنوان صفحه
فصل اول: بیومتریک
-1 مقدمه بیومتریک 1 -1
-2 فرصتها 3 -1
-3 روشهای شناسایی 3 -1
-4 بیومتریک 4 -1
-5 اهمیت بیومتریک 5 -1
-6 مهمترین روشهای تشخیصهویت 6 -1
6 DNA -1-6 تشخیصهویت از طریق -1
-2-6 تشخیصهویت از طریق چهره 8 -1
-1-2-6 مشکلات اساسی در بازشناخت 8 -1
- 2-2-6 روشهای استخراج خصوصیات از چهره 9 -1
-3-6 تشخیصهویت از طریق اثر انگشت 10 -1
-4-6 تشخیصهویت از طریق چشم 11 -1
-1-4-6 بازشناسی هویت با استفاده از شبکیه 11 -1
-2-4-6 تکنولوژی دستگاههای اسکن 11 -1
-3-4-6 بازشناسی هویت با استفاده از عنبیه 12 -1
-5-6 تشخیصهویت از طریق گفتار 13 -1
-6-6 تشخیصهویت از طریق امضا 14 -1
-7-6 تایید هویت با استفاده از عنبیه 15 -1
ت
-1-7-6 مزایا و معایب استفاده از عنبیه برای تعیین هویت 17 -1
-2-7-6 بافت عنبیه 18 -1
-3-7-6 ساختار فیزیولوژیک عنبیه 18 -1
-4-7-6 مراحل پیاده سازی سیستم تشخیص عنبیه 21 -1
فصل دوم: پردازشتصویر
-1 مقدمه 24 -2
-2 ورودی 25 -2
-3 پردازش تصویر 25 -2
-4 فرمتهای اصلی تصویر 25 -2
-5 پیش پردازش 26 -2
-1-5 حذف نویز 27 -2
-1-1-5 حذف نویز با فیلتر خطی 27 -2
-2-1-5 حذف نویز با فیلتر میانه 28 -2
-3-1-5 حذف نویز با فیلتر انطباقی 28 -2
-2-5 تشخیص لبه 28 -2
28 Robert -1-2-5 روش -2
29 Prewitt -2-2-5 روش -2
29 Sobel -3-2-5 روش -2
30 Canny -4-2-5 روش -2
-3-5 استخراج ویژگیها 31 -2
فصل سوم: شبکه عصبی
-1 تاریخچه شبکههای عصبی مصنوعی 36 -3
ث
-2 ایده شبکههای عصبی 37 -3
-3 کاربرد شبکههای عصبی مصنوعی 38 -3
-4 نحوه عملکرد شبکه عصبی 39 -3
-5 یادگیری در مغز 40 -3
-6 مدل شبکه عصبی 41 -3
-7 مدل نرون 43 -3
-8 توابع فعالسازی 44 -3
-9 ساختارهای شبکه 47 -3
-1-9 شبکههای عصبی پیشرو تکلایه 47 -3
-2-9 شبکههای عصبی پیشرو چندلایه 48 -3
-3-9 شبکههای برگشتی 49 -3
-10 یادگیری در شبکههای عصبی 50 -3
-11 نورون با یک بردار به عنوان ورودی 51 -3
-12 معماری شبکه های عصبی 52 -3
-13 ورودیها و لایهها 53 -3
-14 شبکههای چند لایه 54 -3
-15 شبکه عصبی احتمالی 56 -3
فصل چهارم: شبیه سازی پروژه
-1 مقدمه 60 -4
-2 معرفی نرمافزار 61 -4
-3 جمعآوری دادهها 61 -4
-4 پیش پردازش 62 -4
-5 استخراج ویژگیها 63 -4
ج
-6 کلاسبندی دادهها 63 -4
-7 تست سیستم 64 -4
-8 گامهای بعدی 66 -4
مراجع 67
فهرست شکلها
عنوان صفحه
فصل اول: بیومتریک
7 DNA -1 شناسایی بر اساس -1
-2 نمونه یک دستگاه اسکنر اثر انگشت در کامپیوترهای بیومتریکی 10 -1
-3 ساختار چشم 11 -1
-4 نمونهای از یک سیستم تشخیصهویت با استفاده از عنبیه 17 -1
-5 تصویر یک چشم قهوه ای تیره که با مادون قرمزگرفته شده 20 -1
فصل دوم: پردازشتصویر
٢٩ Rebert -1 الگوهای تشخیص لبه در روش -2
٢٩ Prewitt -2 الگوهای تشخیص لبه در روش -2
-3 نمودار پراکندگی مربوط به یک مجموعه داده دو بعدی 33 -2
فصل سوم: شبکه عصبی
-1 ویژگیهای مهم سیناپس 41 -3
-2 یک نرون مصنوعی 42 -3
-3 مدل یک نرون غیرخطی 43 -3
-4 نحوه عملکرد بایاس در خروجی ترکیب کننده خطی 44 -3
-5 تابع (الف) حدآستانه (ب) خطی تکهای (ج) سیگموئید تک قطبی (د)گوسین (ه) خطی (و) سیگموئید -3
دوقطبی 46
-6 شبکه پیشرو با یک لایه فعال (خروجی) 47 -3
-7 شبکه عصبی پیشرو با یک لایه مخفی و یک لایه خروجی 48 -3
-8 شبکه بازگشتی بدون حلقه خودپسخور و نرونهای میانی 49 -3
خ
-9 شبکه بازگشتی با نرون های مخفی 50 -3
-10 نرون با یک بردار به عنوان ورودی 51 -3
-11 نمایشساده نرون با یک بردار بع عنوان ورودی 52 -3
نورون 53 S ورودی و R -12 یک شبکه تک لایه با -3
ورودی 54 R نورن و S -13 یک شبکه یک لایه با -3
-14 یک شبکه سه لایه 55 -3
56 (14- -15 شکل سادهشده شبکه شکل ( 3 -3
- 16 معماری شبکه عصبی احتمالی 57 -3
فصل چهارم: شبیهسازی پروژه
61 tif -1 تصویر عنبیه با فرمت -4
-2 تصویر عنبیه پس از حذف نویز 62 -4
62 canny -3 تصویر عنبیه پس از لبهیابی به روش -4
-4 نمونهای از دادههای کلاسبندی شده پس از آموزش سیستم 63 -4
د
فهرست جداول
عنوان صفحه
فصل چهارم: شبیهسازی پروژه
-1 جدول نتایج 65