تخزين ومقارنة المعلومات البيومترية

Question

بشكل عام ، نستخدم القياسات الحيوية في تطبيقات الكمبيوتر يقول للمصادقة. دعنا نحصل على مثالين على مطبوعات الإصبع والتعرف على الوجه.

في تلك الحالات كيف نحتفظ بالمعلومات للمقارنة. على سبيل المثال ، لا يمكننا الاحتفاظ بالصورة ومعالجتها في كل مرة. إذن ما هي المنهجيات التي نستخدمها لتخزين/تحديد التشابه في مثل هذه الحالات؟ هل هناك أي خوارزميات خاصة مصممة لهذه الأغراض.؟ (على سبيل المثال: لإرجاع قيمة متساوية تقريبًا لطباعة إصبع شخص معين في كل مرة)

Answer 1

معظم تقنيات الذكاء الاصطناعي لا تعمل على البيانات الأولية مثل الصور. تعمل بشكل عام على أ ميزة المتجه: يفضل أن يكون تمثيلًا مدمجًا وذكيًا للبيانات الأصلية. بشكل عام ، يحتوي متجه الميزة على عدد ثابت من القيم العددية أو الاسمية (الميزات). على سبيل المثال ، في الاعتراف بالوجه ، يكون متجه الميزات الشائع عبارة eigenface. لست على دراية بالتعرف على بصمات الأصابع ، لكنني أتخيل أن متجهات الميزة المستخدمة هناك مجموعة من الأرقام التي تصف بطريقة أو بأخرى الأنماط المرصودة في صورة طباعة الإصبع.

بشكل عام ، عند تدريب بعض طريقة التعلم الآلي على مجموعة من صور الوجه أو بصمات الأصابع ، يمكنك حساب متجهات الميزة المقابلة لهذه الصور وتخزينها في قاعدة بيانات. لم تعد الصور الأصلية تستخدم. تتم جميع المعالجة اللاحقة على متجهات الميزة المقابلة.

لمقارنة مثيل جديد غير مرئي بقاعدة بيانات الحالات التي تم تعلمها مسبقًا ، يتم حساب متجه الميزة للمثيل الجديد ومقارنته بقاعدة بيانات متجهات الميزات المخزنة. قد يتم ذلك بعدة طرق. مثال واحد يستخدم عادة في التعرف على القزحية هو مسافة هامينغ.

Answer 2

في حالة تحليل بصمات الأصابع ، سمعت عن الأشخاص الذين يستخدمون مواقع نقاط الميزات (التشعبات وما إلى ذلك) لتناسب المعلمات من قبل كثير الحدود ، ثم تخزين المعلمات للمطابقة عندما يريد شخص ما التحقيق في المعرض. (يبدو أن عملية المطابقة تعمل على ما يبدو من خلال تقليل مصطلح الخطأ المشتق بين معلمات المجس والمعرض.) لم أفعل ذلك بنفسي أبدًا ، لأنني أعمل في الغالب مع القزحية ، ولكن قد يكون الأمر يستحق البحث عنه.

Answer 3

يعمل جميع المطابقة البيومترية مع البيانات المصنعة تسمى القوالب. يتم أخذ هذه البيانات من صورة ثابتة أو نموذج مأخوذ من التقاط ديناميكي ، كما أخبر TC سابقًا. تُستخدم هذه القوالب لمطابقة العملية وهي بيانات فريدة تحتاج إلى الاحتفاظ بها. يتم تخزين الصور فقط للاختبار أو في القضايا الجنائية عندما يحتاج الخبير إلى تحليل الصور واتخاذ نتيجة نهائية.

إلى قوالب بصمات الأصابع ، لدينا 3 معايير دولية أكثر استخدامًا: ISO 19497-2 و ISO-378 و XYT. إذا كنت تستخدم أي واحد من المعيارين الأولين ، فإن البيانات الثنائية لها عمومًا 500 بايت من الطول. تحتاج XYT إلى مساحة أكبر لأن ملف نصي مع الموضع والزاوية والجودة لجميع Minutea ، بشكل عام حوالي 1 كيلو بايت. عينة من الاستخراج والمطابقة التي يمكنك رؤيتها في موقع NIST. لذلك إذا كنت تريد برنامجًا أكثر دقة وسريعة ، فستحتاج إلى SDK تجاري.

للعمل مع الوجوه برنامج مجاني هو OpenCV.