Wanajenetiki huunda teknolojia za utambuzi wa kibinafsi. Thesis: programu ya kitambulisho cha kibinafsi kwa sauti Mfumo wa kitambulisho cha kibinafsi

"Zaidi ya programu 1000 za kompyuta ..." zilizungumza juu ya kifurushi cha programu cha kutambua mtu kutoka kwa picha kwa kutumia vipengee vya kijiometri, iliyoundwa katika Taasisi ya Informatics ya Kituo cha Sayansi na Ufundi "Kisasa. Teknolojia ya habari"Chuo cha Sayansi cha Uzbekistan.

Baada ya kuchapishwa, tulipokea barua kutoka kwa Boris Filatov, ambaye alisema kwamba yeye pia ndiye mwandishi wa programu kama hiyo.

Programu "kitambulisho cha kibinafsi kulingana na alama za anthropometric za uso" iliundwa kama matokeo ya kukamilisha kazi ya mwisho ya kufuzu kwa digrii ya bachelor katika chuo kikuu. Wakati ulipofika wa kuidhinisha mada za kazi yangu ya mwisho, nilisita kwa muda mrefu - ni mada gani ya kuchagua, kwa mwelekeo gani? Nimekuwa na nia ya kufanya kazi na graphics, kwa hiyo niliamua kuwasiliana na mwalimu anayefanya kazi katika uwanja huu. Mwalimu wangu, Nargiza Alokhodzhaevna Aripova, alipendekeza nichukue usindikaji wa picha dijitali. Nilionywa mara moja kuwa mada hii ilikuwa nadra na kutakuwa na shida kupata habari. Lakini mada hiyo ilinivutia, kwa hivyo niliamua kuifanya hata hivyo.

Nargiza Alokhodzhaevna alinielekeza kwa mtaalamu katika uwanja wa usindikaji wa picha za dijiti, mgombea wa sayansi ya kiufundi, Viktor Nikolaevich Kan. Alipendekeza mada ya kitambulisho cha kibinafsi kwangu na kuwa msimamizi wangu. Kwa kuongeza, mfanyakazi wa Taasisi ya Kibelarusi ya Cybernetics alinipa msaada mkubwa katika kutafuta nyenzo na habari. Dmitry Ivanovich Samal. Napenda kuchukua fursa hii kuwashukuru watu hawa kwa michango na misaada yao katika kazi yangu.

Utendaji wa programu

Kutoka kwa jina la programu - "Kitambulisho cha kibinafsi kulingana na alama za anthropometric za uso" - ni wazi kuwa imekusudiwa kumtambulisha mtu kwa picha yake ya dijiti. Umuhimu wa mada hii ni kwamba hivi karibuni matatizo makubwa yametokea kwa kuhakikisha upatikanaji salama kwa watu kwa vitu mbalimbali, iwe ni hifadhidata iliyofungwa au maabara ya siri. Kwa hiyo, kuna haja ya kutambua mtu na kuamua ikiwa mtu huyu ana haki za kuingia kwenye mfumo au ni aina fulani ya mshambuliaji.

Kwa nini ilichaguliwa kutambua mtu kwa sura ya uso badala ya alama za vidole au mistari ya mkono? Wakati wa kutambua mtu kwa kutumia picha ya uso, hakuna mawasiliano ya kimwili kati ya mtu na kifaa. Aina hii kitambulisho ni cha asili na haileti usumbufu kwa mtu. Vipengele vya uso vya anthropometric ni zile ambazo hazibadilika kwa wakati, kuanzia mwisho wa ukuaji wa mtu (miaka 21-25) na kuishia na uzee uliokithiri.

Kusudi kuu la programu ni kulinganisha picha mbili na kuamua ikiwa picha hizo zinaonyesha watu tofauti au mtu yule yule. Kwanza picha kadhaa hupakiwa. Kisha kila picha inasindika na kulinganisha hufanywa kulingana na vigezo vilivyopatikana. Picha inapitia hatua mbili: hatua ya usindikaji wa picha na hatua ya kutoa vipengele vya habari.

Mpango huo unafanya mabadiliko kama vile kutia ukungu kwenye picha, kuangazia eneo la uso, kuweka picha mbili kwenye kona, kubadilisha rangi, kuangazia mtaro na kubadilisha picha ya rangi kuwa ya kijivujivu. Kutumia mabadiliko haya, picha imeandaliwa kutafuta alama kuu za anthropometric za uso. Kwanza, maeneo ya uso yanagawanywa katika gridi ya taifa kulingana na muundo wa anthropolojia wa uso wa mtu. Kisha maeneo yanayofanana yanatafutwa kwa vituo vya wanafunzi, pua, ncha ya pua na katikati ya kinywa.

Kulingana na pointi za anthropometric zilizopatikana za uso, sifa kuu za picha zinahesabiwa. Baada ya kila picha kuchakatwa, picha hizo mbili hulinganishwa kulingana na sifa zilizokokotolewa na asilimia ya thamani ya kufanana au tofauti katika haiba hutolewa.

Maendeleo ya programu

Mada hii ni mpya, kwa hivyo watengenezaji wengi wanafanya kazi juu yake kila wakati, kuboresha bidhaa za programu. Katika Tashkent, mada hii inashughulikiwa na Taasisi ya Cybernetics ( zamani, sasa - Taasisi ya Informatics ya Chuo cha Sayansi cha Jamhuri ya Uzbekistan, takriban. tovuti), ambayo inashirikiana na Taasisi ya Kibelarusi ya Cybernetics. Mipango sawa na yangu tayari imeundwa katika taasisi hizi. Kwa hiyo, ikiwa maswali yalitokea, kulikuwa na fursa ya kuuliza swali au kutafuta ushauri. Lakini msaada ulikuwa mdogo kwa kiasi kidogo cha habari, kwa hiyo nilifanya kazi yote mwenyewe. Ilichukua kama miezi mitatu kuunda programu.

Programu iliyotengenezwa ni bidhaa kamili ya programu, ingawa kazi nyingi bado inahitaji kufanywa juu yake ili kuifikisha katika hali bora. Mpango huo bado haufai kwa matumizi ya vitendo na idadi ya mawazo yangu yalibaki bila kutekelezwa. Ili kukamilisha mradi, pamoja na sehemu ya programu, unahitaji vifaa vya kiufundi na majaribio mengi yanayohitaji ufadhili. Ningefurahi kuifikisha hadi mwisho, lakini mtu mmoja hawezi kukabiliana na kazi kama hiyo, timu inahitajika, basi mchakato ungeenda haraka zaidi.

Boris Filatov

P.S. Programu ilitengenezwa katika Microsoft Visual C++ 6.0.

2.1. Kitambulisho cha kibinafsi.

Kitambulisho cha kibinafsi ni mchakato wa kuanzisha utambulisho wa mtu kulingana na seti ya sifa kupitia utafiti wao wa kulinganisha.

Kuanzisha utambulisho wa mtu katika hali nyingi kunamaanisha kuamua jina lake la mwisho, jina la kwanza, patronymic, mwaka wa kuzaliwa, mahali pa kuzaliwa na habari nyingine ya kutambua ambayo ni muhimu kumtambulisha mtu huyo. Mbinu nyingi zimetengenezwa na kutumika kwa madhumuni ya utambulisho.

Kitambulisho cha kuona

Njia ya kawaida katika uchumi, utekelezaji wa sheria na baadhi ya maeneo mengine ya shughuli za binadamu leo ​​ni njia ya kutambua mtu binafsi kwa kutumia nyaraka za kibinafsi za mtu, ambazo zimeundwa ili kuthibitisha data ya msingi ya mtu huyo. Hati kuu ya kitambulisho katika nchi yetu ni pasipoti. Ikiwa mtu anaonyesha au pasipoti (au hati sawa) inapatikana juu yake, basi inachukuliwa kuwa mtu huyu ndiye ambaye data yake iko katika pasipoti. Ili kuthibitisha hili, picha imewekwa katika pasipoti, ambayo inaruhusu, kwa kulinganisha kuonekana, kuthibitisha au kukataa utambulisho wa mmiliki wa pasipoti.

Kitambulisho cha kielektroniki

Wakati wa kumtambua mtu katika "fomu ya elektroniki" (Mtandao, kadi za plastiki, huduma za serikali kwa fomu ya elektroniki, malipo ya elektroniki na simu, nk), ni muhimu kutumia nambari ya kitambulisho iliyopewa mtu huyo au data yake ya kibinafsi, ambayo inaweza kuamua wazi mawasiliano ya data ya kibinafsi na mtu huyu.

2.2. Sera ya Utambulisho

Utambulisho wa mtu (data ya kibinafsi ya mtu) inaweza kufanywa kwa njia tofauti:

Nambari moja ambayo haiwezi kubadilishwa katika maisha yako yote

Nambari inayobadilika kutokana na mabadiliko katika data ya mtu

Kutumia seti ya nambari kwa kitambulisho

Suala la kuchagua njia za kitambulisho ni la umuhimu mkubwa kwa maendeleo ya mfumo wowote wa habari unaozingatia data ya kibinafsi ya raia na habari zingine zinazompa mtu fursa ya kupokea huduma yoyote, serikali na biashara.

2.3. Aina za kitambulisho

Utambulisho wa kati - unahusisha kukusanya taarifa zote katika ngazi ya juu (shirikisho).

Kitambulisho kilichosambazwa - uhifadhi wa habari kuhusu somo mahali pa usajili wake. Kwa kitambulisho kilichosambazwa, data ya utambulisho inaweza kubadilishana kati ya viwango tofauti vya usajili.

Kitambulisho cha kihierarkia - habari kuhusu kitu kilichotambuliwa iko katika viwango vyote vya uongozi.

3. Rasilimali za msingi za habari

3.1. Nyenzo moja ya habari ya msingi

Ili kupanga mwingiliano kati ya idara wakati wa kutoa huduma zozote kwa idadi ya watu kielektroniki, mbinu mbalimbali za kudumisha rasilimali zilizo na data ya utambulisho wa binadamu zinaweza kutumika. Vipi chaguo kamili upatikanaji wa nyenzo moja ya msingi ya habari. Nyenzo ambayo ni msingi kwa rasilimali nyingine zozote za taarifa ambazo zina na kukusanya data katika utendakazi wa kazi zake.

Katika kesi ya kutumia rasilimali moja ya msingi ya habari, mabadiliko yoyote katika data ya kitambulisho kuhusu raia husababisha mabadiliko katika data hii katika rasilimali za pili, yaani, taarifa iliyohifadhiwa katika rasilimali moja ya msingi ya habari ndiyo pekee sahihi kwa wengine wote. Hii ni hali bora.

3.2. Rasilimali za msingi za habari

KATIKA kipindi cha mpito(kabla ya kuundwa kwa rasilimali moja ya msingi ya habari), inaruhusiwa kutumia rasilimali kadhaa za msingi za habari ambazo tayari zimekusanya kiasi kikubwa cha habari kuhusu raia na kuendelea kutekeleza mkusanyiko huu wakati wa kufanya kazi zao (huko Urusi, hizi ni FMS, FNM, Mfuko wa Pensheni wa Shirikisho la Urusi, Rosreestr, Wizara ya Mambo ya Ndani na idadi ya rasilimali zingine). Wakati wa kutumia rasilimali kadhaa za msingi za habari, inakuwa muhimu kutatua maswala kadhaa mazito:

Kufafanua Vitambulisho vya Msingi

Kulinganisha vitambulishi vya msingi kwa kila kimoja

Ufafanuzi wa rasilimali za msingi (bwana) ambazo zitatumika kama kiwango kwa wengine wote

Kufafanua utaratibu wa kusahihisha makosa na kuanzisha mabadiliko kwenye nyenzo za msingi wakati yoyote inapogunduliwa.

Ikiwa kuna idadi kubwa ya rasilimali hizo, kufanya kazi nao itakuwa vigumu sana, pamoja na hatari ya hali na data ya kibinafsi iliyotambuliwa vibaya ya wananchi.

4. Msingi wa kisheria wa kudumisha kitambulisho

4.1. Utambulisho wa raia

Masuala ya kupeana kitambulisho kwa data ya kibinafsi ya raia lazima iamuliwe na kitendo cha kisheria cha udhibiti, ambacho lazima kifafanue wapi, lini, kitambulisho kinapewa nani, kinasimamiwa na nani, kinahifadhiwa wapi na jinsi kinatumika. Ikiwa kuna vitambulisho kadhaa, maeneo ya maombi yao na maeneo ya mawasiliano yao lazima yaelezwe. Bila uimarishaji wa kisheria na udhibiti wa kanuni hizi za msingi, mchakato wa kutumia vitambulisho vya msingi unaelekea kushindwa.

4.2. Uundaji wa rasilimali za habari (habari).

Baada ya uimarishaji wa udhibiti na kisheria wa misingi ya kitambulisho, ni muhimu kuamua kanuni za msingi za kuendeleza mfumo wa habari (mifumo) ambayo inaruhusu kutambua wananchi. Mfumo huu (mifumo) lazima sio tu kuhakikisha mkusanyiko wa habari kuhusu raia, lakini pia kuwa na miundombinu yote. Ambayo itawawezesha kutumia rasilimali hii ya habari, si tu katika sehemu ya programu, lakini pia katika msaada wa kiufundi. Utumiaji wa rasilimali hii kila mahali lazima ufikirie uwepo wa mtandao mpana wa usambazaji wa data, ufikiaji ambao lazima utolewe kutoka mahali popote nchini (na kutoka nchi zingine pia), kanuni zote za usalama wa habari lazima zifafanuliwe, kuhakikisha ulinzi dhidi ya watu wasioidhinishwa. ufikiaji kutoka ndani na nje. Kwa kuongezea, maswala ya kuhakikisha tija ya kutosha ya rasilimali hii ya habari lazima pia kutatuliwa, kwani kubadilishana habari na rasilimali ya msingi ya habari ni maagizo kadhaa ya ukubwa wa juu kuliko rasilimali zinazotumiwa kwa uwanja wowote wa shughuli.

Shirika la Shirikisho la Elimu

Taasisi ya elimu ya serikali

elimu ya juu ya kitaaluma

"Chuo Kikuu cha Ufundi cha Jimbo la IZHEVSK"

Kitivo cha Informatics na Sayansi ya Kompyuta

Idara ya Programu

MAELEZO

kwa nadharia juu ya mada:

"Mfumo wa kutambua alama za vidole.

Mfumo mdogo wa uchambuzi wa picha"

Hitimu

mwanafunzi wa kikundi 10-19-1 Krasnov N.I.

Msimamizi

Daktari wa Sayansi ya Ufundi, Profesa Murynov A.I.

Mshauri wa uchumi

Mgombea wa Sayansi ya Uchumi, Profesa Mshiriki Radygina I.I.

Mshauri wa Usalama

na urafiki wa mazingira wa mradi Yakimenko G.F.

Udhibiti wa kawaida Sobolev V.P.

Mkaguzi

Ved. mhandisi Kropacheva L.N.

Mkuu wa idara

"Programu"

Daktari wa Sayansi ya Ufundi, Profesa Murynov A.I.

MUHTASARI

Maelezo ya ufafanuzi wa nadharia juu ya mada "Mfumo wa kitambulisho cha kibinafsi kwa kutumia alama za vidole. Mfumo mdogo wa Uchambuzi wa Picha" umeundwa kwa karatasi 121, una takwimu 31, jedwali 17.

Madhumuni ya kazi hii ni kuunda mfumo mdogo wa uchanganuzi wa alama za vidole kama sehemu ya mfumo wa utambuzi wa alama za vidole kulingana na muundo wa papilari kwa utambuzi zaidi wa utu.

Kazi hiyo inajumuisha uundaji na utekelezaji wa algorithm ya kuondoa upotovu kwenye picha ya alama ya vidole iliyopatikana wakati wa kuchanganua alama za vidole. Maendeleo na utekelezaji wa kubadilisha picha ya monochrome ya alama za vidole kwenye fomu iliyopangwa inayofaa kwa usindikaji (kulinganisha).

Kuandika programu zinazofaa, vifaa na machapisho katika uwanja wa usindikaji wa picha za digital, vectorization, muundo wa kibiolojia wa binadamu na vigezo vyake vya biometri vilijifunza.

Kama matokeo ya kazi iliyofanywa, programu iliundwa ili kurekebisha mchakato wa maelezo ya kitu cha alama za vidole kulingana na sifa za mitandao ya muundo wowote wa papilari. Tabia za huduma za kawaida zilizopatikana kama matokeo ya uendeshaji wa mfumo mdogo hutumiwa kwa kazi zaidi kama sehemu ya mfumo.

Leo, kuna mifumo iliyotengenezwa tayari ya kitambulisho cha kibinafsi ambayo ina kiwango cha juu cha usalama, kasi, na urahisi wa matumizi. Hata hivyo, hakuna maendeleo yoyote yaliyopo yanayotoa maelezo ya kitu na mbinu ya kulinganisha alama za vidole. Maendeleo yote ni ya kipekee, yana ubunifu wao wenyewe, ujuzi na ni siri ya biashara.

Maendeleo haya ni chanzo wazi na inaruhusu maelezo ya kimuundo ya muundo wa papilari. Kwa hiyo, maendeleo haya ni ya kipekee na haina analogues katika sekta ya kisasa ya usindikaji wa picha ya kompyuta. Ikumbukwe kwamba njia inayotumiwa haifai tu kwa kuelezea picha za vidole, lakini pia kwa maelezo ya kitu cha picha zingine, kama vile habari za ishara, fonti na saini.

Imetengenezwa programu ni utafiti, unalenga kusoma na kuchambua njia za usindikaji wa picha na maelezo yake. Kwa msaada wake, data muhimu ya majaribio iliyotumiwa katika kazi hii tayari imepatikana. Bidhaa ya mwisho ya programu inaweza kuwa ganda ambalo linawakilisha kiolesura otomatiki kwa utambulisho wa kibinafsi.

UTANGULIZI

1. UENDELEZAJI WA MFUMO WA KITAMBULISHO CHA BINAFSI KWA ALAMA ZA VIDOLE.

1.1. Uthibitisho wa uwezekano wa kutengeneza mfumo wa utambuzi wa alama za vidole

1.1.1. Kusudi la mfumo

1.1.2. Tabia za muundo wa kazi wa mfumo

1.1.3. Uthibitishaji wa madhumuni ya kuunda mfumo

1.1.4. Uthibitishaji wa muundo wa kazi za kiotomatiki

1.2. Tathmini ya uchambuzi

1.2.1. Kampuni ya BioLink

1.2.1.1. Mfumo wa udhibiti wa BioLink BioTime 2006

1.2.1.2. Seva ya Programu ya BioLink

1.2.2. Microsoft IntelliMouse Explorer yenye Kisomaji cha Alama za vidole

1.2.3. Simu ya rununu GI100

1.2.4. Mhariri wa Adobe Photoshop

1.2.5. Mpango wa utambuzi wa maandishi Fine Reader

1.2.6. Hitimisho kutoka kwa ukaguzi wa dawati

1.3. Mahitaji ya kimsingi ya mfumo

1.3.1. Malengo makuu ya kuunda mfumo na vigezo vya ufanisi wa utendaji wake

1.3.2. Kusudi la utendaji wa mfumo

1.3.3. Vipengele vya mfumo na masharti ya uendeshaji wake

1.3.4. Mahitaji ya muundo wa kazi

1.3.5. Mahitaji ya kiufundi

1.3.6. Mahitaji ya usaidizi wa habari

1.3.7. Mahitaji ya programu

1.4. Suluhisho kuu za kiufundi za muundo wa mfumo

1.4.1. Suluhisho kwa seti ya njia za kiufundi

1.4.2. Maelezo ya mfumo wa programu

2. UENDELEZAJI WA MFUMO WA UCHAMBUZI WA PICHA ZA VIDOLE

2.1. Maelezo ya taarifa ya tatizo ya mfumo mdogo wa uchanganuzi wa alama za vidole

2.1.1. Tabia za kazi

2.1.2. Taarifa ya kuingiza

2.1.3. Taarifa za pato

2.1.4. Uundaji wa shida ya hisabati

2.1.5. Mchoro wa utendaji wa mfumo mdogo wa uchambuzi wa muundo wa papilari

2.2. Maelezo ya taarifa ya shida ya kutambua kasoro za skanning na uondoaji wao

2.2.1. Tabia za kazi

2.2.2. Taarifa ya kuingiza

2.2.3. Taarifa za pato

2.2.4. Taarifa ya hisabati

2.2.5. Algorithm ya kutatua shida

2.2.5.1. Maelezo ya algorithm "Kutengeneza orodha ya mistari"

2.2.5.2. Maelezo ya algoriti ya "ChangeLine".

2.3. Maelezo ya taarifa ya tatizo: kitambulisho cha vipengele vya ndani

2.3.1. Tabia za kazi

2.3.2. Taarifa ya kuingiza

2.3.3. Taarifa za pato

2.3.4. Uundaji wa shida ya hisabati

2.3.5. Algorithm ya kutatua shida

2.3.5.1. Maelezo ya algorithm "Kutengeneza orodha ya mistari"

2.3.5.2. Maelezo ya algorithm ya ReadLine

2.4. Maelezo ya uundaji wa shida ya kupanga orodha ya vigezo kamili, kuondoa dakika za uwongo na zisizoaminika.

2.4.1. Tabia za kazi

2.4.2. Taarifa ya kuingiza

2.4.3. Taarifa za pato

2.4.4. Taarifa ya hisabati

2.4.5. Algorithm ya kutatua shida

2.5. Maelezo ya subroutines

2.5.1. Njia ndogo ya NextDotCW

2.5.2. Subroutine NextDotCCW

2.5.3. Utaratibu mdogo wa LookPic

2.5.4. ChangeLine subroutine

2.5.5. ReadPic subroutine

2.5.6. DotsFilter utaratibu

2.5.7. AnalyzePicture subroutine

2.6. Maelezo ya kesi ya mtihani

2.6.1. Kusudi la programu

2.6.2. Data ya awali

2.6.3. Kesi ya mtihani

2.6.4. Kujaribu programu ya mfumo wa kutambua alama za vidole

3. SEHEMU YA SHIRIKA NA KIUCHUMI

3.1. Sababu za hitaji la kuunda mfumo wa kutambua alama za vidole

3.2. Hesabu ya gharama ya kutengeneza mfumo wa kutambua alama za vidole

4. USALAMA NA RAFIKI WA MAZINGIRA WA MRADI

4.1. Uchambuzi wa mambo hatari na hatari yanayotokea wakati wa kufanya kazi kwenye kompyuta

4.2. Tahadhari za usalama wakati wa kufanya kazi kwenye PC

4.3. Shirika la mahali pa kazi la operator

4.4. Mahitaji ya vigezo vya microclimate ya chumba

4.5. Mahitaji ya taa na hesabu ya taa za bandia

4.6. Usalama wa moto

HITIMISHO

FASIHI

NYONGEZA 1 MAANDIKO YA PROGRAMU

NYONGEZA 2 MWONGOZO WA PROGRAMU

NYONGEZA 3 MWONGOZO WA OPERETA

NYONGEZA MATOKEO YA MTIHANI WA 4

NYONGEZA YA 5 MATUMIZI MBADALA YA MPANGO ORODHA YA ALAMA

ST - hatua maalum (dakika)

DB - hifadhidata yenye alama za vidole

PIN - nambari ya kitambulisho cha kibinafsi

CCD - Chaji Kifaa Kilichounganishwa

CMOS - teknolojia ya utengenezaji wa chip (semiconductor ya oksidi ya chuma ya silicon)

OP - alama za vidole

dpi - idadi ya dots kwa inchi (dot kwa inchi)

Programu - programu

OS - mfumo wa uendeshaji

KOMPYUTA - kompyuta ya elektroniki

PC - kompyuta binafsi

UTANGULIZI

Siku hizi, nywila, nambari za utambulisho wa kibinafsi na kadi maalum za utambulisho zimekuwa hitaji muhimu. Kwa mfano, ili kupata fedha kutoka kwa ATM, unahitaji PIN ili kufikia programu ya barua pepe au aina fulani ya data ya kompyuta, unahitaji nenosiri. Kwa kuzingatia matukio ya hivi majuzi yanayotokea ulimwenguni, haswa kuhusiana na kuongezeka kwa shughuli za ugaidi wa kimataifa, masuala ya usalama yanazidi kuzingatiwa.

Kwa hivyo, mtu lazima ahifadhi katika kumbukumbu yake idadi kubwa ya mchanganyiko tofauti wa nambari na herufi. Ili kupunguza hali ya mtu wa kisasa, makampuni maalumu katika uzalishaji wa kompyuta walianza kuendeleza teknolojia za biometriska. Biometriska ni sayansi inayochunguza matumizi ya sifa mbalimbali za mwili wa binadamu (iwe ni alama za vidole au sifa za kipekee za mwanafunzi au sauti ya binadamu) ili kutambua kila mtu. Kwa kutumia teknolojia za kibayometriki, mtu hataweza kusahau nenosiri au msimbo anaohitaji, kwani kidole gumba, sauti au mboni ya jicho huwa pamoja naye /1/.

Alama za vidole huunda kinachojulikana kama mistari ya papilari kwenye makadirio ya ngozi, ikitenganishwa na grooves. Mistari hii hufanya mifumo ngumu (arc, kitanzi na curl), ambayo ina mali ya mtu binafsi na ya pekee, ambayo inaruhusu kitambulisho cha kuaminika kabisa cha mtu. Ingawa asilimia ya walionyimwa ufikiaji kwa watumiaji walioidhinishwa ni takriban 3%, asilimia ya ufikiaji wenye makosa ni chini ya moja kati ya milioni. Faida za upatikanaji wa alama za vidole ni urahisi wa matumizi, urahisi na kuegemea. Mchakato mzima wa utambuzi huchukua muda kidogo na hauhitaji jitihada kutoka kwa wale wanaotumia mfumo huu wa kufikia. Utafiti pia umeonyesha kuwa kutumia alama ya vidole kwa utambulisho wa kibinafsi ndio njia rahisi zaidi ya njia zote za kibayometriki. Uwezekano wa makosa wakati wa kutambua mtumiaji ni mdogo sana ikilinganishwa na mbinu zingine za kibayometriki /2/. Kwa kuongeza, kifaa cha kutambua alama za vidole hakihitaji nafasi nyingi kwenye kibodi au utaratibu.

Picha ya vidole vinavyotokana ni raster ambayo inaweza kuelezewa kwa njia maalum kulingana na muundo wa muundo wa papillary. Baada ya kutambua muundo wa alama za vidole, inaweza kulinganishwa na vidole vingine na kutambua wale wanaofanana au kusema kuwa alama za vidole ni tofauti.

Kazi imejitolea kwa uchanganuzi mbaya, kupata kielelezo cha kitu, na kutafuta alama za vidole zinazofanana.

1. MAENDELEO YA MFUMO WA KITAMBULISHO CHA BINAFSI KWA ALAMA ZA VIDOLE

1.1. Uthibitisho wa uwezekano wa kutengeneza mfumo wa kutambua alama za vidole

1.1.1. Kusudi mifumo

Mfumo Utambulisho wa kibinafsi kwa alama za vidole hutekeleza utambulisho wa utu kulingana na vigezo vya kibayometriki vya mwili wa binadamu, yaani muundo wa alama za vidole. Mfumo umeundwa kwa ajili ya kuchakata picha za picha za alama za vidole. Mfumo unakuwezesha kulinganisha alama za vidole kadhaa kwa kila mmoja kulingana na vipengele vilivyochaguliwa vya ndani. Vipengele vya ndani ni minutiae na vigezo vyao vya jamaa (eneo la baadhi ya minutiae kuhusiana na wengine wote), ambayo inahakikisha uhuru wa kulinganisha kutoka kwa tafsiri sambamba na mzunguko.

Bidhaa ya programu itapata programu katika mifumo mbalimbali ya programu /3/, ikiwa ni pamoja na:

1) mifumo ya kitambulisho cha raia;

2) mifumo ya kitambulisho cha mahakama;

3) maombi makubwa ya kibiashara.

Mifumo ya kitambulisho cha raia ni pamoja na:

Pasipoti za dereva;

Kadi za Utambulisho wa Raia wa Taifa;

Usajili wa Wapiga Kura;

Usajili wa programu za kijamii;

Usajili wa uhamiaji, visa;

Utambulisho wa wafanyikazi wa mashirika ya serikali.

Mifumo ya kitambulisho cha kisayansi ni pamoja na:

Huyu raia anatafutwa?;

Hatia zilizopita;

Usajili wa wafungwa/udhibiti wa ufikiaji;

Maombi ya rununu na ya mbali;

Uchakataji wa alama za vidole zilizopatikana kutoka kwa matukio ya uhalifu.

Maombi makubwa ya kibiashara ni pamoja na:

Upatikanaji wa rasilimali za mtandao, e-commerce;

Ufikiaji wa watumiaji na wafanyikazi;

Huduma za kifedha, uthibitishaji wa malipo;

Upatikanaji wa majengo na majengo;

Mipango ya uaminifu.

1.1.2. Tabia kazi miundo mifumo

Mchoro wa utendaji wa mfumo unaonyeshwa kwenye Mtini. 1.1.

Usindikaji wa picha una hatua zifuatazo:

1) kuingiza picha kwenye mfumo wa kitambulisho cha vidole;

2) katika mfumo mdogo wa uchanganuzi wa picha, raster inasindika ili kukandamiza kelele, na pia kuondoa upotoshaji wa kawaida wa picha, kama vile mapumziko au kushikamana kwa safu za muundo wa papilari;

3) katika mfumo mdogo wa uchanganuzi wa picha, vipengele vya ndani vinatambuliwa, kama vile miisho na nukta mbili, kwa utambuzi zaidi wa alama za vidole;

4) katika mfumo mdogo wa uchambuzi wa picha, vigezo vilivyopatikana vya vipengele vya ndani vinapangwa;

5) katika mfumo mdogo wa utambuzi, vigezo kamili vya pointi maalum hubadilishwa kuwa vigezo vya jamaa ili kuzuia ushawishi wa uhamisho wa sambamba na mzunguko wa kidole wakati wa skanning alama za vidole;

6) utambuzi wa alama za vidole kutoka kwa hifadhidata na alama za vidole zilizopo hutokea kwa misingi ya vigezo vya jamaa vya kila nukta kwa kila alama ya vidole iliyohifadhiwa kwenye hifadhidata.

Mchoro unaofanya kazi wa mfumo wa kutambua alama za vidole

Mfumo mdogo wa uchambuzi - mfumo mdogo wa utambuzi

1.1.3. Uthibitishaji wa madhumuni ya kuunda mfumo

Matatizo ya uchanganuzi wa picha za muundo yana anuwai ya matumizi, kuanzia uboreshaji wa hali ya juu hadi utambuzi wa muundo. Uchambuzi wa muundo wa picha unahusisha kutoa vipengele vya kimuundo kutoka kwao. x vipengele, kama vile mstari, eneo, kipengele cha kompakt (barua), na kadhalika.

Kwa sasa, usalama wa habari wa kuaminika ni mojawapo ya vigezo kuu ambavyo mifumo iliyoundwa kuhifadhi na kusindika habari muhimu inapaswa kuchaguliwa. Hii ni kutokana na uwezekano uliopo wa upatikanaji usioidhinishwa kwa mifumo hiyo, kwa kuwa wana mwingiliano mkubwa wa habari na mifumo inayohusiana ya udhibiti kupitia mtandao wa INTRANET. Kwa hiyo, kuhakikisha usalama wa habari lazima iwe hatua muhimu zaidi wakati wa maendeleo yao /3/.

Ulinzi kulingana na vigezo vya biometriska ya mwili wa binadamu, hasa alama ya vidole, ina idadi ya faida zisizoweza kuepukika: urahisi wa matumizi, urahisi na kuegemea. Mchakato mzima wa utambuzi huchukua muda kidogo na hauhitaji jitihada kutoka kwa wale wanaotumia mfumo huu wa kufikia. Utafiti pia umeonyesha kuwa kutumia alama ya vidole kwa utambulisho wa kibinafsi ndio njia rahisi zaidi ya njia zote za kibayometriki. Uwezekano wa hitilafu wakati wa kutambua mtumiaji ni mdogo sana ikilinganishwa na mbinu zingine za kibayometriki. Kwa kuongeza, kifaa cha kutambua alama za vidole hakihitaji nafasi nyingi kwenye kibodi au utaratibu.

Katika hali nyingi, kufanya kazi na habari muhimu pia inamaanisha kufanya maamuzi kwa wakati na usimamizi endelevu wa maendeleo. Katika suala hili, kuna haja ya uthibitisho endelevu wa kitambulisho (ikiwa mtu kwa sababu fulani ataacha mahali pa kazi, basi mtu yeyote kwa wakati huu ataweza kuweka amri za telecontrol au amri zinazowajibika). Mbinu ya "kuingia mara moja" haiwezi kutoa uthibitisho kama huo wa utambulisho, na kuingiza nenosiri baada ya kila amri ni ngumu /4/.

Ingawa kuna mifumo iliyotengenezwa tayari kwenye soko, pamoja na faida zao, ina shida kadhaa, kama vile nambari ya chanzo iliyofungwa na algorithm, kwa sababu hiyo, kutowezekana kwa kuzitumia katika mifumo yao, na vile vile bei ya juu. . Matokeo yake, ni mantiki kuendeleza mfumo ambao utawapa watengenezaji wote fursa ya kuwa na msingi tayari wa kuendeleza miradi yao wenyewe kulingana na teknolojia za biometriska. Na pia kutoa maelezo ya lengo la anuwai, sio tu mifumo ya papillary, picha.

Kusudi la kazi hii ni kukuza na kutekeleza mabadiliko kama haya ya picha ambayo data juu ya eneo la huduma za kipekee huhifadhiwa kabisa na kwa kiwango kidogo cha habari ya uwongo.

Mfumo unaoundwa ni wa asili ya utafutaji na utafiti na unalenga kuwezesha uundaji wa algoriti za uchakataji wa picha, kurahisisha uchanganuzi wa data ya majaribio na kutambua mifumo ya jumla.

1.1.4. Mantiki utungaji kiotomatiki kazi

Utekelezaji wa mfumo Utambulisho wa kibinafsi kwa alama za vidole utakuruhusu kujumuisha katika kiolesura kimoja hatua zote za kuchakata picha ya alama ya vidole na kuilinganisha na alama za vidole vingine:

1) uchambuzi wa vigezo vya picha, kitambulisho cha kasoro za skanning na uondoaji wao;

2) kuangazia vipengele vya ndani - minutiae. kuzalisha orodha ya thumbnails katika vigezo kabisa;

6) kulinganisha alama ya vidole moja na wengine wengi;

7) njia ya kuhifadhi maelezo ya vidole hukuruhusu kutumia matokeo ya programu kwa nyanja mbali mbali za shughuli.

1.2. Tathmini ya uchambuzi

Kama ilivyoonyeshwa tayari katika utangulizi, njia ya kutambua watu kwa kutumia alama za vidole imejulikana kwa muda mrefu, na kwa ujio wa teknolojia ya kompyuta ya elektroniki, bidhaa za programu za kuchambua na kulinganisha picha zilianza kuonekana.

1.2.1. Imara BioLink

KATIKA Mtoa huduma mkuu wa teknolojia ya usalama, anasanifu, anatengeneza na kuuza bidhaa za hali ya juu za kibayometriki kwa kuzingatia kanuni ya uwekaji alama za vidole. Suluhu zilizopendekezwa zinaunda msingi wa mifumo ya uthibitishaji wa watumiaji katika mitandao ya kompyuta, majukwaa ya biashara ya mtandaoni na mifumo ya usalama ya ufikiaji wa kimwili.

BioLink hutoa bidhaa mbalimbali kulingana na upeanaji wa alama za vidole vya wamiliki na teknolojia za kuchakata picha, pamoja na kanuni za utambulisho za moja hadi nyingi, kutatua changamoto nyingi za leo za usalama /5/.

1.2.1.1. NA mfumo wa udhibiti BioLink BioTime 2006

NA mfumo wa usimamizi wa wakati wa kufanya kazi, ambao ni maendeleo ya hivi karibuni ya BioLink. Mfumo wa BioTime 2006 hurahisisha kazi za kawaida za uhasibu na usimamizi wa wakati na kuifanya iwe rahisi, rahisi na rahisi kusajili kuwasili na kuondoka kwa wafanyikazi wa kampuni. Kwa kuongeza, mfumo wa BioTime 2006 hutoa aina tofauti ripoti juu ya kuchelewa, mapungufu na nyongeza ya wafanyikazi, wakati wa kuwasili na kuondoka kwao, na pia inaboresha uundaji wa karatasi /5/.

1.2.1.2. Seva ya programu BioLink

Seva ya programu BioLink Authenteon Software Appliance (ASA) ni programu inayolingana na alama za vidole ya BioLink. ASA inachanganya ulinzi wa nenosiri na uthibitishaji wa seva ya mteja wakati wa kuingia kwenye Windows, Novell na NFS ili kutatua moja ya matatizo makubwa zaidi ya usalama leo - kitambulisho chanya cha watumiaji kwenye mtandao wa ushirika. Seva inasaidia hadi watumiaji 300 /5/.

1.2.2. Microsoft In t elliMouse Kivinjari chenye Kisoma Alama za vidole

Imetangazwa Microsoft katika msimu wa joto wa 2004, safu mpya ya bidhaa kwa kutumia teknolojia ya biometriska - skana ya alama za vidole, kibodi iliyo na skana iliyojengwa ndani na panya ya macho isiyo na waya na skana - ina uwezo /6/:

1) kuchukua alama ya vidole kwa kuweka kidole chako kwa kifupi kwenye skana;

2) kudumisha kidhibiti cha nenosiri kwa miingiliano ya wavuti;

3) uwezo wa kutambua mtu kuingia kwenye mfumo na maombi ya kidole kimoja.

Bidhaa hiyo inafaa kwa matumizi kwenye PC ya kibinafsi. Programu ina utendaji mdogo sana. Hakuna njia ya kupata vigezo vya alama ya vidole vilivyochanganuliwa au kuweka vitendo vya ziada kulingana na ni kidole gani kilitumika.

1.2.3. Simu ya rununu G.I. 100

GI100- simu ya kwanza iliyo na utambuzi wa alama za vidole. Alama za vidole hutumiwa kupiga simu na kucheza michezo. Kila moja ya vidole vya mmiliki wa simu hutumiwa kupiga haraka moja ya nambari kumi zilizoingia kwenye kumbukumbu ya simu. Kwa njia hiyo hiyo, wakati wa michezo unaweza kutumia alama za vidole badala ya kubonyeza vifungo.

Kizuizi cha ufikiaji - unapowasha simu, alama ya vidole ya mtu aliyeiwasha inachanganuliwa. Upungufu mkubwa wa bidhaa ni kwamba ikiwa utambuzi wa alama za vidole unashindwa mara tatu, unaulizwa kuingiza nenosiri. Kwa hivyo, ufikiaji wa simu unaweza kupatikana sio kwa mmiliki, lakini tu na mtu anayejua nenosiri /7/.

1.2.4. Mhariri Adobe Photoshop

Mhariri wa picha ya kitaalam ya raster. Sifa kuu:

1) udhibiti wa rangi na sauti ya vipengele vya picha: uwezo wa kuchagua palette, kubadilisha rangi, usaidizi wa rangi ya 32-bit (uwazi), uwezo wa kujenga histograms za usambazaji wa rangi;

2) uhariri wa picha wa akili: zana za kusahihisha mbaya za muktadha ili kufikia uhalisia wa picha;

3) anuwai ya vichungi ambavyo hukuruhusu kurekebisha na kuboresha picha;

4) uwezo wa kuunda tabaka nyingi za kujitegemea katika picha moja.

Bidhaa imeundwa kwa ajili ya uhariri wa kitaalamu wa picha za picha na ina zana nyingi za kuboresha ubora wao. Inafaa zaidi kwa usindikaji wa picha za bandia. Interface ina uwezo fulani wa utambuzi, ambayo, hata hivyo, ni mdogo na upeo wa mfano wa raster /8/.

1.2.5. Mpango wa OCR Sawa Msomaji

Mpango wa kitaalamu wa utambuzi wa maandishi. Sifa kuu:

2) uamuzi wa akili wa eneo la mistari na wahusika katika maandishi, utambuzi wa wahusika wakati wanachanganuliwa kwa usahihi au ni kelele;

3) uwezo wa kusahihisha wahusika wanaotambuliwa vibaya;

4) uwezo wa kuhifadhi maandishi yanayotambulika kama hati ya Neno au PDF.

Bidhaa imeundwa kutambua maandishi yaliyochapishwa ya utata tofauti baada ya skanning ina seti yenye nguvu ya zana za kuboresha ubora wa utambuzi, pamoja na kurekebisha herufi zisizotambulika. Haina uwezo wa kuongeza seti ya wahusika wanaotambuliwa, kwa sababu ambayo maombi ni mdogo tu kwa utambuzi wa maandishi yaliyochapishwa /9/.

1.2.6. Hitimisho kutoka kwa ukaguzi wa dawati

Orodha ya bidhaa za programu, bila shaka, inaweza kupanuliwa, lakini bado maendeleo ya kawaida na maarufu yanajumuishwa ndani yake.

Miongoni mwa bidhaa za programu zinazotolewa kwa kitambulisho na muundo wa papillary, sifa kuu zinaweza kutambuliwa:

1) mipango kutekeleza uwezo wa kufikia kwa kutumia vidole;

2) usindikaji na kazi za kawaida zinawezekana (mwangaza, tofauti, kurekebisha ukubwa);

3) utambuzi wa tabia;

4) hakuna programu moja inayokuruhusu kusahihisha picha kulingana na sifa za kawaida za uchapishaji, kutoa maelezo ya kusudi la uchapishaji, na pia kuwezesha kutumia algorithms ya usindikaji kando kwa kazi zako mwenyewe.

Kuhusiana na vipengele vilivyoonyeshwa vya programu zilizopo na kutokana na ukweli kwamba matumizi ya mbinu za biometri hufanya iwezekanavyo kuongeza usalama na urahisi wa matumizi ya mifumo (tazama aya ya 1.1.1), kwa watengenezaji wengi itakuwa rahisi kutumia. moduli iliyopangwa tayari kwa kufanya kazi na vidole. Kwa hiyo, ni muhimu kuendeleza mfumo wa chanzo wazi ambayo inaruhusu maelezo ya kimuundo ya muundo wa papillary. Uwezo wa kupata maelezo ya kitu chake na kulinganisha. Matumizi ya algoriti sio tu kuelezea picha za alama za vidole, lakini pia kuelezea picha zingine kidogo, kama vile habari ya ishara, fonti na saini.

Tatizo hili linatatuliwa na mfumo wa kutambua alama za vidole.

1.3. Mahitaji ya kimsingi ya mfumo

1.3.1. Malengo makuu ya kuunda mfumo na vigezo vya ufanisi wa utendaji wake

Uundaji wa mfumo utambuzi wa kitambulisho utakuruhusu kupata fursa mpya katika uwanja wa ulinzi na shirika la upatikanaji wa habari, pamoja na maendeleo ya algorithms mpya, yenye ufanisi kwa ajili ya usindikaji wa rasters na kuwabadilisha kwa fomu ya kimuundo, kuendeleza chombo ambacho kinaboresha ubora wa habari za graphic kwa kupunguza upotovu na kelele.

Ili kutathmini ufanisi wa mfumo, unaweza kutumia ubora wa picha za pato na ukamilifu wa maelezo yao ya kimuundo. Na pia kiwango cha utambuzi sahihi wa vidole, ambavyo vinaweza kuhukumiwa na idadi ya kushindwa kwa alama ya vidole sahihi, na idadi ya pembejeo kwa alama ya vidole isiyo sahihi /3/.

Mfumo ulioendelezwa ni chanzo wazi na inaruhusu kupata maelezo ya kimuundo ya muundo wa papilari na kulinganisha kwake na mifumo mingine ya papilari. Algorithm inafaa kwa kufanya kazi sio tu na picha za vidole, lakini pia na picha zingine kidogo kama vile habari ya wahusika, fonti na saini.

1.3.2. Inafanya kazi uteuzi mifumo

Utekelezaji wa mfumo wa utambuzi wa alama za vidole utaruhusu kuunganishwa katika kiolesura kimoja hatua zote za kuchakata picha ya alama ya vidole na kuilinganisha na alama za vidole vingine:

1) marekebisho ya picha, marekebisho ya kupotosha;

2) kuangazia vipengele vya ndani - minutiae. Kuzalisha orodha ya vijipicha katika vigezo kamili;

3) kuchagua orodha ya vigezo kamili, ukiondoa minutions ya uwongo na isiyoaminika;

4) kubadilisha vigezo kamili katika jamaa, kuzalisha orodha ya vigezo vya jamaa;

5) ufungaji wa mfumo wa uvumilivu kuzingatia uwiano wa picha;

6) kulinganisha chapa moja na zingine nyingi.

1.3.3. Vipengele na masharti ya mfumo e operesheni

Mfumo Kitambulisho cha alama ya vidole kimeundwa kufanya kazi na picha za kidijitali zilizopatikana kwa kuchanganua.

Kupata uwakilishi wa elektroniki wa alama za vidole na muundo unaoonekana wazi wa papilari ni kazi ngumu sana. Kwa kuwa alama ya vidole ni ndogo sana, njia za kisasa kabisa lazima zitumike kupata picha yake ya hali ya juu.

Kwa sasa, skana zifuatazo za vidole zinaweza kutofautishwa kulingana na kanuni za kimwili wanazotumia:

Macho;

Silicon;

Ultrasonic.

Teknolojia ya zamani zaidi ya kuchanganua alama za vidole ni ya macho. Kuchanganua alama za vidole kwa kutumia kamera ndogo kwenye chip ya CCD au CMOS kumepunguza kwa kiasi kikubwa gharama ya mifumo ya utambulisho. Lakini njia hii ya uwekaji alama za vidole inakabiliwa na shida zingine zisizoweza kutatulika: picha inayotokana inategemea taa iliyoko, upotoshaji unawezekana kwenye kingo za picha, na sensor inaweza "kudanganywa" kwa urahisi (sensorer zingine za bei rahisi zinaweza "kudanganywa" na nakala iliyochapishwa iliyotengenezwa kwa kopi ya kawaida). Bado kuna matatizo na ukubwa wa skana. Sensor haiwezi kuwa ndogo kuliko urefu wa kuzingatia kamera. Miongoni mwa faida kuu za mifumo ya macho, tunaweza kutaja tena bei ya chini na kutoweza kuathirika kwa athari za kutokwa kwa umeme.

Teknolojia ya kutumia uwanja wa sumakuumeme ni mpya kabisa. Sensor hutoa ishara dhaifu ya sumakuumeme inayofuata miinuko na mabonde ya alama ya vidole na inazingatia mabadiliko katika ishara hii ili kuunda picha ya alama ya vidole. Kanuni hii ya skanning inakuwezesha kutazama muundo wa ngozi chini ya safu ya seli zilizokufa, ambazo husababisha matokeo mazuri wakati wa kutambua prints zilizofifia au zilizofifia. Shida inabaki kuwa hakuna uhusiano unaokubalika kati ya saizi ya sensor na azimio.

Teknolojia nyingine ya kuahidi ambayo inapaswa kutajwa ni ultrasound. Scanner ya 3D ultrasound hupima uso ulioingiliana wa kidole na aina ya rada. Njia hii ya skanning inaweza kuwa muhimu hasa, kwa mfano, katika huduma za afya. Haihitaji kugusa wasomaji wa sensor yoyote kwa mikono isiyoweza kuzaa, na alama ya vidole inasomwa kwa urahisi hata kupitia mpira wa daktari wa upasuaji au glavu za plastiki. Hasara kuu ya teknolojia ya ultrasound ni gharama yake ya juu na muda mrefu wa skanning /10/.

Kuna njia zingine, ambazo zilitumika zamani au zinazotengenezwa tu /11/.

1.3.4. Mahitaji ya muundo wa kazi

Ujenzi Mifumo ya kitambulisho cha vidole huchukua muundo wa kawaida. Ganda lazima litoe kiolesura cha kawaida na uwezo wa kufikia moduli zote ndani ya mfumo. Moduli zifuatazo zinaitwa kutoka kwa ganda: mfumo mdogo wa uchambuzi wa picha, mfumo mdogo wa kulinganisha alama ya vidole moja na zingine nyingi. Ubadilishanaji wa data kati ya mifumo ndogo hutokea kupitia mradi ndani ya shell ya kawaida.

Mfumo mdogo wa uchambuzi wa picha unapaswa kutoa uwezo wa kupata sifa za msingi za takwimu za muundo wa papilari katika maeneo muhimu. Mfumo mdogo huchukua upatikanaji wa njia za kupata picha ya alama ya vidole ya ubora wa juu.

Mfumo mdogo wa kulinganisha wa alama za vidole hutumiwa kutambua kiotomati kufanana kwa picha tofauti za muundo wa papilari.

1.3.5. Mahitaji Kwa kiufundi kuhakikisha

Kazi ya usindikaji wa picha katika mfumo inahusishwa na uchambuzi wa moja kwa moja wa safu kubwa za habari za graphic. Mabadiliko yaliyofanywa katika mfumo lazima yafanyike katika mchakato wa mwingiliano wa mwingiliano na mtumiaji, kwa hivyo pause kwa usindikaji haipaswi kuzidi kadhaa. sekunde Kulingana na hili, mahitaji ya vipimo vya kiufundi kompyuta ya kibinafsi ambayo mfumo utafanya kazi. Mahitaji yamefupishwa katika jedwali. 1.1.

Jedwali 1.1

Tabia za kiufundi za kompyuta ya kibinafsi

Jina	Maana
Mzunguko wa processor, MHz
Uwezo wa RAM, MB
Fuatilia azimio la skrini	angalau 1024x768

1.3.6. Mahitaji Kwa habari kuhakikisha

Mfumo umeundwa kusindika picha kidogo. Kwa sababu ya usahihi, kelele na makadirio yaliyoletwa na vifaa (skana au kifaa chochote cha sampuli za picha), kelele ya asili anuwai inaonekana kwenye picha. Mfumo unaturuhusu kuondoa upotoshaji huu kwa sehemu. Kwa hiyo, ubora wa picha za pembejeo lazima iwe katika kiwango cha kukubalika.

Aina kuu ya habari iliyochakatwa katika mfumo ni maelezo ya picha katika uwakilishi wa raster na uwakilishi wake wa kitu. Aina hii ya data inatambulika moja kwa moja na kwa ujumla na wanadamu, kwa hivyo ni muhimu kutoa njia za taswira ya taswira ya picha katika hatua mbalimbali za usindikaji.

1.3.7. Mahitaji Kwa programu kuhakikisha

Inashauriwa kuendeleza mfumo wa kufanya kazi chini ya mfumo wa uendeshaji wa familia Windows, kwani mifumo ya uendeshaji ya darasa hili ndiyo inayotumika sana ndani ulimwengu wa kisasa. Jukwaa la uendelezaji lililochaguliwa ni mazingira ya ukuzaji wa programu ya Microsoft Visual Studio C++ 2003 Mazingira haya yanaauni lugha ya algorithmic ya C++ na ina uwezo wa kukuza haraka na kubuni miingiliano ya kuona, ambayo ni muhimu hasa wakati wa kufanya kazi na maelezo ya picha.

1.4. Suluhisho kuu za kiufundi za muundo wa mfumo

1.4.1. Suluhisho Na changamano kiufundi fedha

Kama ilivyoelezwa tayari katika aya. 1.3.5, ili kufikia hali ya uendeshaji ya kirafiki ya mfumo, usanidi wa chini unaofuata wa kompyuta binafsi unahitajika: mzunguko wa processor 900 MHz, uwezo wa RAM 64 MB, kufuatilia kuunga mkono azimio la angalau saizi 1024x768. Pia ni kuhitajika kuwa na njia zifuatazo za kiufundi za pembeni: scanner ya vidole, printer ya rangi ya inkjet kwa matokeo ya uchapishaji.

1.4.2. Maelezo ya mfumo wa programu

Kwa utekelezaji na uendeshaji wa mradi, programu ya OS ya mfumo mzima inahitajika Windows XP inategemea kernel ambayo ina usanifu wa kompyuta wa 32-bit na muundo wa kumbukumbu salama kabisa ili kutoa mazingira salama ya kompyuta.

Uendelezaji wa mfumo wa utambuzi wa utu na mifumo yake ndogo itafanywa kwa kutumia mazingira ya maendeleo ya programu Microsoft Visual Studio C++ 2003. Mazingira ya maendeleo yanajumuisha mkusanyaji wa utendaji wa juu wa 32-bit, ambayo inaruhusu kuboresha kanuni zinazozalishwa. Microsoft Visual Studio C++ inajumuisha seti ya kina ya zana zinazoboresha tija ya kiprogramu na kupunguza nyakati za mzunguko wa maendeleo. Microsoft Visual Studio C++ 2003 ni mazingira ya maendeleo jumuishi yenye vipengele vingi ambayo yanajumuisha mkusanyaji wa ANSI/ISO, mbuni wa fomu iliyojengewa ndani, seti tajiri ya zana za vijenzi, Kichunguzi cha Suluhisho, meneja wa mradi na kitatuzi. Urahisi wa uundaji na ufanisi wa programu zilizoundwa katika mazingira haya ya ukuzaji hufanya Microsoft Visual Studio C++ 2003 kuwa chaguo bora zaidi la kuunda mfumo wa utafiti, kama vile mfumo wa utambuzi wa mtu.

2. MAENDELEO YA MFUMO NDOGO WA UCHAMBUZI WA PICHA ZA VIDOLE

2.1. Maelezo ya taarifa ya tatizo ya mfumo mdogo wa uchanganuzi wa alama za vidole

2.1.1. Tabia kazi

Picha za mchoro zimewakilishwa ulimwengu unaotuzunguka, kuwa na utofauti mkubwa. Sifa muhimu ya picha ni muundo wake wa anga. Uwezo wa kuunda upya muundo huu wakati wa mtazamo wa kuona huhakikisha usawa wa mtazamo.

Uhakika wa anga, ambao unajumuisha ukweli kwamba sehemu yoyote kwenye picha ni ya kipengele kimoja na kilichofafanuliwa vyema cha kimuundo ambacho kinaweza kuwakilisha kitu au ni mali ya kitu kimoja au zaidi cha eneo la somo linalolingana. Kwa hivyo, picha yoyote inajengwa kwa mujibu wa baadhi ya mpango wa priori ambao huamua eneo na sifa za semantic za vipengele vyake vya kimuundo.

Mifano za kuwakilisha picha kwenye kompyuta zinaweza kugawanywa katika aina mbili: raster na vector.

Fomu ya kawaida ya kuwakilisha picha "mbichi" kwenye kompyuta ni raster. Picha katika kesi hii ni matrix ya pointi za NxM (pixels). Taswira ya picha mbaya ni rahisi sana na inajumuisha kuonyesha saizi zake kwenye mstari wa skrini kwa mstari. Hata hivyo, mfano wa aina hii hauna kimuundo, kiasi kidogo cha semantic, habari, ambayo hupunguza upeo wa matumizi yake. Wakati picha kutoka kwa ulimwengu wa kweli zinaingizwa kwenye kompyuta, mara nyingi huonekana katika hali mbaya.

Mifano ya Vector ya uwakilishi wa picha inategemea ukweli kwamba mstari wowote unaweza kuwakilishwa katika fomu ya uchambuzi, kwa mfano, kama seti ya vekta - sehemu zilizoelekezwa. Kutazama picha katika mfano wa vekta ni ngumu zaidi kuliko mfano wa raster. Lakini mfano hupata nguvu ya utambuzi kwa kuingiza habari za kimuundo ndani yake.

Picha ya vidole kawaida huhifadhiwa katika msimbo wa binary, ambapo kila pixel ya muundo inaelezwa na bits 8, yaani, vivuli 256 vya kijivu. Katika mifumo ya hali ya juu ya skanning, picha ya dijiti ya alama za vidole inachakatwa kwa kutumia algorithm maalum ya uboreshaji wa picha. Algorithm hii hutoa maoni kwa kitambuzi ili kurekebisha vigezo vya skanning. Kihisi kinaponasa picha ya mwisho, algoriti hurekebisha utofautishaji na uwazi wa picha iliyochapishwa ili kupata ubora bora zaidi /12/.

Mbinu za kutambua alama za vidole zinatokana na ulinganisho na sampuli au matumizi ya maelezo ya sifa.

Wakati wa kutambua kwa maelezo, maeneo maalum pekee ambapo kipengele (maelezo) hupatikana hutolewa kutoka kwa picha. Kawaida hii ni ama mwisho wa ridge au bifurcation yake (Mchoro 2.1). Maudhui ya template katika kesi hii ina kuratibu jamaa na taarifa kuhusu mwelekeo wa sehemu. Algorithm ya utambuzi hupata na kulinganisha sehemu zinazofaa. Wala mzunguko wa alama za vidole wala tafsiri yake sambamba (kuhama) huathiri utendaji wa mfumo, kwani algorithm inafanya kazi na maadili ya jamaa.

Aina za vijipicha

Kwa kulinganisha, utafutaji unafanywa kwenye picha kidogo kwa vipengele vya ndani vya muundo wa papillary - minutiae. Kwa ajili ya utafutaji, algorithm ya traversal contour ridge hutumiwa. Kwa hivyo, mfumo mdogo wa uchanganuzi hutekelezea mpito kutoka kwa uwakilishi mbaya hadi uwakilishi wa muundo.

2.1.2. Ingång habari

chapa iliyopatikana kwa kuchanganua kwa azimio la 600dpi. Ugani wa faili kidogo
kwa chaguo-msingi *.bmp. Umbizo la bmp (kutoka kwa maneno BitMaP - bitmap) ni uncompressed (zaidi), ambayo inakuwezesha kuepuka kuanzisha makosa, picha ambayo ni rahisi kusoma na kuonyesha katika Windows, ambayo ina kazi maalum za API zinazosaidia na hii /13. /.

2.1.3. Taarifa za pato

Taarifa ya pato ni orodha ya dakika katika vigezo kamili, iko kwenye kumbukumbu, iliyo na vigezo kila dakika kupatikana. Kila kipengele cha safu kina vigezo vyote muhimu vya minutiae: kuratibu za aina kamili - 2x4 byte, angle ya mwelekeo 8 byte, aina ya uhakika 1 byte.

Muundo wa safu:

Jedwali 2.1

Fomati ya mstari wa faili yenye maelezo ya muundo

2.1.4. Uundaji wa shida ya hisabati

Uendeshaji wa mfumo mdogo unatekelezwa katika hatua zifuatazo:

Marekebisho ya picha ya pembejeo, kuondoa kasoro na upotovu;

Kutafuta miniatures na kuzalisha orodha ya vigezo vyao kabisa;

Kuchuja orodha inayotokana ya vigezo;

Ili kutatua shida hizi, shughuli za kawaida za kufanya kazi na safu zinahitajika, ambazo zinawasilishwa kwenye meza. 2.2.

Jedwali 2.2

Uendeshaji wa safu

Uteuzi	Kusimbua
	idadi ya vipengele vya safu
	kupata kipengee cha safu ya i-th
	operesheni ya kuongeza kipengee E hadi mwisho wa safu M
Futa (Safu, Pos)	uendeshaji wa kuondoa kipengele katika nafasi ya Pos kutoka kwa Mkusanyiko
Futa (Safu, Kipengele)	uendeshaji wa kuondoa Kipengele kutoka kwa Mkusanyiko
Pos(Safu,Kipengele)	uendeshaji wa kupata nambari ya Kipengele katika safu ya Safu
	uendeshaji wa kuongeza vipengele visivyo na nakala za Array2 hadi mwisho wa Array1
	uendeshaji wa makutano ya safu
	utendakazi wa kimantiki wa kumiliki kipengele E kwa safu M
	uendeshaji wa kupanga safu kwa thamani ya sehemu f

2.1.5. Mchoro wa kazi wa mfumo mdogo wa uchambuzi wa papilari

muundo

Madhumuni ya kazi ni kutekeleza mpango wa kutekeleza mpango huo, inavyoonyeshwa kwenye Mtini. 2.1.1.

Mchoro wa mfumo mdogo wa uchambuzi

2.2. Maelezo ya taarifa ya shida ya kutambua kasoro za skanning na uondoaji wao

2.2.1. Tabia za kazi

Mchoro wa papillary iliyotolewa kwa namna ya raster ina vipengele vya mstari wa mtu binafsi. Mistari ni onyesho la matuta ya muundo wa papilari kutembea kando ya mstari wa mistari hii itawawezesha kuonyesha matuta ya mtu binafsi na kupata habari kuhusu eneo lao kwenye kidole. Walakini, katika mchakato wa kupata uchapishaji mbaya, kasoro za kawaida za picha zinawezekana, ambazo hujitokeza kwa sababu ya uchafu unaoingia kwenye kifaa cha skanning, uwepo wa kupunguzwa na mikunjo kwenye ngozi, kushinikiza kwa kidole kwa skana na mabadiliko katika muundo. msimamo wake kwa kila skanisho mpya.

Kuna aina mbili za kasoro: kushikamana kwa matuta ya karibu na mapumziko ya ridge kwenye raster kutokana na hali zilizoelezwa hapo juu. Kwa kuwa kasoro hizi zinaweza kutabirika kwa sehemu, zinaweza kuondolewa. Kwa kutumia maandalizi ya picha kwa uchambuzi zaidi wa muundo, inawezekana kupunguza kiasi kikubwa cha kelele na uharibifu katika raster ya awali, ambayo inasababisha kuongezeka kwa kasi ya utambuzi na kuegemea.

Kama matokeo ya kutatua tatizo la kutambua na kuondoa kasoro za skanning, mfumo wa kitambulisho cha kibinafsi utasaidia utendaji wake na uwezo wa kuboresha ubora wa picha za pembejeo.

2.2.2. Ingång habari

Taarifa ya pembejeo ni Bitmap ya alama za vidole hupatikana kwa skanning na azimio la 600dpi. Ugani wa faili kidogo
kwa chaguo-msingi *.bmp. Umbizo la bmp (kutoka kwa maneno BitMaP - bit array) ni picha isiyo na shinikizo (zaidi), ambayo inakuwezesha kuepuka kuanzisha makosa. Umbizo la bmp ni rahisi sana kusoma na kutoa kwenye Windows OS, ambayo ina kazi maalum za API.

Raster ya pembejeo imewasilishwa katika umbizo la BMP, ambalo lina muundo ulioonyeshwa kwenye Mtini. 2.1.2 /13/.

Muundo wa BMP

Mwanzoni kuna kichwa cha faili - BITMAPFILEHEADER.

typedef muundo tagBITMAFILEHEADER

NENO bfImehifadhiwa1;

NENO bfImehifadhiwa2;

DWORD bfOffBits;

) BITMAPFILEHEADER, *PBITMAPFILEHEADER;

typedef muundo tagBITMAPINFOHEADER

NENO bitCount;

DWORD biCompression;

DWORD biSizeImage;

LONG biXPelsPerMeter;

LONG biYPelsPerMeter;

DWORD biClrUsed;

DWORD biClrMuhimu;

) BITMAPINFOHEADER, *PBITMAPINFOHEADER;

2.2.3. Siku ya mapumziko habari

Matokeo ya kazi hii ni raster iliyosahihishwa bila kushikamana au mapumziko, ambayo inafaa zaidi kwa kutafuta minutiae juu yake.

2.2.4. Taarifa ya hisabati

Utafutaji wa minutiae hutokea kwa kutafuta vipengele vya ndani. Vipengele vya mitaa ni curvatures kali ya contours ya mstari. Mizunguko ambayo ni minutiae ni mwisho na bifurcations, lakini kwa kuongeza kwao kuna kushikamana kwa mistari iliyo karibu na mapumziko katika mstari mmoja, ambayo sio minutiae.

Katika Mtini. Mchoro 2.2 unaonyesha kukatika kwa mstari, na hali ifuatayo inatimizwa:

ambapo A = (x,y);

Thamani ya kimaadili.

Katika Mtini. Mchoro 2.3 unaonyesha mistari ikishikana, huku sharti la 1 la Mtini. 2.3.

Kuvunja mstari

D1, D2 - maeneo ya karibu;

Mistari inayoshikana

A - curvature yenye nguvu ya contour ya mstari wa muundo wa papillary;

B - hatua inayowezekana ya kuendelea kwa mstari wa muundo wa papillary;

C - curvature ya contour katika hatua inayowezekana ya kuendelea;

D1, D2 - maeneo ya karibu;

2.2.5. Algorithm ya suluhisho kazi

Ikiwa eneo la mapumziko limegunduliwa, uadilifu wa mstari hurejeshwa;

Ikiwa eneo la kushikamana limegunduliwa, mistari hutenganishwa.

Matokeo ya kazi ni raster ambayo inafaa zaidi kwa ajili ya kutafuta thumbnails juu yake kuliko moja ya awali.

R - Bitmap

Ramani - orodha. Ramani = (x, y) i

R.width() - upana wa raster katika saizi

R.height() - urefu wa raster katika saizi

R.ChangeLine(Ramani[i]) - kuvuka kando ya mtaro wa mstari kutoka kwa Ramani ya uhakika[i]

2. Unda orodha ya mistari ya Ramani kutoka kwa raster R

3. i, : i R.ChangeLine(Ramani[i])

4. Ikiwa raster R imebadilishwa, basi nenda kwa hatua ya 2

2.2.5.1. Maelezo ya algorithm " Inazalisha orodha ya mistari »

Algorithm ya kupata alama kwenye raster ambayo ni ya mistari tofauti ya papilari.

3. Ikiwa R.GetPixelColor(x,y) != 0x000000, basi nenda kwenye hatua ya 5

4. (x,y) Ramani; R.FloodFill(x, y, 0xFFFFFF)

6. ikiwa y< R.width(), то перейти к п. 3

8. ikiwa x< R.height(), то перейти к п. 3

2.2.5.2. Maelezo ya algorithm " BadilishaMstari »

Algorithm ya kutafuta wambiso, mapumziko na kuwaondoa kwenye raster.

dot0, dot1 - pointi mali ya contour line

vec0, vec1 - maelekezo ya ndani

alphaTest - kipimo kilichofafanuliwa awali ambacho huamua kupindika kwa nguvu kwa mstari wa papilari.

NextDotCW(dot0, hatua) - kupata kuratibu za hatua inayofuata kupitia pointi za hatua

Masharti ya kuvunjika na kujitoa yanaelezwa katika aya. 2.2.4

2. nukta0::= thamani ya awali

3. dot1::= NextDotCW(dot0, hatua);

4. vec0::= GetVec(dot0, dot1);

5. nukta0::= nukta1;

6. nukta1::= NextDotCW(dot0, hatua);

7. vec1::= GetVec(dot0, dot1);

8. Ikiwa |vec1 - vec0|< alphaTest, то перейти к п. 11

9. Ikiwa hatua iliyopatikana ni confluence, kisha tenganisha mistari

10. Ikiwa hatua iliyopatikana ni mapumziko, kisha urejeshe uadilifu wa mstari

11. Ikiwa kutembea kando ya contour kumeongoza hadi mahali pa kuanzia, basi nenda kwa hatua ya 13

12. vec0::= vec1; nenda kwa hatua ya 5

2.3. Maelezo ya taarifa ya tatizo: kitambulisho cha mtaa

vipengele

2.3.1. Tabia kazi

Sehemu kuu ya kazi ya mfumo mdogo ni mpito kutoka kwa uwakilishi mbaya hadi uwakilishi wa muundo. Ili kufanya hivyo, unahitaji kupata maeneo kwenye raster ambayo yanahusiana na bifurcations au mwisho. Utafutaji unafanywa kwa kuvuka maeneo nyeusi kwenye raster inayofanana na mistari ya muundo wa papilari kando ya contour, wakati maeneo yenye curvature yenye nguvu ya contour ni pointi maalum.

2.3.2. Taarifa ya kuingiza

Taarifa ya ingizo ni bitmap baada ya usindikaji wa awali. Raster ina kina cha 1 kidogo kwa pixel na azimio la 600 dpi. Umbizo la bmp (kutoka kwa maneno BitMaP - bit map, au, kwa Kirusi, bit array) ni picha isiyo na shinikizo (zaidi), ambayo inakuwezesha kuepuka kuanzisha makosa. Umbizo la bmp ni rahisi sana kusoma na kuonyesha kwenye Windows OS, ambayo ina kazi maalum za API /13/.

2.3.3. Siku ya mapumziko habari

Taarifa ya pato ni orodha ya vigezo ambapo kulikuwa na pointi maalum (kipengele, undani) hugunduliwa katika vigezo kamili. Orodha iliyo kwenye kumbukumbu katika hatua hii ina, pamoja na pointi muhimu, ya uongo ambayo huundwa wakati picha ya pembejeo ni ya ubora duni. Kila kipengele cha safu kina vigezo vyote muhimu: kuratibu za aina kamili - 2x4 byte, angle ya mwelekeo - 8 byte, aina ya uhakika - 1 byte.

Muundo wa safu:

X i , Y i - Dakika inaratibu kwenye raster

i - Mwelekeo wa dakika

T - Aina (kukomesha au kugawanyika)

k - Idadi ya dakika

2.3.4. Hisabati jukwaa kazi

Utafutaji wa minutiae hutokea kwa kutafuta vipengele vya ndani. Vipengee vya ndani ni miinuko yenye nguvu ya mtaro wa mistari, baadhi ya miindo ni minutiae - hizi ni miisho na bifurcations, lakini kwa kuongeza kwao kuna kushikamana kwa mistari ya karibu na mapumziko ya mstari mmoja.

Katika Mtini. 2.4 inaonyesha "mwisho", na hali ya 2 imefikiwa.

ambapo A = (x,y);

Thamani ya kimaadili.

Katika Mtini. 2.5 inaonyesha "bifurcation", wakati hali ya 2 kwa Mtini. 2.5.

Kumalizia

A - curvature yenye nguvu ya contour ya mstari wa muundo wa papillary;

B - hatua inayowezekana ya kuendelea kwa mstari wa muundo wa papillary;

C - curvature ya contour katika hatua inayowezekana ya kuendelea;

D1, D2 - maeneo ya karibu;

L1, L2 - mistari inayowezekana ya karibu ya muundo wa papillary.

Ugawaji mara mbili

A - curvature yenye nguvu ya contour ya mstari wa muundo wa papillary;

B - hatua inayowezekana ya kuendelea kwa mstari wa muundo wa papillary;

C - curvature ya contour katika hatua inayowezekana ya kuendelea;

D1, D2 - maeneo ya karibu;

L1, L2 ni unyogovu unaowezekana wa karibu wa muundo wa papilari.

Vipengele vya mitaa: kupasuka na kujitoa ni ilivyoelezwa katika aya. 2.2.4.

2.3.5. Algorithm ufumbuzi kazi

Wacha tuangazie hatua kuu za kuchakata kila mstari kwenye picha ya alama ya vidole:

Chagua sehemu nyeusi ya kiholela kwenye raster ambayo ni ya mstari unaochakatwa na tembea kando ya mstari wa muundo wa papilari ambayo hatua hii ni ya;

Ikiwa minutia imegunduliwa, tunaandika kuratibu zake kwenye orodha.

Matokeo yake ni orodha ya vigezo, na pointi maalum (kipengele, sehemu) imegunduliwa, katika vigezo kamili. Orodha katika hatua hii ina, pamoja na pointi muhimu, za uongo ambazo zinaundwa wakati picha ya pembejeo ni ya ubora duni.

R - bitmap

Ramani - orodha. Ramani = (x, y) i

R.GetPixelColor(x,y) - pata thamani ya rangi ya saizi iliyo na viwianishi (x,y) kwenye rasta ya R

R.FloodFill(x, y, rangi) - jaza eneo kwa rangi R.GetPixelColor(x,y) kwenye rangi ya rangi

R.width() - upana wa raster katika saizi

R.height() - urefu wa raster katika saizi

R.ReadLine(Ramani[i]) - kuvuka kando ya mtaro wa mstari kutoka kwa uhakika Ramani[i], hupokea orodha ya viwianishi vya minutiae

7. Tengeneza orodha ya mistari ya Ramani kutoka kwa raster R

8. i, : i List::= R.ReadLine(Ramani[i])

Nyaraka zinazofanana

Uchambuzi wa mifumo ya utambuzi wa kibinafsi ya kibayometriki kulingana na alama za vidole, umbo la mkono na ganda la jicho. Uso kama kitambulisho cha kibayometriki. Uchambuzi wa soko la mifumo ya utambuzi wa utu. Kutathmini ufanisi wa mifumo ya utambuzi kulingana na jiometri ya uso.

kazi ya kozi, imeongezwa 05/30/2013


Ukuzaji wa algoriti ya kutengeneza vigezo vya jamaa vya vijipicha. Uteuzi wa vigezo vya mfumo wa uvumilivu na vigezo vya kufanana wakati wa kulinganisha prints. Njia hiyo inafaa kwa kutambua picha kidogo: habari ya mfano, fonti na saini.

tasnifu, imeongezwa 06/23/2008


Kutumia nywila kama njia ya kulinda dhidi ya ufikiaji usioidhinishwa wa programu na data iliyohifadhiwa kwenye kompyuta. Mifumo ya utambuzi wa kibayometriki kulingana na alama za vidole, jiometri ya mitende, sifa za usemi na iris.

uwasilishaji, umeongezwa 05/06/2015


Uchambuzi wa mbinu zilizopo za kutekeleza zana ya programu ya utambuzi wa kibinafsi kwa sauti. Mambo yanayoathiri upekee wa usemi. Uundaji wa zana ya programu ya kitambulisho cha kibinafsi kwa sauti. Mahitaji ya nyaraka za programu ya programu.

tasnifu, imeongezwa 06/17/2016


Uainishaji na sifa kuu za njia za biometriska za kitambulisho cha kibinafsi. Makala ya utekelezaji wa mbinu za tuli na za nguvu za udhibiti wa biometriska. Njia za idhini na uthibitishaji katika mifumo ya usalama na usalama ya kielektroniki.

kazi ya kozi, imeongezwa 01/19/2011


Ukuzaji wa muundo wa awali na wa kiufundi wa programu ya utambuzi wa alama za vidole. Kusudi na upeo, maelezo ya algorithm, data ya pembejeo na pato. Kuchagua muundo wa vifaa na programu. Upimaji wa bidhaa na utekelezaji.

kazi ya kozi, imeongezwa 05/12/2015


Tatizo la kuboresha ubora wa alama za vidole ili kuongeza ufanisi wa algorithms ya uthibitishaji wa biometriska. Mapitio ya algoriti za usindikaji wa picha za vidole. Uchambuzi wa algoriti kulingana na matumizi ya kibadilishaji cha Gabor.

tasnifu, imeongezwa 07/16/2014


Telefax kama kifaa cha upitishaji wa picha ya faksi kupitia mtandao wa simu. Kusudi la skana ya flatbed. Kwa kutumia vichanganuzi vilivyo na karatasi. Kanuni ya uendeshaji wa skana ya ngoma. Kwa kutumia kichanganuzi cha msimbo pau. Kichanganuzi cha alama za vidole macho.

muhtasari, imeongezwa 01/19/2010


Malengo makuu na malengo ya kujenga mifumo ya utambuzi. Ujenzi wa mfano wa hisabati wa mfumo wa utambuzi wa muundo kwa kutumia mfano wa algorithm ya kutambua vitu vya vifaa vya kijeshi katika mifumo ya mawasiliano ya simu ya mifumo ya udhibiti.

tasnifu, imeongezwa 11/30/2012


Misingi ya kitambulisho cha biometriska. Uwezekano wa kutumia mitandao ya neva ili kuunda mfumo wa utambuzi wa usemi. Utengenezaji wa programu kwa ajili ya ulinzi dhidi ya ufikiaji usioidhinishwa kulingana na uchanganuzi wa sauti ya mtumiaji.

Hivi majuzi, nakala nyingi zimeonekana kwenye Habré zinazotolewa kwa mifumo ya utambulisho wa uso ya Google. Kuwa waaminifu, wengi wao wanapenda uandishi wa habari na, kwa upole, kutokuwa na uwezo. Na nilitaka kuandika makala nzuri juu ya biometriska, sio yangu ya kwanza! Kuna nakala kadhaa nzuri kuhusu bayometriki kwenye Habre - lakini ni mafupi na hayajakamilika. Hapa nitajaribu kuelezea kwa ufupi kanuni za jumla kitambulisho cha biometriska na mafanikio ya kisasa ya wanadamu katika suala hili. Ikiwa ni pamoja na kitambulisho kwa nyuso.

Nakala hiyo ina, ambayo, kwa asili, ni utangulizi wake.

Chapisho la pamoja na mwenzako katika jarida (BDI, 2009), lililorekebishwa ili kuendana na hali halisi ya kisasa, litatumika kama msingi wa makala. Habre bado si mfanyakazi mwenza, lakini aliunga mkono kuchapishwa kwa makala iliyorekebishwa hapa. Wakati wa kuchapishwa, makala hiyo ilikuwa muhtasari mfupi ya soko la kisasa la teknolojia za kibayometriki, ambazo tulijifanyia sisi wenyewe kabla ya kuzindua bidhaa zetu. Hukumu za utumiaji zilizowekwa katika sehemu ya pili ya kifungu hicho zinatokana na maoni ya watu ambao wametumia na kutekeleza bidhaa, na pia maoni ya watu wanaohusika katika utengenezaji wa mifumo ya biometriska nchini Urusi na Ulaya.

Habari za jumla

Hebu tuanze na mambo ya msingi. Katika 95% ya kesi, biometriska kimsingi ni takwimu za hisabati. Na matstat ni sayansi halisi, algorithms ambayo hutumiwa kila mahali: katika rada na mifumo ya Bayesian. Makosa ya aina ya kwanza na ya pili yanaweza kuchukuliwa kama sifa kuu mbili za mfumo wowote wa biometriska). Katika nadharia ya rada kwa kawaida huitwa "kengele ya uwongo" au "kukosa lengwa", na katika bayometriki dhana zilizothibitishwa zaidi ni FAR (Kiwango cha Kukubalika kwa Uongo) na FRR (Kiwango cha Kukataa Uongo). Nambari ya kwanza inaashiria uwezekano wa mechi ya uwongo kati ya sifa za kibayometriki za watu wawili. Ya pili ni uwezekano wa kumnyima mtu kupata kibali. Thamani ya chini ya FRR kwa maadili sawa ya FAR, mfumo bora zaidi. Wakati mwingine hutumiwa Tabia za kulinganisha EER, ambayo huamua mahali ambapo grafu za FRR na FAR zinaingiliana. Lakini sio mwakilishi kila wakati. Unaweza kuona maelezo zaidi, kwa mfano.
Yafuatayo yanaweza kuzingatiwa: ikiwa sifa za mfumo hazijumuishi FAR na FRR kwa hifadhidata wazi za biometriska, basi haijalishi watengenezaji wanatangaza nini juu ya sifa zake, mfumo huu unawezekana kuwa haufanyi kazi au dhaifu sana kuliko washindani wake..
Lakini sio FAR na FRR tu huamua ubora wa mfumo wa biometriska. Ikiwa hii ndiyo njia pekee, basi teknolojia inayoongoza itakuwa utambuzi wa DNA, ambayo FAR na FRR huwa na sifuri. Lakini ni dhahiri kwamba teknolojia hii haitumiki katika hatua ya sasa ya maendeleo ya binadamu! Tumeunda sifa kadhaa za majaribio ambazo huturuhusu kutathmini ubora wa mfumo. "Upinzani wa kughushi" ni sifa ya majaribio ambayo inatoa muhtasari wa jinsi ilivyo rahisi kwa kitambulishi cha kibayometriki kudanganywa. "Utulivu wa mazingira" ni tabia ambayo hutathmini kwa uthabiti uthabiti wa mfumo chini ya hali mbalimbali za nje, kama vile mabadiliko ya taa au joto la kawaida. "Urahisi wa kutumia" huonyesha jinsi ilivyo vigumu kutumia kichanganuzi cha kibayometriki, na kama kitambulisho kinawezekana "ukiwa safarini." Tabia muhimu ni "Kasi ya uendeshaji", na "Gharama ya mfumo". Hatupaswi kusahau kwamba tabia ya biometriska ya mtu inaweza kubadilika kwa muda, hivyo ikiwa ni imara, hii ni hasara kubwa.
Wingi wa njia za biometriska ni za kushangaza. Njia kuu za kutumia sifa za biometriska za mtu ni kitambulisho kwa muundo wa papilari kwenye vidole, iris, jiometri ya uso, retina, muundo wa mishipa ya mkono, jiometri ya mkono. Pia kuna familia ya mbinu zinazotumia sifa zinazobadilika: utambulisho kwa sauti, mienendo ya mwandiko, mapigo ya moyo, na mwendo. Chini ni kuvunjika kwa soko la biometriska miaka michache iliyopita. Kila chanzo kingine hubadilika kwa asilimia 15-20, kwa hivyo hii ni makisio tu. Pia hapa, chini ya dhana ya "jiometri ya mkono," kuna njia mbili tofauti zilizofichwa, ambazo zitajadiliwa hapa chini.

Katika makala haya tutazingatia sifa zile pekee zinazotumika katika mifumo ya udhibiti wa ufikiaji na usimamizi (ACS) au katika kazi zinazofanana nazo. Kwa sababu ya ubora wake, hizi kimsingi ni sifa tuli. Kati ya sifa zinazobadilika kwa sasa, utambuzi wa sauti pekee una angalau umuhimu fulani wa takwimu (unaolinganishwa na algoriti tuli mbaya zaidi FAR~0.1%, FRR~6%), lakini chini ya hali bora tu.
Ili kuhisi uwezekano wa FAR na FRR, unaweza kukadiria ni mara ngapi ulinganifu wa uwongo utatokea ikiwa utasakinisha mfumo wa utambulisho kwenye lango la shirika lenye wafanyakazi wa N. Uwezekano wa ulinganifu wa uwongo wa kichanganuzi cha alama za vidole kwa hifadhidata ya alama za vidole N ni FAR∙N. Na kila siku kuhusu watu wa N pia hupitia sehemu ya udhibiti wa ufikiaji. Halafu uwezekano wa makosa kwa siku ya kufanya kazi ni FAR∙(N∙N). Kwa kweli, kulingana na malengo ya mfumo wa kitambulisho, uwezekano wa kosa kwa kila kitengo cha wakati unaweza kutofautiana sana, lakini ikiwa tunakubali kosa moja kwa siku ya kazi kama inakubalika, basi:
(1)
Kisha tunaona kwamba uendeshaji thabiti wa mfumo wa kitambulisho katika FAR=0.1% =0.001 unawezekana kwa ukubwa wa wafanyakazi wa N≈30.

Scanner za biometriska

Leo, dhana za "algorithm ya biometriska" na "skana ya biometriska" sio lazima zihusishwe. Kampuni inaweza kuzalisha vipengele hivi kibinafsi, au kwa pamoja. Tofauti kubwa zaidi kati ya watengenezaji wa skana na watengenezaji wa programu imepatikana katika soko la bayometriki za muundo wa papilari za vidole. Kichanganuzi kidogo zaidi cha uso cha 3D kwenye soko. Kwa kweli, kiwango cha utofautishaji kwa kiasi kikubwa kinaonyesha maendeleo na kueneza kwa soko. Kadiri chaguo linavyoongezeka, ndivyo mada inavyofanyiwa kazi na kuletwa kwenye ukamilifu. Scanners tofauti zina seti tofauti za uwezo. Kimsingi ni seti ya vipimo vya kuangalia ikiwa kitu cha kibayometriki kimeingiliwa au la. Kwa vichanganuzi vya vidole hiki kinaweza kuwa kipimo cha mapema au ukaguzi wa halijoto, kwa vichanganuzi vya macho kinaweza kuwa kipimo cha malazi ya mwanafunzi, kwa vichanganuzi vya uso kinaweza kuwa usomaji wa uso.
Vichanganuzi huathiri sana takwimu zinazotokana na FAR na FRR. Katika hali nyingine, nambari hizi zinaweza kubadilika makumi ya nyakati, haswa katika hali halisi. Kwa kawaida, sifa za algoriti hutolewa kwa msingi fulani "bora", au kwa ufaao tu, ambapo fremu zenye ukungu na ukungu hutupwa. Ni algoriti chache tu zinaonyesha kwa uaminifu msingi na utoaji kamili wa FAR/FRR kwa ajili yake.

Na sasa kwa undani zaidi juu ya kila moja ya teknolojia

Alama za vidole

Dactyloscopy (utambuzi wa alama za vidole) ndiyo njia iliyoendelezwa zaidi ya kibayometriki ya utambuzi wa kibinafsi hadi sasa. Kichocheo cha maendeleo ya njia hiyo ilikuwa matumizi yake makubwa katika sayansi ya uchunguzi wa karne ya 20.
Kila mtu ana muundo wa pekee wa alama za vidole vya papilari, ambayo inafanya kitambulisho iwezekanavyo. Kwa kawaida, algorithms hutumia alama za tabia kwenye alama za vidole: mwisho wa mstari wa muundo, matawi ya mstari, pointi moja. Zaidi ya hayo, habari hutumiwa kuhusu muundo wa morphological wa alama za vidole: nafasi ya jamaa ya mistari iliyofungwa ya muundo wa papillary, "arched" na mistari ya ond. Vipengele vya muundo wa papilari hubadilishwa kuwa msimbo wa kipekee unaohifadhi maudhui ya habari ya picha ya vidole. Na ni "misimbo ya alama za vidole" ambayo huhifadhiwa kwenye hifadhidata inayotumiwa kutafuta na kulinganisha. Muda wa kubadilisha picha ya alama ya vidole kuwa msimbo na kuitambua kwa kawaida hauzidi sekunde 1, kulingana na ukubwa wa hifadhidata. Wakati uliotumika kuinua mkono wako hauzingatiwi.

Takwimu za SDK za VeriFinger zilizopatikana kwa kutumia kichanganuzi cha alama za vidole cha DP U.are.U zilitumika kama chanzo cha data ya FAR na FRR. Zaidi ya miaka 5-10 iliyopita, sifa za utambuzi wa vidole hazijafanya maendeleo makubwa, hivyo takwimu zilizo hapo juu zinaonyesha thamani ya wastani ya algorithms ya kisasa vizuri kabisa. Algoriti ya VeriFinger yenyewe ilishinda Shindano la Kimataifa la Uthibitishaji Alama za Vidole kwa miaka kadhaa, ambapo kanuni za utambuzi wa vidole zilishindana.

Thamani ya sifa ya FAR ya mbinu ya utambuzi wa alama za vidole ni 0.001%.
Kutokana na fomula (1) tunapata kwamba utendakazi thabiti wa mfumo wa kitambulisho katika FAR=0.001% unawezekana kwa ukubwa wa wafanyakazi wa N≈300.

Faida za mbinu. Kuegemea juu - viashiria vya takwimu vya njia ni bora kuliko viashiria vya njia za kitambulisho kwa uso, sauti, na uchoraji. Vifaa vya gharama nafuu vinavyochanganua picha ya alama ya vidole. Utaratibu rahisi wa skanning alama za vidole.
Hasara: muundo wa vidole vya papillary huharibiwa kwa urahisi sana na scratches ndogo na kupunguzwa. Watu ambao wametumia skana katika makampuni ya biashara yenye wafanyakazi mia kadhaa wanaripoti kiwango cha juu cha kushindwa kwa skanning. Wengi wa scanners hazitendei ngozi kavu kwa kutosha na haziruhusu watu wazee kupita. Wakati wa kuwasiliana kwenye maonyesho ya mwisho ya MIPS, mkuu wa huduma ya usalama wa biashara kubwa ya kemikali alisema kwamba jaribio lao la kuanzisha skana za vidole kwenye biashara (skana za mifumo mbali mbali zilijaribiwa) zilishindwa - mfiduo mdogo wa vitendanishi vya kemikali kwenye vidole vya wafanyikazi. ilisababisha kushindwa kwa mifumo ya usalama ya scanners - scanners zilitangaza vidole vya bandia. Pia hakuna usalama wa kutosha dhidi ya ughushi wa picha za alama za vidole, ambazo kwa kiasi fulani husababishwa na utumizi mkubwa wa njia hiyo. Kwa kweli, sio skana zote zinaweza kudanganywa na njia kutoka kwa MythBusters, lakini bado. Kwa watu wengine walio na vidole "visivyofaa" (joto la mwili, unyevu), uwezekano wa kunyimwa ufikiaji unaweza kufikia 100%. Idadi ya watu kama hao inatofautiana kutoka sehemu ya asilimia kwa skana za gharama kubwa hadi asilimia kumi kwa zile za bei nafuu.
Bila shaka, ni muhimu kuzingatia kwamba idadi kubwa ya mapungufu husababishwa na matumizi makubwa ya mfumo, lakini mapungufu haya yanapo na yanaonekana mara nyingi sana.

Hali ya soko

Hivi sasa, mifumo ya utambuzi wa alama za vidole inachukua zaidi ya nusu ya soko la biometriska. Makampuni mengi ya Kirusi na ya kigeni yanahusika katika uzalishaji wa mifumo ya udhibiti wa upatikanaji kulingana na njia ya utambulisho wa vidole. Kutokana na ukweli kwamba mwelekeo huu ni mojawapo ya kongwe zaidi, umeenea zaidi na ni kwa maendeleo zaidi. Vichanganuzi vya alama za vidole vimekuja kwa njia ndefu sana kuboresha. Mifumo ya kisasa ina vifaa vya sensorer mbalimbali (joto, shinikizo, nk) ambayo huongeza kiwango cha ulinzi dhidi ya bandia. Mifumo ya kila siku inakuwa rahisi zaidi na ngumu. Kwa kweli, watengenezaji tayari wamefikia kikomo fulani katika eneo hili, na hakuna mahali pa kuendeleza njia zaidi. Aidha, makampuni mengi yanazalisha mifumo iliyopangwa tayari ambayo ina kila kitu muhimu, ikiwa ni pamoja na programu. Waunganishaji katika eneo hili hawana haja ya kukusanyika mfumo wenyewe, kwa kuwa hii haina faida na itachukua muda na jitihada zaidi kuliko kununua mfumo tayari na tayari wa gharama nafuu, hasa tangu uchaguzi utakuwa pana sana.
Miongoni mwa makampuni ya kigeni yanayohusika na mifumo ya utambuzi wa vidole, mtu anaweza kutambua SecuGen (skana za USB kwa Kompyuta, scanners ambazo zinaweza kuwekwa katika makampuni ya biashara au kujengwa ndani ya kufuli, SDK na programu ya kuunganisha mfumo na kompyuta); Kampuni ya Bayometric Inc. (vichanganuzi vya alama za vidole, mifumo ya udhibiti wa TAA/Ufikiaji, SDK za alama za vidole, moduli zilizopachikwa za alama za vidole); DigitalPersona, Inc. (Vichanganuzi vya USB, SDK). Katika Urusi, makampuni yafuatayo yanafanya kazi katika eneo hili: BioLink (scanners za vidole, vifaa vya udhibiti wa upatikanaji wa biometriska, programu); Sonda (skana za vidole, vifaa vya kudhibiti ufikiaji wa kibayometriki, SDK); SmartLock (skana za vidole na moduli), nk.

Iris

Iris ya jicho ni tabia ya kipekee ya mtu. Mfano wa iris huundwa katika mwezi wa nane wa maendeleo ya intrauterine, hatimaye imetulia katika umri wa miaka miwili na kivitendo haibadilika katika maisha yote, isipokuwa kama matokeo ya majeraha makubwa au patholojia kali. Njia ni mojawapo ya sahihi zaidi kati ya mbinu za biometri.
Mfumo wa kitambulisho cha iris umegawanywa kimantiki katika sehemu mbili: kifaa cha kunasa picha, usindikaji wake wa msingi na usambazaji kwa kompyuta, na kompyuta ambayo inalinganisha picha na picha kwenye hifadhidata na kusambaza amri ya uandikishaji kwa kifaa cha mtendaji.
Muda msingi wa kuchakata picha ndani mifumo ya kisasa takriban 300-500ms, kasi ya kulinganisha picha iliyosababishwa na msingi ni kulinganisha 50,000-150,000 kwa pili kwenye PC ya kawaida. Kasi hii ya kulinganisha haitoi vikwazo juu ya matumizi ya njia katika mashirika makubwa wakati unatumiwa katika mifumo ya upatikanaji. Wakati wa kutumia kompyuta maalum na algorithms ya utaftaji wa utaftaji, inawezekana hata kutambua mtu kati ya wakaazi wa nchi nzima.
Ninaweza kujibu mara moja kuwa nina upendeleo na nina mtazamo mzuri kuelekea njia hii, kwani ilikuwa katika uwanja huu tulipozindua uanzishaji wetu. Aya mwishoni itatolewa kwa kujitolea kidogo.

Tabia za takwimu za mbinu

Tabia za FAR na FRR kwa iris ni bora zaidi katika darasa la mifumo ya kisasa ya biometriska (isipokuwa uwezekano wa njia ya utambuzi wa retina). Nakala hiyo inawasilisha sifa za maktaba ya utambuzi wa iris ya algorithm yetu - EyeR SDK, ambayo inalingana na algorithm ya VeriEye iliyojaribiwa kwa kutumia hifadhidata sawa. Tulitumia hifadhidata za CASIA zilizopatikana na skana zao.

Thamani ya sifa ya FAR ni 0.00001%.
Kulingana na fomula (1) N≈3000 ni idadi ya wafanyikazi wa shirika, ambapo kitambulisho cha mfanyakazi ni thabiti kabisa.
Hapa ni muhimu kuzingatia kipengele muhimu kinachofautisha mfumo wa kutambua iris kutoka kwa mifumo mingine. Unapotumia kamera yenye azimio la 1.3MP au zaidi, unaweza kunasa macho mawili katika fremu moja. Kwa kuwa uwezekano wa FAR na FRR ni uwezekano wa kujitegemea wa kitakwimu, wakati wa kutambua kutumia macho mawili, thamani ya FAR itakuwa takriban sawa na mraba wa thamani ya FAR kwa jicho moja. Kwa mfano, kwa FAR ya 0.001% kwa kutumia macho mawili, kiwango cha uwongo cha kukubalika kitakuwa 10-8%, na FRR mara mbili tu ya juu ya thamani inayolingana ya FRR kwa jicho moja kwa FAR=0.001%.

Faida na hasara za njia

Faida za mbinu. Kuegemea kwa takwimu ya algorithm. Kukamata picha ya iris inaweza kufanyika kwa umbali wa sentimita kadhaa hadi mita kadhaa, bila kuwasiliana kimwili kati ya mtu na kifaa. Iris inalindwa kutokana na uharibifu - ambayo inamaanisha kuwa haitabadilika kwa muda. Pia inawezekana kutumia idadi kubwa ya mbinu zinazolinda dhidi ya bandia.
Hasara za njia. Bei ya mfumo kulingana na iris ni ya juu kuliko bei ya mfumo kulingana na utambuzi wa vidole au utambuzi wa uso. Upatikanaji mdogo wa ufumbuzi tayari. Muunganishi yeyote anayekuja kwenye soko la Kirusi leo na kusema "nipe mfumo ulio tayari" atakuwa na uwezekano mkubwa wa kushindwa. Wengi wao huuza mifumo ya gharama kubwa ya turnkey imewekwa makampuni makubwa, kama vile Iridian au LG.

Hali ya soko

Kwa sasa mvuto maalum teknolojia za utambuzi wa iris katika soko la kimataifa la biometriska huchangia, kulingana na makadirio mbalimbali, kutoka asilimia 6 hadi 9 (wakati teknolojia za utambuzi wa alama za vidole zinachukua zaidi ya nusu ya soko). Ikumbukwe kwamba tangu mwanzo wa maendeleo ya njia hii, uimarishaji wake katika soko ulipunguzwa na gharama kubwa ya vifaa na vipengele muhimu ili kukusanya mfumo wa kitambulisho. Walakini, kadiri teknolojia za dijiti zinavyokua, gharama mfumo tofauti ilianza kupungua.
Kiongozi katika maendeleo ya programu katika eneo hili ni Iridian Technologies.
Kuingia sokoni idadi kubwa mtengenezaji alipunguzwa na ugumu wa kiufundi wa scanners na, kwa sababu hiyo, gharama zao za juu, pamoja na bei ya juu ya programu kutokana na nafasi ya ukiritimba wa Iridian kwenye soko. Mambo haya yaliruhusu makampuni makubwa tu kuendeleza katika uwanja wa utambuzi wa iris, uwezekano mkubwa tayari kushiriki katika uzalishaji wa baadhi ya vipengele vinavyofaa kwa mfumo wa kitambulisho (optics ya juu-azimio, kamera za miniature zilizo na mwanga wa infrared, nk). Mifano ya makampuni hayo ni pamoja na LG Electronics, Panasonic, OKI. Waliingia makubaliano na Iridian Technologies, na kama matokeo ya kazi ya pamoja, mifumo ifuatayo ya kitambulisho ilionekana: Iris Access 2200, BM-ET500, OKI IrisPass. Baadaye, mifano iliyoboreshwa ya mifumo iliibuka, shukrani kwa uwezo wa kiufundi wa kampuni hizi kujiendeleza kwa uhuru katika eneo hili. Inapaswa kuwa alisema kuwa makampuni ya juu pia yalitengeneza programu zao wenyewe, lakini mwisho wanapendelea programu ya Iridian Technologies katika mfumo wa kumaliza.
Washa Soko la Urusi bidhaa za makampuni ya kigeni "hutawala". Ingawa hata hiyo inaweza kununuliwa kwa shida. Kwa muda mrefu, kampuni ya Papillon iliwahakikishia kila mtu kuwa walikuwa na utambuzi wa iris. Lakini hata wawakilishi wa RosAtom, mnunuzi wao wa moja kwa moja, ambaye walifanya mfumo huo, wanasema kwamba hii si kweli. Wakati fulani, kampuni nyingine ya Kirusi ilionekana ambayo ilifanya scanners za iris. Sasa sikumbuki jina. Walinunua algorithm kutoka kwa mtu, labda kutoka kwa VeriEye sawa. Scanner yenyewe ilikuwa mfumo wa umri wa miaka 10-15, kwa njia yoyote isiyo na mawasiliano.
Katika mwaka jana, watengenezaji wapya kadhaa wameingia kwenye soko la kimataifa kutokana na kumalizika kwa hati miliki ya msingi ya utambuzi wa macho ya binadamu. Kuaminika zaidi kwao, kwa maoni yangu, ni AOptix. Angalau muhtasari wao na nyaraka hazitoi shaka. Kampuni ya pili ni SRI International. Hata kwa mtazamo wa kwanza, kwa mtu ambaye amefanya kazi kwenye mifumo ya kutambua iris, video zao zinaonekana kuwa za udanganyifu sana. Ingawa sitashangaa ikiwa kwa kweli wanaweza kufanya kitu. Mifumo yote miwili haionyeshi data kwenye FAR na FRR, na pia, inaonekana, haijalindwa kutokana na bandia.

Utambuzi wa uso

Kuna njia nyingi za utambuzi kulingana na jiometri ya uso. Yote inategemea ukweli kwamba sura ya uso na sura ya fuvu la kila mtu ni ya mtu binafsi. Eneo hili la bayometriki linaonekana kuvutia kwa wengi kwa sababu tunatambuana hasa kwa sura zetu. Eneo hili limegawanywa katika maeneo mawili: utambuzi wa 2-D na utambuzi wa 3-D. Kila mmoja wao ana faida na hasara, lakini mengi pia inategemea upeo wa maombi na mahitaji ya algorithm fulani.
Nitakuambia kwa ufupi kuhusu 2-d na kuendelea na mojawapo ya njia za kuvutia zaidi leo - 3-d.

Utambuzi wa uso wa 2-D

Utambuzi wa uso wa 2-D ni mojawapo ya mbinu za kibayometriki zisizofaa zaidi kitakwimu. Ilionekana muda mrefu uliopita na ilitumiwa hasa katika sayansi ya uchunguzi, ambayo ilichangia maendeleo yake. Baadaye, tafsiri za kompyuta za njia hiyo zilionekana, kama matokeo ambayo ikawa ya kuaminika zaidi, lakini, kwa kweli, ilikuwa duni na kila mwaka inazidi kuwa duni kuliko njia zingine za kibaolojia za kitambulisho cha kibinafsi. Hivi sasa, kwa sababu ya viashiria duni vya takwimu, hutumiwa katika multimodal au, kama vile inaitwa pia, biometriska ya msalaba, au katika mitandao ya kijamii.

Tabia za takwimu za mbinu

Kwa FAR na FRR, data ya algoriti za VeriLook zilitumika. Tena, kwa algorithms ya kisasa ina sifa za kawaida sana. Wakati mwingine algorithms na FRR ya 0.1% na FAR flash sawa na, lakini misingi ambayo zilipatikana ni ya shaka sana (kata background, kufanana usoni kujieleza, hairstyle kufanana, taa).

Thamani ya sifa ya FAR ni 0.1%.
Kutoka kwa formula (1) tunapata N≈30 - idadi ya wafanyakazi wa shirika, ambapo kitambulisho cha mfanyakazi hutokea kwa utulivu kabisa.
Kama unaweza kuona, viashiria vya takwimu vya njia ni ya kawaida kabisa: hii inaondoa faida ya njia ambayo inawezekana kupiga picha kwa siri katika maeneo yenye watu. Inafurahisha kuona jinsi mara kadhaa kwa mwaka mradi mwingine unafadhiliwa kugundua wahalifu kupitia kamera za video zilizowekwa katika maeneo yenye watu wengi. Zaidi ya miaka kumi iliyopita, sifa za takwimu za algorithm hazijaboreshwa, lakini idadi ya miradi hiyo imeongezeka. Ingawa, ni muhimu kuzingatia kwamba algorithm inafaa kabisa kwa kufuatilia mtu katika umati kupitia kamera nyingi.

Faida na hasara za njia

Faida za mbinu. Kwa utambuzi wa 2-D, tofauti na njia nyingi za biometriska, vifaa vya gharama kubwa hazihitajiki. Kwa vifaa vinavyofaa, utambuzi unawezekana kwa umbali mkubwa kutoka kwa kamera.
Mapungufu. Umuhimu mdogo wa takwimu. Kuna mahitaji ya taa (kwa mfano, haiwezekani kusajili nyuso za watu wanaoingia kutoka mitaani siku ya jua). Kwa algorithms nyingi, uingiliaji wowote wa nje haukubaliki, kama vile glasi, ndevu, au baadhi ya vipengele vya hairstyle. Picha ya mbele ya uso inahitajika, na kupotoka kidogo sana. Algorithms nyingi hazizingatii mabadiliko yanayowezekana katika sura za uso, ambayo ni, usemi lazima usiwe wa upande wowote.

Utambuzi wa uso wa 3-D

Utekelezaji wa njia hii ni kazi ngumu sana. Licha ya hili, kwa sasa kuna njia nyingi za utambuzi wa uso wa 3-D. Njia haziwezi kulinganishwa na kila mmoja, kwani hutumia skana tofauti na hifadhidata. Sio wote wanaotoa njia za FAR na FRR;
Njia ya mpito kutoka 2-d hadi 3-d ni njia ambayo inatekeleza mkusanyiko wa habari kuhusu mtu. Njia hii ina sifa bora zaidi kuliko njia ya 2d, lakini pia hutumia kamera moja tu. Wakati somo limeingizwa kwenye hifadhidata, mhusika hugeuza kichwa chake na algorithm inaunganisha picha pamoja, na kuunda template ya 3D. Na wakati wa utambuzi, muafaka kadhaa wa mkondo wa video hutumiwa. Njia hii ni ya majaribio na sijawahi kuona utekelezaji wa mifumo ya udhibiti wa ufikiaji.
Wengi njia ya classical ni mbinu ya makadirio ya muundo. Inajumuisha kuonyesha gridi ya taifa kwenye kitu (uso). Ifuatayo, kamera inachukua picha kwa kasi ya makumi ya fremu kwa sekunde, na picha zinazotokana zinasindika na programu maalum. Boriti inayoanguka juu ya uso uliopindika imeinama - kadiri mzingo wa uso unavyoongezeka, ndivyo bend ya boriti inavyokuwa na nguvu. Hapo awali, chanzo cha mwanga kinachoonekana kilitumiwa, kilichotolewa kwa njia ya "vipofu". Kisha mwanga unaoonekana ulibadilishwa na infrared, ambayo ina faida kadhaa. Kwa kawaida, katika hatua ya kwanza ya usindikaji, picha ambazo uso hauonekani kabisa au ambazo kuna vitu vya kigeni vinavyoingilia kati na kitambulisho hutupwa. Kulingana na picha zinazosababisha, mfano wa 3-D wa uso unajengwa upya, ambayo kelele zisizohitajika (hairstyle, ndevu, masharubu na glasi) zinaonyeshwa na kuondolewa. Kisha mfano huo unachambuliwa - vipengele vya anthropometric vinatambuliwa, ambavyo hatimaye vimeandikwa katika kanuni ya kipekee iliyoingia kwenye hifadhidata. Muda wa kukamata na kuchakata picha ni sekunde 1-2 kwa mifano bora.
Njia ya utambuzi wa 3-D kulingana na picha zilizopatikana kutoka kwa kamera kadhaa pia inapata umaarufu. Mfano wa hii ni kampuni ya Vocord yenye skana yake ya 3D. Njia hii inatoa usahihi wa nafasi, kulingana na watengenezaji, juu kuliko mbinu ya makadirio ya kiolezo. Lakini mpaka nione FAR na FRR angalau katika database yao wenyewe, sitaamini !!! Lakini imekuwa katika maendeleo kwa miaka 3 sasa, na maendeleo katika maonyesho bado hayaonekani.

Viashiria vya takwimu vya njia

Data kamili kwenye FRR na FAR ya algoriti za darasa hili haipatikani hadharani kwenye tovuti za watengenezaji. Lakini kwa mifano bora kutoka kwa Bioscript (3D EnrolCam, 3D FastPass), kufanya kazi kwa kutumia njia ya makadirio ya template na FAR = 0.0047%, FRR ni 0.103%.
Inaaminika kuwa kuegemea kwa takwimu ya njia hiyo ni sawa na kuegemea kwa njia ya utambulisho wa alama za vidole.

Faida na hasara za njia

Faida za mbinu. Hakuna haja ya kuwasiliana na kifaa cha kuchanganua. Unyeti mdogo kwa mambo ya nje, wote juu ya mtu mwenyewe (kuonekana kwa glasi, ndevu, mabadiliko ya hairstyle) na katika mazingira yake (taa, kugeuza kichwa). Kiwango cha juu cha kutegemewa kulinganishwa na kitambulisho cha alama za vidole.
Hasara za njia. Gharama kubwa ya vifaa. Mifumo inayopatikana kibiashara ilikuwa ghali zaidi kuliko skana za iris. Mabadiliko katika sura za uso na kelele za usoni huharibu uaminifu wa takwimu wa mbinu. Njia hiyo bado haijatengenezwa vizuri, hasa kwa kulinganisha na alama za vidole zilizotumiwa kwa muda mrefu, ambayo inafanya matumizi yake kuenea kuwa magumu.

Hali ya soko

Utambuzi na jiometri ya uso inachukuliwa kuwa moja ya "biometriki tatu kubwa", pamoja na kutambuliwa kwa alama za vidole na iris. Inapaswa kuwa alisema kuwa njia hii ni ya kawaida kabisa, na bado inapendekezwa zaidi ya kutambuliwa na iris ya jicho. Sehemu ya teknolojia ya utambuzi wa jiometri ya uso katika jumla ya soko la kimataifa la biometriska inaweza kukadiriwa kuwa asilimia 13-18. Katika Urusi, pia kuna riba kubwa katika teknolojia hii kuliko, kwa mfano, katika kitambulisho cha iris. Kama ilivyoelezwa hapo awali, kuna algorithms nyingi za utambuzi wa 3-D. Kwa sehemu kubwa, makampuni yanapendelea kuendeleza mifumo iliyopangwa tayari, ikiwa ni pamoja na scanners, seva na programu. Hata hivyo, pia kuna wale ambao hutoa SDK kwa watumiaji pekee. Leo, makampuni yafuatayo yanahusika katika maendeleo ya teknolojia hii: Geometrix, Inc. (Vitambazaji vya uso wa 3D, programu), Genex Technologies (skana za uso wa 3D, programu) nchini Marekani, Cognitec Systems GmbH (SDK, kompyuta maalum, kamera za 2D) nchini Ujerumani, Bioscrypt (skana za uso wa 3D, programu) - kampuni tanzu ya Marekani. kampuni L- 1 Identity Solutions.
Katika Urusi katika katika mwelekeo huu Kikundi cha Artec (skana za usoni za 3D na programu) hufanya kazi - kampuni ambayo ofisi yake kuu iko California, na maendeleo na uzalishaji hufanyika huko Moscow. Pia, makampuni kadhaa ya Kirusi yana teknolojia ya utambuzi wa uso wa 2D - Vocord, ITV, nk.
Katika uwanja wa utambuzi wa uso wa 2D, somo kuu la maendeleo ni programu, kwa sababu ... kamera za kawaida hufanya kazi nzuri ya kunasa picha za usoni. Suluhisho la tatizo la kutambuliwa kutoka kwa picha ya uso kwa kiasi fulani limefikia mwisho - kwa miaka kadhaa sasa kumekuwa hakuna uboreshaji katika viashiria vya takwimu vya algorithms. Katika eneo hili, "kazi ya makosa" ya utaratibu inafanyika.
Utambuzi wa uso wa 3D sasa ni eneo la kuvutia zaidi kwa wasanidi programu. Timu nyingi hufanya kazi huko na tunasikia mara kwa mara kuhusu uvumbuzi mpya. Kazi nyingi ziko katika hali ya "kukaribia kutolewa". Lakini hadi sasa kuna matoleo ya zamani tu kwenye soko, kwa miaka iliyopita uchaguzi haujabadilika.
Moja ya mambo ya kufurahisha ambayo mimi hufikiria wakati mwingine na ambayo yanaweza kujibiwa na Habr: je, usahihi wa kinect unatosha kuunda mfumo kama huo? Kuna miradi michache ya kuvuta mfano wa 3D wa mtu kupitia hiyo.

Kutambuliwa na mishipa ya mkono

Hii ni teknolojia mpya katika uwanja wa biometriska, matumizi yake yaliyoenea yalianza miaka 5-10 tu iliyopita. Kamera ya infrared inachukua picha za nje au ndani ya mkono. Mfano wa mishipa hutengenezwa kutokana na ukweli kwamba hemoglobini katika damu inachukua mionzi ya infrared. Kama matokeo, kiwango cha kutafakari hupunguzwa na mishipa huonekana kwenye kamera kama mistari nyeusi. Mpango maalum Kulingana na data iliyopokelewa, inaunda ubadilishaji wa dijiti. Hakuna mawasiliano ya binadamu na kifaa cha kuchanganua inahitajika.
Teknolojia hiyo inalinganishwa na kuegemea kwa utambuzi wa iris, kuwa bora kwa njia fulani na duni kwa zingine.
Thamani za FRR na FAR zimetolewa kwa skana ya Palm Vein. Kulingana na msanidi programu, na FAR ya 0.0008%, FRR ni 0.01%. Hakuna kampuni inayotoa grafu sahihi zaidi kwa thamani kadhaa.

Faida na hasara za njia

Faida za mbinu. Hakuna haja ya kuwasiliana na kifaa cha kuchanganua. Kuegemea juu - viashiria vya takwimu vya njia vinalinganishwa na usomaji wa iris. Siri ya tabia: tofauti na yote hapo juu, tabia hii ni ngumu sana kupata kutoka kwa mtu "barabara," kwa mfano, kwa kumpiga picha na kamera.
Hasara za njia. Scanner haipaswi kuwa wazi kwa jua au taa za halogen. Baadhi ya magonjwa yanayohusiana na umri, kama vile arthritis, huzidisha sana FAR na FRR. Njia hiyo haijasomwa kidogo kwa kulinganisha na njia zingine za kibaolojia tuli.

Hali ya soko

Utambuzi wa mifumo ya mshipa wa mkono ni teknolojia mpya kabisa, na kwa hivyo sehemu yake katika soko la dunia ni ndogo na inafikia karibu 3%. Hata hivyo, kuna ongezeko la riba katika njia hii. Ukweli ni kwamba, kuwa sahihi kabisa, njia hii hauhitaji vifaa vya gharama kubwa kama, kwa mfano, mbinu za utambuzi kulingana na jiometri ya uso au iris. Sasa makampuni mengi yanaendelea katika eneo hili. Kwa mfano, kwa amri ya kampuni ya Kiingereza TDSi, programu ilitengenezwa kwa msomaji wa mshipa wa mitende ya biometriska PalmVein, iliyotolewa na Fujitsu. Scanner yenyewe ilitengenezwa na Fujitsu kimsingi ili kukabiliana na ulaghai wa kifedha nchini Japani.
Makampuni yafuatayo pia yanafanya kazi katika uwanja wa kitambulisho cha muundo wa mshipa: Veid Pte. Ltd. (skana, programu), Hitachi VeinID (skana)
Sijui makampuni yoyote nchini Urusi yanayofanya kazi kwenye teknolojia hii.

Retina

Hadi hivi karibuni, iliaminika kuwa njia ya kuaminika zaidi ya kitambulisho cha biometriska na uthibitishaji wa kibinafsi ilikuwa njia ya msingi ya skanning retina. Ina sifa bora za kitambulisho cha iris na mshipa wa mkono. Scanner inasoma muundo wa capillaries kwenye uso wa retina. Retina ina muundo wa kudumu, bila kubadilika kwa muda isipokuwa kama matokeo ya ugonjwa, kama vile cataract.
Uchunguzi wa retina hutumia mwanga wa chini wa infrared unaoelekezwa kupitia mboni hadi mishipa ya damu iliyo nyuma ya jicho. Vichanganuzi vya retina vimeenea katika mifumo ya udhibiti wa ufikiaji kwa vifaa nyeti sana, kwa kuwa vina mojawapo ya asilimia ya chini zaidi ya kunyimwa ufikiaji kwa watumiaji waliosajiliwa na kwa kweli hakuna ruhusa ya ufikiaji yenye makosa.
Kwa bahati mbaya, shida kadhaa hutokea wakati wa kutumia njia hii ya biometriska. Scanner hapa ni mfumo mgumu sana wa macho, na mtu haipaswi kusonga kwa muda mrefu wakati mfumo unalenga, ambayo husababisha hisia zisizofurahi.
Kulingana na EyeDentify, kwa kichanganuzi cha ICAM2001 chenye FAR=0.001%, thamani ya FRR ni 0.4%.

Faida na hasara za njia

Faida. Kiwango cha juu cha kuegemea kwa takwimu. Kutokana na kuenea kwa chini kwa mifumo, uwezekano wa kuendeleza njia ya "kuwadanganya" ni mdogo.
Mapungufu. Ni ngumu kutumia mfumo na wakati wa usindikaji wa juu. Gharama kubwa ya mfumo. Ukosefu wa soko pana na, kwa sababu hiyo, kiwango cha kutosha cha maendeleo ya njia.

Jiometri ya mikono

Njia hii, ambayo ilikuwa ya kawaida miaka 10 iliyopita na ilitokana na uhalifu, imekuwa ikipungua katika miaka ya hivi karibuni. Inategemea kupata sifa za kijiometri za mikono: urefu wa vidole, upana wa mitende, nk. Njia hii, kama retina ya jicho, inakufa, na kwa kuwa ina sifa za chini sana, hatutaleta maelezo kamili zaidi yake.
Wakati mwingine inaaminika kuwa mifumo ya utambuzi wa mishipa hutumia njia za utambuzi wa kijiometri. Lakini hatujawahi kuona kitu kama hiki kikitajwa waziwazi kwenye mauzo. Na zaidi ya hayo, mara nyingi wakati wa kutambua kwa mishipa, picha ya mitende tu inachukuliwa, wakati wa kutambua kwa jiometri, picha ya vidole inachukuliwa.

PR kidogo

Wakati mmoja, tulitengeneza algorithm nzuri ya utambuzi wa macho. Lakini wakati huo, jambo la juu-tech halikuhitajika katika nchi hii, na hatukutaka kwenda kwa bourgeoistan (ambapo tulialikwa baada ya makala ya kwanza). Lakini ghafla, baada ya mwaka mmoja na nusu, kulikuwa na wawekezaji ambao walitaka kujijengea "portal ya biometriska" - mfumo ambao ungelisha macho 2 na kutumia sehemu ya rangi ya iris (ambayo mwekezaji alikuwa na hati miliki ya ulimwengu). Kwa kweli, hii ndio tunayofanya sasa. Lakini hii sio nakala kuhusu self-PR, hii ni utaftaji mfupi wa sauti. Ikiwa mtu yeyote ana nia, kuna habari fulani, na wakati mwingine katika siku zijazo, tunapoingia soko (au sio), nitaandika maneno machache hapa kuhusu ups na chini ya mradi wa biometriska nchini Urusi.

hitimisho

Hata katika darasa la mifumo ya biometriska tuli, kuna uteuzi mkubwa wa mifumo. Je, unapaswa kuchagua yupi? Yote inategemea mahitaji ya mfumo wa usalama. Mifumo ya ufikiaji inayoaminika zaidi kitakwimu na sugu ya kughushi ni mifumo ya ufikiaji ya iris na mshipa wa mkono. Kwa wa kwanza wao, kuna soko pana la ofa. Lakini hii sio kikomo. Mifumo ya utambuzi wa kibayometriki inaweza kuunganishwa ili kufikia usahihi wa angani. Ya gharama nafuu na rahisi kutumia, lakini kwa takwimu nzuri, ni mifumo ya uvumilivu wa vidole. Ustahimilivu wa uso wa 2D ni rahisi na wa bei nafuu, lakini una anuwai ndogo ya programu kwa sababu ya utendakazi duni wa takwimu.
Hebu fikiria sifa ambazo kila moja ya mifumo itakuwa na: upinzani dhidi ya bandia, upinzani wa mazingira, urahisi wa matumizi, gharama, kasi, utulivu wa kipengele cha biometriska kwa muda. Wacha tuweke makadirio kutoka 1 hadi 10 katika kila safu. Kadiri alama inavyokaribia 10, ndivyo mfumo bora katika suala hili. Kanuni za kuchagua tathmini zilielezewa mwanzoni mwa kifungu.


Pia tutazingatia uwiano wa FAR na FRR kwa mifumo hii. Uwiano huu huamua ufanisi wa mfumo na upana wa matumizi yake.


Inafaa kukumbuka kuwa kwa iris, unaweza kuongeza usahihi wa mfumo karibu mara nne, bila kupoteza muda, ikiwa unachanganya mfumo kwa kuifanya kwa macho mawili. Kwa njia ya vidole - kwa kuchanganya vidole kadhaa, na kutambuliwa kwa mishipa, kwa kuchanganya mikono miwili, lakini uboreshaji huo unawezekana tu kwa ongezeko la muda uliotumiwa kufanya kazi na mtu.
Kwa muhtasari wa matokeo ya njia, tunaweza kusema kwamba kwa vitu vya kati na kubwa, na vile vile kwa vitu vilivyo na mahitaji ya juu zaidi ya usalama, iris inapaswa kutumika kama ufikiaji wa kibaolojia na, ikiwezekana, kutambuliwa na mishipa ya mkono. Kwa vifaa vilivyo na hadi wafanyikazi mia kadhaa, ufikiaji kwa kutumia alama za vidole utakuwa bora. Mifumo ya utambuzi kulingana na picha za uso za 2D ni maalum sana. Wanaweza kuhitajika katika hali ambapo utambuzi unahitaji kutokuwepo kwa mawasiliano ya kimwili, lakini haiwezekani kufunga mfumo wa udhibiti wa iris. Kwa mfano, ikiwa ni muhimu kumtambua mtu bila ushiriki wake, kwa kutumia kamera iliyofichwa, au kamera ya nje ya kugundua, lakini hii inawezekana tu ikiwa kuna idadi ndogo ya masomo katika hifadhidata na mtiririko mdogo wa watu waliopigwa picha. kamera.

Vidokezo kwa mafundi vijana

Watengenezaji wengine, kwa mfano Neuroteknolojia, wana matoleo ya onyesho ya mbinu za kibayometriki wanazozalisha zinazopatikana kwenye tovuti yao, ili uweze kuziunganisha kwa urahisi na kucheza karibu. Kwa wale wanaoamua kuangazia shida hiyo kwa umakini zaidi, ninaweza kupendekeza kitabu pekee ambacho nimeona kwa Kirusi - "Mwongozo wa Biometrics" na R.M. Mpira, J.H. Connell, S. Pankanti. Kuna algorithms nyingi na mifano yao ya hisabati. Sio kila kitu kimekamilika na sio kila kitu kinalingana na nyakati za kisasa, lakini msingi ni mzuri na wa kina.

P.S.

Katika opus hii sikuingia kwenye shida ya uthibitishaji, lakini niligusa tu juu ya kitambulisho. Kimsingi, kutokana na sifa za FAR/FRR na uwezekano wa kughushi, hitimisho zote kuhusu suala la uthibitishaji hujipendekeza.

Unaweza kupendezwa na nyenzo zifuatazo

Mita za gesi

Mfumo wa joto

Usambazaji wa maji

Mfumo wa uingizaji hewa

Radiators

Mabomba ya maji

2024 Kuhusu starehe nyumbani. Mita za gesi. Mfumo wa joto. Usambazaji wa maji. Mfumo wa uingizaji hewa