نوع مدرک: | متون چاپی |
سرشناسه | صبوری ، شکوه، نویسنده |
ردهبندی کنگره : | COM soft 42 1400 |
عنوان : | ارائه یک سیستم شناسایی چند بیومتریک مبتنی بر ویژگیهای عمیق برای شناسایی افراد از طریق ترکیب چهره و اثر انگشت و عنبیه |
عنوان موازی : | The Presentation of a Multibiometric Identification System Based on the Deep Features for Person Identification Via Fusion of Face and Fingerprint and Iris |
ناشر: | دانشگاه شهید اشرفی اصفهانی: اصفهان |
سال نشر : | 1400 |
صفحه شمار: | ز،78ص |
شابک/شاپا | 24095 |
یادداشت | پایان نامه کارشناسی ارشد: رشته مهندسی کامپیوتر گرایش نرم افزار |
شناسه افزوده : | اکبری کوپایی ، مهدی، استاد راهنما |
توصیفگرها | تشخیص چهره تشخیص عنبیه ویژگی عمیق شناسایی افراد شبکههای عصبی عمیق Face Recognition Iris Recognition Deep Features Person Identification Deep Neural Networks |
چکیده : | با رشد تکنولوژیهای نوین شناسایی مبتنی بر بیومتریک به عنوان یک روش قابل اعتماد برای شناسایی خودکار افراد به شدت مورد توجه واقع شده است. ویژگیهای بیومتریک بدلیل منحصر بفرد بودن و عدم توانایی در جعل آنها در مقایسه با روشهای شناسایی سنتی مبتنی بر کدها و کارتها، بسیار قابل اعتمادتر هستند. در تلاشهای اخیر محققان سعی در ترکیب چندین بیومتریک مختلف برای ارائه سیستمهای شناسایی دقیقتر دارند، چراکه در سیستمهای مبتنی بر یک بیومتریک احتمال بروز خطا افزایش مییابد. در برخی از روشهای ترکیبی از بیومتریکهای چهره و اثر انگشت استفاده نمودهاند که هر یک از آنها میتوانند بدلایل مختلفی مثل سن و آسیبدیدگی کاملا ناکارآمد شوند. از اینرو انتخاب بیومتریکهایی که کمتر در معرض تغییرات و آسیب دیدگی باشند میتواند در ارائه یک سیستم شناسایی کارآمد موثرتر واقع گردد. در این راستا در این تحقیق یک سیستم شناسایی ترکیبی مبتنی بر سه بیومتریک عنبیه، اثر انگشت و چهره ارائه شده است. در این روش ترکیب بیومتریکهای فوق در دو سطح ویژگی و امتیاز انجام شده است. برای استخراج ویژگیهای مناسب از سه بیومتریک فوق از شبکههای عصبی عمیق کانولوشن ساده و پیش آموزش دیده استفاده شده است. نتایج تجربی این روش بر روی پایگاه داده مجازی تشکیل شده از سه پایگاه داده CASIA-IRIS، YaleB و FVC2000 نشان میدهد که ترکیب در سطح ویژگی بدلیل استفاده از ویژگیهای عمیق و عدم وابستگی مدل به حداقل آستانه میتواند نتایج بهتری ارائه دهد. علاوه بر این نتایج روش نشان میدهد که استفاده از معماریهای عمیق پیش آموزش دیده جهت استخراج ویژگی از بیومتریک چهره باعث شده است که این بیومتریک در مقایسه با دو بیومتریک دیگر در تشخیص دقیق مدل تاثیر بیشتری داشته باشد. روش پیشنهادی در ترکیب در سطح ویژگی و در سطح امتیاز به نرخ تشخیص 100% رسیده است که نشان میدهد در مقایسه با روش پیشین بدلیل انتخاب روشهای استخراج ویژگی مناسب موفقتر عمل نموده است و در مقایسه با روش پیشین بدلیل انتخاب سه بیومتریک جامعیت بیشتری دارد |
لینک ثابت رکورد: | ../opac/index.php?lvl=record_display&id=13244 |
زبان مدرک : | فارسی |