تحديد هوية الشخص بناءً على الاندماج العميق لميزات القزحية وأساليب التعلم الآلي

الباحث

إسراء عادل حسن

المشرف

سهاد أحمد علي - هضاب خالد عبيس

الجامعة

جامعة بابل

الكلية / القسم

كلية العلوم للبنات / علوم الحاسوب

الشهادة

ماجستير

السنة

2022

لغة الرسالة

انكليزي

الكلمات المفتاحية

Iris Recognition ; Person Identification ; Deep Fusion ; Machine Learning

في الوقت الحاضر ٠ يمكن تبرير الاهتمام الكبير بأنظمة التعرف على المقاييس الحيوية بسبب زيادة الطلب على الأمان ، بالإضافة إلى أنه يتمتع ببعض المزايا: لا يمكن سرقته أو فقده أو نسيانه. ومع ذلك ، لكي تكون موثوقة ، يجب أن تكون السمات البيومترية فريدة ومستمرة بمرور الوقت. يعتبر التعرف على قزحية العين إحدى الطرق المهمة لتحديد الهوية الشخصية الفعالة. له العديد من التطبيقات في أنظمة الأمن وحضور الموظفين والتحقيقات الجنائية وغيرها. هذا بسبب النمط المعقد وتفرد القزحية لكل إنسان. على عكس طرق المقاييس الحيوية الأخرى مثل بصمات الأصابع والوجوه ، لا تتغير ميزات قزحية العين بمرور الوقت ويكون معدل الخطأ فيها منخفضًا في التعرف عليها. هناك العديد من المراحل التي يتكون منها نظام التعرف على قزحية العين وهي المعالجة المسبقة واستخراج الميزات والتصنيف. تتكون المعالجة المسبقة من مرحلتين: التقسيم هو عملية فصل منطقة القزحية عن باقي أجزاء العين. كما نعلم أن القزحية تقع بين حدقة العين والصلبة البيضاء ، لذا فهي ذات شكل حلقي وحجم غير fins لذلك نحتاج إلى معالجةآخرى لتحويلها إلى مستطيل ثابت الأبعاد يسهل استخلاص ملامحه (خصائصه) هذه المعالجة تسمى التطبيع. لاستخراج الميزات ٠، استخدمنا تقنية التعلم العميق التي تمثلها الشبكة العصبية التلافيفية (CNN) تم تصميم شبكة CNN بحيث تتكون من bac طبقات لاستخراج الميزات. بعد ذلك تم استخدام عدة طرق للتصنيف ¢ كانت الطريقة الأولى في التصنيف تستخدم الشبكات العصبية (ANN) ممثلة بالطبقة المتصلة بالكامل في نموذج CNN 9 ومصنف SoftMax كانت نتائج هذه الطريقة 98,89 6% 98.5% ل CASIA-V1 و CASTA-V4 على التوالي. كانت طريقة التصنيف الثانية هي بناء قالب من ميزات بيانات التدريب ، ثم إجراء تطابق مع الميزات المستخرجة من بيانات الاختبار ، وكانت نتائج المطابقة 9,096.29 ، و CASIA-V14%95.83 و CASIA-V4 على التوالي. . طريقة التصنيف الثالثة هي استخدام آلة المتجهات الداعمة (SVM) لمخرجات CNN وكانت النتائج 499,54 و 4799.17 CASIA-V1 و CASIA-V4 على التوالي.

Nowadays, the great interest in biometric recognition systems can be justified due to the increased demand for security, additionally, it’s having some advantages: cannot be stolen, lost, or forgotten. However, to be reliable, biometric traits should be unique and persistent over time. Iris recognition is considered one of the important methods of effective personal identification. It has many applications in security systems, employee attendance, forensic investigations, and others. This is due to the complex pattern and uniqueness of the iris for each human being. Unlike other biometric methods such as fingerprints and faces, iris features don’t change over time and have a low error rate in recognition. Several stages that make up the iris recognition system are Preprocessing, Feature Extraction, and Classification. Preprocessing consists of two stages: Segmentation is the process of separating the iris area from the rest of the eye parts. As we know that the iris is located between the pupil and the white sclera, so it has an annular shape and an unstable size, so we need another treatment to turn it into a fixed-dimensional rectangle whose features are easy to extract. This treatment is called Normalization. To extract the features, we used the deep learning technique represented by Convolutional Neural Network (CNN). The CNN Network is designed to consist of several layers to extract the features. After that, several methods were used for classification, the first method of classification was using the artificial neural network (ANN) represented by the fully connected layer in CNN model and SoftMax classifier. The results for this method were 98.89, 98.5 for the CASIA-V1 and CASIA-V4 respectively. The second classification method was to build a template from the features of training data, and then to make a match with the features extracted from the test data, and the matching results were 96.29%, and 95.83 for CASIA-V1 and CASIA-V4 respectively. The third classification method is to use a Support Vector Machine

طلب نسخة من الملف

الملفات غير منشورة على الموقع. اترك بياناتك وسيتواصل معك موظفو قسم الشؤون الثقافية والفنون لإرسال النسخة مجاناً.

الاسم

رقم الهاتف

البريد الإلكتروني

الغرض من الطلب (اختياري)

إرسال الطلب