هدف از انجام این پروژه طراحی و پیاده سازی یک سیستم است که تصویر دو اثر انگشت ورودی که برای احراز هویت به آن داده میشود را با هم مقایسه کرده و عددی را به عنوان میزان تشابه آن برگرداند. سپس برای پذیرش احراز هویت، یک آستانه را برای میزان شباهت تعیین کند که اگر میزان شباهت از آن مقدار بیشتر بود، سیستم آن مقایسه را به عنوان تطبیق بپذیرد و در غیر اینصورت آن را رد کند. این حد آستانه باید به گونه ای باشد که خطا روی پایگاه داده آزمون، کمترین میزان باشد. منظور از خطا، جمع مقدار FAR¹ و FRR² می‌باشد.

• برای دریافت داده‌های آموزش و آزمون لطفا به آزمایشگاه دکتر آنالویی مراجعه نمایید.

۱. مقدمه

با توجه به افزایش روزافزونِ اهمیت و کاربرد تشخیص هویت در دنیای امروزه،اهمیت روش های تشخیص هویت نیز روز به روز افزایش پیدا می کند.یکی از روش های تشخیص هویت،علم بیومتریک یا زیست سنجشی³ است.در این علم سعی می شود با توجه به مشخصات رفتاری یا فیزیولوژی انسان،هویت او تعیین شود.تشخیص هویت از روی وزن،قد، اثر انگشت،صورت،شبکیه یا عنبیه چشم و هندسه دست نمونه هایی از تشخیص فیزیولوژی و شناسایی از طریق امضا،صدا،،نحوه راه رفتن⁴ و میزان فشار بر روی کیبرد هنگام تایپ کردن⁵ نمونه هایی از تشخیص رفتاری انسان است.حال به بررسی معایب و مزایای هر کدام از روش های فوق می پردازیم.

۲. مقایسه تکنولوژی های بیومتریک

قبل از مقایسه تکنولوژی های بیومتریک،نیاز به تعریف پارامتر های اندازه گیری برای این تکنولوژی ها داریم.این پارامتر ها عبارتند از:

+ عمومیت یا فراگیری:⁶
تعداد افرادی که شامل این ویژگی هستند را مشخص می کند.

+ یکتایی: ⁷
احتمال اینکه دو فرد متفاوت دارای یک ویژگی برابر نباشند توسط این ویژگی بیان می شود.هر چه قدر میزان این ویژگی بیشتر بیان شده باشد میزان یکتایی افراد بر اساس این ویژگی بیشتر است.

+ دوام و بقا: ⁸
تغییر نکردن ویژگی را با گذر زمان مشخص می کند.

+ جمع آوری : ⁹
راحتی جمع آوری و اندازه گیری ویژگی را بیان می کند.این ویژگی را قابلیت ارزیابی نیز نامیده اند.

+ کارایی : ¹⁰
میزان دقت و مقبول بودن نتایج سیستم ما را نشان می دهد.

+ مقبولیت: ¹¹
میزان علاقه مردم به استفاده از تکنولوژی مورد نظر را نشان می دهد.

+ دور زدن: ¹²
پایین بودن امکان تقلب و دور زدن سیستم را توسط فرد غیرمجاز نشان می دهد.

با توجه به پارامتر های فوق،جدول زیر محاسن و معایب هر کدام از روش ها را بیان می کند:

---

دلایل فراگیر شدن تشخیص اثر انگشت:
مهم ترین دلایل فراگیر شدن تشخیص اثر انگشت عبارت است از:

• موفقیت این شیوه در کاربرد های مختلف قضایی،دولتی،تجاری و... در حدی که حتی در تلفن های همراه جدید نیز استفاده می شود.

• باقی ماندن اثر انگشت مجرمان در صحنه جرم دلیل دیگر استفاده از این روش است

• وجود پایگاه داده کاملی از آثار انگشت(به طوری که تا سال 2000 بیش از 70 میلیون اثر انگشت مختلف در پایگاه داده FBI موجود بوده است)

• وجود دستگاه های ثبت اثر انگشت ارزان قیمت و کم حجم

یک سیستم تشخیص اثر انگشت هم برای مقایسه و هم برای تعیین هویت استفاده می شود:
+ مقایسه:
در این حالت،سیستم اثر انگشت ورودی را با انگشت ثبت شده یک کاربر خاص مقایسه می کند تا تعیین کند آیا هر دو اثر به یک انگشت مربوط هستند یا خیر.
+ تعیین هویت:
در حالت تعیین هویت،سیستم اثر انگشت ورودی را با کل نمونه های درون پایگاه داده مقایسه می کند تا غیر مجاز بودن یا تکراری بودن یک کاربر مشخص شود.مثلا مکان های صدور ویزا در آمریکا از سال 2004 تا کنون دارای این سیستم هستند تا افراد تحت تعقیب،مجرمان،تروریست ها و افراد متخلف را شناسایی شوند.

قبل از وارد شدن به طرح راه حل و کارهای مرتبط برای این پروژه، نیاز مند آشنایی با انواع سنسور های ثبت اثر انگشت و چگونگی تشخیص اثر انگشت هستیم.

۳. دستگاه های ثبت اثر انگشت:

براساس نوع دریافت اثر انگشت،دستگاه ها به دو مدل اسکن زنده¹³ و آفلاین¹⁴ تقسیم می شوند.در مدل های آفلاین،اثر انگشت توسط آغشته کردن انگشتان به جوهر و فشار دادن انگشتان بر روی کاغذ و عکس برداری یا اسکن از کاغذ،دریافت می شود.در حالیکه روش اسکن زنده با دیجیتال کردن اثر انگشتی که سنسور ها را لمس کرده عمل می کند.مهمترین مورد استفاده روش های آفلاین، تشخیص اثر انگشت مجرم در محل جرم است.اسکنر های دیجیتالی را بر اساس رزولوشن،تعداد پیکسل،مساحت سنسور،دقت و.... دسته بندی می کنند.
اسکنر های دیجیتالی زنده به پنج دسته بصری¹⁵ ، خازنی¹⁶،حرارتی¹⁷ ،فشاری¹⁸و فراصوت¹⁹ تقسیم می شوند.در شکل زیر ،نمونه ای از اثر انگشت که توسط هر کدام از اسکنر های فوق به دست آمده را می بینیم:

علاوه بر اسکنر های بیان شده،حسگر های جارویی نیز به دلیل اندازه کوچک و قیمت پایین،کاربرد وسیعی در لپ تاپ ها،تلفن های همراه هوشمند،تبلت ها و سایر وسایل تجاری دارند. این اسکنر ها از طریق حرکت دست بر روی سطح اسکنر و سر هم کردن تکه های اسکن شده به دست می آیند.نمونه ای از این سنسور ها که توسط شرکت سامسونگ در گوشی های پرچم دار خود استفاده می شود را در تصویر زیر خواهیم دید:

۴. چگونگی تشخیص اثر انگشت:

پوست کف دست و کف پای²⁰ ما،الگویی متحرک از خط ها و شیارها را به وجود می آورد.در تمام قسمت های کف دست و پای ما،به صورت پیوسته پوست ما با خطوط نازکی چین خورده است.این خطوط برجسته روی انگشت را خطوط اصطکاکی²¹ می نامیم.از طریق این خطوط ،به دلیل افزایش اصطکاک با اجسام،دست می تواند اشیا را نگه دارد و همچنین حس لامسه در تماس با سطح اشیا افزایش می یابد.علاوه بر موارد فوق،به وسیله همین خطوط اصطکاکی هویت افراد تشخیص داده می شود.زیرا این خطوط برای هر یک از انگشتان دست هر فرد منحصر به فرد و غیر قابل تغییر است.به عبارت دیگر به کمک اثر انگشت حتی می توان دوقلوهای همسان را از یکدیگر تمیز داد.جراحات سطحی ناشی از بریدگی یا سوختگی های عادی در سطح انگشتان،تنها به صورت موقت الگوی خطوط را از ناحیه آسیب دیده از بین می برند و پس از بهبود آسیب دیدگی،این خطوط دوباره ظاهر می شوند.طبق تحقیقات رویان شناسی،این خطوط اصطکاکی در ماه چهارم بارداری ظاهر می شود و تا هفته هجدهم برجسته نخواهند شد.به عقیده پژوهشگران رویان شناسی،این خطوط اصطکاکی تنها تحت تاثیر فاکتور های ژنتیکی قرار نمی گیرد و کشش های فیزیکی تصادفی هنگام رشد جنین نیز بر شکل گیری این الگو ها تاثیر خواهند گذاشت.
به طور کلی الگوهای اصلی اثر انگشت به سه دسته کمانی²²، حلقه ای²³ و مارپیچی²⁴ تقسیم می شوند که شکل زیر نشان دهنده آنهاست:

توسط این الگو ها می توان خصوصیاتی از قبیل مینوشیا را دریافت نمود که در قسمت آزمایش ها توضیح خواهیم داد.

۵. کارهای مرتبط

در مقاله انطباق اثر انگشت خانم جین(مرجع شماره [2])،کمی در مورد تاریخچه تشخیص اثر انگشت صحبت می شود که قسمت هایی از آن در قسمت مقدمه آورده شده است.سپس در مورد الگوریتم های انطباق اثر انگشت صحبت می شود و دلایل استفاده بیشتر از روش مبتنی بر مینوشیا را توضیح می دهد.در این روش از ساختار محلی مینوشیا برای یافتن سریع یک انطباق نسبی بین دو نمونه اثر انگشت استفاده و از انطباق کامل دو نمونه اطمینان حاصل می شود.این الگوریتم شامل 4 مرحله است که توضیح این مراحل در بحث ما نمی گنجد.همانطور که در اول مطلب بیان شد،در این سیستم ها با دو نوع خطا مواجه هستیم:
خطای نوع اول FAR یا FMR²⁵ نامیده می شود.تشخیص مثبت اشتباه زمانی رخ می دهد که سیستم برای بررسی یک اثر انگشت ثبت نشده،نتیجه مثبت(انطباق)را بازمی گرداند.
خطای نوع دوم FNR یا FNMR²⁶نامیده می شود.تشخیص منفی اشتباه زمانی رخ می دهد که سیستم برای یک اثر انگشت ثبت شده،نتیجه منفی(تطابق اشتباه یا عدم تطابق)را باز می گرداند.در سیستم هایی که امنیت زیادی نیاز ندارند و سرعت بیشتر از امنیت اهمیت دارد،در اولویت اول سعی می شود FNMR کمتری نسبت به FMR داشته باشند.مثلا سیستم های مبتنی بر اثر انگشت مجموعه دیزنی،با نرخ بسیار پایین FNMR کار می کنند،اما در عوض نرخ FMR بالایی دارند.از سوی دیگر،سیستم تشخیص اثر انگشت یک عابربانک به کمترین نرخ FMR نیاز دارد در نتیجه FNMR بالایی خواهد داشت.
در نتیجه کاهش هم زمان نرخ هر دوی این خطاها غیر ممکن است و کاهش یکی از این خطاها با افزایش دیگری اتفاق می افتد.

---

در مقاله خانم آرنتس (مرجع شماره [3])از یک شبکه عصبی Neocognitron برای تشخیص هویت استفاده شده است.همانطور که می دانید استفاده اصلی شبکه عصبی Neocognitron برای تشخیص دستخط است ولی می توان از محاسن این شبکه عصبی برای تشخیص هویت نیز استفاده کرد.در این مقاله نیز از استخراج مینوشیا استفاده شده است و نرخ تشخیص برای یک مسئله 8 کلاسه که هر کلاس از 20 نمونه تشکیل شده بالای 90% است

---

در مقاله جین (مرجع شماره [8])در مورد امکان وجود تعداد بالای نمونه ها برای بررسی صحبت شده است و در آن به 70 میلیون اثر انگشت موجود در پایگاه داده FBI اشاره شده است.به همین دلیل نیاز به یک سیستم چند کاناله برای بررسی تشخیص هویت توسط اثر انگشت را بررسی می کند

۶. آزمایش‌ها

۷. کارهای آینده

۸. مراجع

[1] Maltoni, Davide, et al. Handbook of fingerprint recognition. springer, 2009.
[2]Anil K. Jain, Jianjiang Feng, Karthik Nandakumar, "Fingerprint Matching", Computer, vol.43, February 2010
[3]Milene Arantes, Alessandro Noriaki Ide, Jose Hiroki Saito ,"A System For Fingerprint Minutiae Classification And Recognition"
[4]Tsai-Yang Jea, Venu Govindaraju,"A minutia-based partial fingerprint recognition system"
[5]Xudong Jiang*, Wei-Yun Yau, Wee Ser,"Detecting the fingerprint minutiae by adaptive tracing the gray-level ridge"
[6]Alessandro Farina, Zsolt M. Kovacss-vajna,Alberto Leone."Fingerprint minutiae extraction from skeletonized binary images"
[7]Andrew K . Hrechak and James A . McHugh,"Automated Fingerprint Recognition Using Structural Matching"
[8]Anil K. Jain,Salil Prabhakar, Lin Hong,"A Multichannel Approach to Fingerprint Classification"
[9]Anil K,Lin Hong."A personal Identification system using faces and fingerprints"
[10]D. K. Isenor and S. G. Zakyt."Fingerprint Identification Using Graph Matching"

[11]ناصر مزینی،منیره عبدوس"تطبیق بخشی از اثرانگشت با استفاده از ویژگی ترکیبی مبتنی بر مشخصه های اصلی"نشریه علمی پژوهشی انجمن کامپیوتر ایران،1387

۹. پیوندهای مفید

• Biometric System Laboratory

• Biometrics Research Group