Friday November 24 , 2017

ยินดีต้อนรับสู่เวปไซด์ บริษัท ฟิงแทรค จำกัด

การตรวจสอบลายนิ้วมือ (Finger Print Identification)

ในบรรดาเทคโนเลยีชีวภาพ ( biometric ) เทคนิคการตรวจสอบลายนิ้วมือเป็นวิธีที่เก่าแก่ที่สุดที่มีการใช้งานได้จริงและเป็นที่นิยมใช้งานจำนวนมาก บุคคลแต่ละคนต่างมีลักษะณะเฉพาะได้ไม่ซ้ำกันและลายนิ้วมือไม่มีกาเปลี่ยนรูป ลายนิ้วมือประกอบด้วยชุดของสัน (ridges) และ ร่อง (furrows )บนพื้นผิวของนิ้วมือ เอกลักษณ์ของลายนิ้วมือสามารถพิจารณาจากรูปแบบของสัน (ridges)และ ร่อง( furrows) ที่รู้จักกันดีในชื่อ จุด "มินูเช่" ซึ่งหายถึงจุดแยก จุดตัด และจุดสิ้นสุดของลายนิ้วมือ

Fingerscan เครื่องสแกนลายนิ้วมือเครื่องสแกนลายนิ้วมือ FingerscanFingerscan เครื่องสแกนลายนิ้วมือ

Fingerscan เครื่องสแกนลายนิ้วมือ

เทคนิคการตรวบสอบลายนิ้วมือสามารถแบ่งออกเป็นสองประเภท คือ minutae - based และ correlation based เทคนิคที่ใช้ minutae - based เริ่มจาการค้นหาจุดตัด จุดแยกของลายนิ้วมมือ แล้วทำแผนที่ตำแหน่งของจุดต่างๆเหล่านั้นเพื่อใช้เปรียบเทียบตำแหน่ง แต่มีปัญหาบางอย่างเมื่อใช้วิธีการนี้ เพราะบางครั้งก็เป็นการยากที่จะระบุจุด minutiae ได้อย่างถูกต้องแม่นยำหากลายนิ้วมือไม่มีความชัดเจนเพียงพอ นอกจากนี้วิธีการนี้ยังไม่ได้คำนึงถึงรูปแบบการวางตัวของ สัน( ridegs)และร่อง (furrows)ของลายนิ้วมือ เทคนิค correlation-based สามารถที่จะเอามาใช้ทดแทนความบกพร่องของ เทคนิค minutiae-based ได้ในกรณีนี้ แต่เทคนิคนี้ก็ยังมีข้อบกพร่องในตัวเองตรงที่ต้องคาดหมายจุดหมายการลงทะเบียน และได้รับผลกระทบจากการแปลงภาพ และการหมุน

การจับคู่ลายนิ้วมือโดยใช้จุดตัด (Minutiae ) มีปัญหาในการจับคู่กรณีด้านที่ต่างๆกัน ไม่ถูกบันทึกข้อมูล ในรูปแบบ minutaie โครงสร้างสัน (ridge) ทั้งหมดไม่สามารถกำหนดได้อย่างสมบูรณ์โดยเทคนิค minutiae เรากำลังพยายามหาทางเลือกซึ่งจะเก็บข้อมูลในพื้นที่มากขึ้นและให้ข้อมูลระบุความยาวของรหัสของลายนิ้วมือ การจับคู่ที่หวังว่าจะเป็นจุดร่วมระหว่างการคำนวณระยะทางแบบยุคลิดจะระหว่างสองรหัส

เรากำลังพัฒนา algorithms ที่มีความคงทนต่อสัญญาณรบกวนในภาพลายนิ้วมือ และนำเสนอความถูกต้องมากขึ้นแบบ real-time ระบบการตรวจสอบลายนิ้วมือที่ใช้ในเชิงพาณิชย์ หรือเครื่องสแกนลายนิ้ว (fingerscan)มือในท้องตลาด ต้องกำหนดค่า False Reject Rate (FAR) ต่ำมากสำหรับการรับ False Accept Rate (FAR) นี้เป็นเรื่องยากมากที่จะบรรลุทำให้สำเร็จได้โดยใช้เทคนิคในเทคนิคหนึ่ง เราจะตรวจสอบวิธีเพื่อรวบรวมปรเด็นที่ได้จากเทคนิคการจับคู่แบบต่างๆเพื่อเพิ่มความถูกต้องโดยรวมของระบบ ในทางปฏิบัติจริง, เซ็นเซอร์สแกนลายนิ้วมือ, ระบบการได้มา และการประเมินความเปลี่ยนแปลงในประสิทธิภาพของระบบ ช่วงเวลาดังกล่าวเป็นสิ่งที่สำคัญมาก นอกจากนี้เรายังต้องทดสอบภาคสนามโดยรจำกัดจำนวนของผู้ใช้ในการประเมินประสิทธิภาพของระบบในช่วงเวลาหนึ่ง

การจำแนกลายนิ้วมือ :


ลายนิ้วมือจำนวนมากจะถูกเก็บรวบรวมและจัดเก็บไว้ในชีวิตประจำวันในช่วงข้อมูลที่กว้างของการใช้งานรวมทั้งการพิสูจน์หลักฐาน (forensics )การควบคุมการเข้าออก (Access Control )และการลงทะเบียนใบอนุญาตขับรถ (driver license registration )ระบบรู้จำคนส่วนมากเป็นระบบอัตโนมัติที่ต้องใช้ลายนิ้วมือเป็น input เข้าจับคู่ กับลายนิ้วมือในฐานข้อมูลจำนวนมาก (ฐานข้อมูลเอฟบีไอมีประมาณ 70 ล้านลายนิ้วมือ!) เพื่อลดเวลาในการค้นหาและความซับซ้อนในการคำนวณจึงมีความจำเป็นที่จะต้องจำแนกลายนิ้วมือเหล่านี้ในลักษณะที่เป็นหมวดหมู่ที่อดคล้องกันเพื่อ ลายนิ้วมือ input จะต้องถูกจับคู่กับชุดย่อยเฉพาะของลายนิ้วมือในฐานข้อมูล
แทนที่จะตรวจสอบจากฐานข้อมูลทั้งหมด

เครื่องสแกนลายนิ้วมือเครื่องสแกนลายนิ้วมือ FingerscanFingerscan เครื่องสแกนลายนิ้วมือ

Fingerscan เครื่องสแกนลายนิ้วมือFingerscan เครื่องสแกนลายนิ้วมือ

การจำแนกลายนิ้วมือเป็นเทคนิคในการกำหนดลายนิ้วมือเป็นรูปแบบที่กำหนดไว้ล่วงหน้าหลายๆรูปแบบขึ้นแล้วจัดเป็นโครงสร้างที่สามารถให้กลไกการจัดทำดัชนีได้ การจำแนกลายนิ้วมือสามารถมองได้อีกอย่างว่าเป็นะการจับคู่ลายนิ้วมืออย่างหยาบ ลายนิ้วมือ input ลายนิ้วมือหนึ่งขั้นแรกจะถูกจับคู่อย่างหยาบไปยังหนึ่งในรูปแบบที่กำหนดไว้ล่วงหน้า แล้วในระดับละเอียดนั้น ลายนิ้วมือจะถูกนำไปเทียบกับส่วนย่อยของฐานข้อมูลที่มีประเภทของลายนิ้วมือที่เป็นรูปแบบเดียวกันเท่านั้น เราได้พัฒนาขั้นตอนวิธีการในการจำแนกลายนิ้วมือออกเป็นห้ารูปแบบ คือ whorl ,right loop, left loop, arch, และ tented arch , Algorithms จะจำแนกจำนวน สัน ในสี่ทิศทาง (0 องศา, 45 องศา, 90 องศาและ 135 องศา)โดยการกลั่นกรองจากส่วนกลางของลายนิ้วมือกับจุดรับฝากของตัวกรอง Gabor ข้อมูลนี้จะถูก quantized เพื่อสร้าง FingerCode ซึ่งจะใช้สำหรับการจัดหมวดหมู่ การจัดหมวดหมู่ของเราจะขึ้นอยู่กับตัวจําแนกแบบสองระดับที่ใช้ชื่อว่า การจำแนกแบบ K - nearest neighbor ในระดับแรกและ เรียกว่า set of neural nerworks ในระดับที่สอง ผู้จำแนกจำแนกทดสอบ 4,000 ภาพใน ฐานข้อมูล NIST - 4 สำหรับการจำแนกออกเป็นห้าแบบมีความถูกต้องความน่าเชื่อถือ 90% การจำแนกออกเป็นสี่รูปแบบโดยรวม รูปแบบ arch และ tented arch เป็นรูปแบบเดียวกันเรสามารถที่จะได้ค่าความถูกต้อง 94.8% หากทดสอบโดยรวมการปฏิเสธตัวเลือก, ความน่าเชื่อถือจะเพิ่มขึ้นถึง 96% สำหรับการจัดหมวดหมู่ห้ารูปแบบและ 97.8% สำหรับการจัดหมวดหมู่สี่รูปแบบ เมื่อ 30.8% ของภาพถูกปฏิเสธ

การปรับปรุงภาพลายนิ้วมือ :


ขั้นตอนที่สำคัญในการจับคู่ลายนิ้วมือคือการเชื่อถือได้คือของการคัดแยกจุดตัดออกจากภาพลายนิ้วมือโดยอัตโนมัติ แต่ประสิทธิภาพของขั้นตอนวิธีการคัดแยกจุดตัดจำต้องอาศัยศัยคุณภาพของภาพลายนิ้วมือที่บันทึกเข้ามา เพื่อให้มั่นใจว่าผลการตรวจพิสูจน์ลายนิ้วมืออัตโนมัติ / ระบบการตรวจสอบจะมีประสิทธิภาพ ไม่คลาดเคลื่อนไปจาดภาพลายนิ้วมือ เป็นสิ่งสำคัญในการรวมขั้นตอนวิธีการเพิ่มประสิทธิภาพของลายนิ้วมือในโมดูลการคัดแยกจุดตัด เราได้พัฒนา algorithms ในการเพิ่มคุณภาพลายนิ้วมือ การเพิ่มคุณภาพลายนิ้วมือทำได้โดยการปรับปรุงความชัดเจนของโครงสร้างสันและร่องลายนิ้วมือของภาพที่ใส่โดยประมาณจากการวางตัวของฐานสันลายนิ้วมือ ตำแหน่งและความถี่ เราได้ประเมินผลการปฏิบัติงานของขั้นตอนวิธีการปรับปรุงภาพโดยใช้ดัชนีของการคัดแยกจุดตัดและความถูกต้องของระบบการตรวจสอบลายนิ้วมือแบบออนไลน์ ผลการทดลองแสดงให้เห็นว่าการรวมขั้นตอนวิธีการเพิ่มประสิทธิภาพของดัชนีทั้งช่วยเพิ่มคุณภาพและความแม่นยำในการตรวจสอบ

 

Fingerprint Identification

By Salil Prabhakar, Anil Jain

http://www.cse.msu.edu


ผลิตภัณฑ์ที่เกี่ยวข้อง : เครื่องสแกนลายนิ้วมือ , Fingerscan

Fingerscan Products

More Recent Articles:

Relate Articles

More Recent Articles: