تقنيات تعلم الآلة باستخدام القياسات الحيوية للوجه لنظام كشف التلاعب

الباحث

هند معتز عبدالستار الدباس

المشرف

رغد عبد العالي عزيز - أكبس عز الدين علي

الجامعة

الجامعة التكنولوجية

الكلية / القسم

قسم علوم الحاسوب / علوم الحاسوب

الشهادة

دكتوراه

السنة

2024

لغة الرسالة

انكليزي

الكلمات المفتاحية

Face biometrics;Tampering detection;Machine learning;Image forensics

في ظل التطورات في علوم الكمبيوتر والتقنيات الحديثة، تزايدت ظاهرة انتحال الشخصية والتلاعب بالبيانات. وبالتالي، تم استخدام تقنيات التعرف وأنظمة القياسات الحيوية البايومتري لأغراض أمنية في مجموعة متنوعة من التطبيقاتء Ley في ذلك التفاعل بين الإنسان والحاسوب، وأنظمة المراقبة. ومن الضروري بناء نموذج متطور للتخلص من جرائم انتحال الشخصية والتلاعب بها. تقترح هذه الأطروحة نظامًا Lind gai مصممًا للكشف عن التلاعب للصور الفورية، باستخدام الميزات القوية للقياسات الحيوية البايومترية للوجه وقزحية العين. بالاضافة الى استخدام مقاييس أمنية. تمر الصور النظام عبر العديد من تقنيات المعالجة المسبقة للصورء يتم تحويل صور الوجه إلى صور رمادية، ومعادلة الرسم البياني، وتحديد الوجه باستخدام فيولا جونز، وايضاً تغيير الحجم. يتم تحويل صور العين إلى مقياس رماديء وتحويلها إلى صور ثنائية، وتغيير حجمها. ثم تمر بمرحلة استخراج الخواص واختيار المميزة منها. تُستخدم الخواص المستخرجة من صور القزحية لتشفير صور الوجه لضمان سلامة البيانات وأمانهاء يتم بعد ذلك دمج الصور المشفرة في صورة غلاف أخرى باستخدام خواص وتقنية العلامة المائية. لعملية التصنيف تم استخدام ثلاث طرق تعلم ألي وهي المصنفات OneR و7148 Rips . وتم تطبيق طريقة استخراج الخواص (LDA) كمدخلات الى طرق التعلم الألي. تم اقتراح نموذجين جديدين للشبكة العصبية، النموذج الاول D-CNNHM) 1( المصمم لتصنيف صور الوجه والنموذج الثاني (1D-CNNHM2) المصمم لتصنيف صور العين. تتضمن هذه النماذج باستخراج خواص LDA ودمجها مع طرق MI و ANOVA الخاصة باستخراج الخواص المميزة ودراسة عدة حالات للدمج (905؛ 29/010 5 و %20( تم استخدام مجموعة من المقاييس لدقة البيانات ودقة المصنف هي Accuracy, Precision, recall, Fl-meature . ومقارنة افضل النتائج التي حققها النظام. خلال تطبيق مجموعة البيانات MUCT الخاصة بصور eda sll حقق LDA مع المصنف 148 افضل النتائج الذي وصل الى دقة 096.01/، بينما حقق LDA مع نموذج (1D-CNNHM) نتائج جيدة وبدقة 099.2/. عند دمج خواص LDA مع %20 من gis ANOVAs MI اعلى النتائج وبدقة %100. خلال تطبيق مجموعة البيانات MMU الخاصة بصور الوجه؛ حقق LDA مع المصنف OneR افضل النتائج الذي وصل الى دقة 9094.387 بينما حقق LDA مع نموذج (1D-CNNHM2) نتائج جيدة وبدقة %99.22. عند دمج خواص LDA مع )6%10 9015 و %20( من MI Gis ANOVA 5 اعلى النتائج وبدقة 1100 بالاضافة الى ذلك تمت المقارنة مع نماذج اخرى، تظهر هذه النماذج المقترحة 3 تحسينات كبيرة في الكفاءة الحسابية ووقت تدريب أقصر ب بكثير.

In light of the developments in computer science and modern technologies, impersonation has increased. Consequently, recognition technologies and biometric systems have been employed for security purposes in a variety of applications, including human-computer interaction, surveillance systems, facial animation, and expression. It is essential to build an advanced sophisticated model to get rid of impersonation and tampered crimes. This Thesis proposes a tamper detection model system designed for images, using the powerful features of face and iris biometrics, by utilizing these biometrics in conjunction with advanced security measures. The images of the system pass through several preprocessing techniques. The facial images convert into grey scale, histogram equalization, face detection with Viola Jones, then crop and resize. The iris images convert into grey scale, blurring, convert to binary, contour, then crop and resize. Feature extraction and feature selection are applied. The extracted features from iris images are used to encrypt the facial images and treating them as a unified object for encryption. To ensure data integrity and security, the encrypted images are then embedded into another cover image using descriptor features and watermarking technique. To examine the classification by employing three machine learning approaches that are OneR, J48, and JRip classifiers. A Linear Discriminant Analysis (LDA) feature extraction method is applied as an input of these approaches. Two novel deep One Dimensional Convolutional Neural Network Hybrid Models are proposed (1D-CNNHM) for facial classification and (1D-CNNHM2) for iris classification. Involving LDA feature extraction which is combined with different percentage cases (5%, 10%, 15%, and 20%) of two features selection methods (Mutual Information (MI) and Analysis of Variance (ANOVA)). The evaluation of the hybrid models that have been developed is conducted using a range of metrics, such as accuracy, precision, recall, and F1-measure. These metrics are employed to compare the best outcomes achieved by the system with those obtained by other approaches. The statistical results performance was obtained by applying the MUCT dataset for facial images. LDA applied with ML achieved the best results with the J48 classifier that reached 96.01% accuracy. While applying LDA with (1D-CNNHM) achieved remarkable results with 99.2% accuracy. At merged features of LDA with different cases of ANOVA and MI gained impressive performance results. The perfect results were obtained at 20% merged features, with 100% accuracy. The statistical results performance was obtained by applying MMU dataset for iris images. LDA applied with ML achieved best results with OneR classifier that reached 94.387% accuracy. While applying LDA with (1D-CNNHM2) achieved remarkable results with 99.22% accuracy. The merged features of LDA with of ANOVA and MI achieved outstanding results at the cases of 10%, 15%, and 20% reached to 100% accuracy. Furthermore, as compared to traditional models, the proposed hybrid models show significant improvements in computational efficiency and much shorter training time.

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