در گذشته سیستم های بیومتریکی مبتنی بر اثر انگشت برای مسایل پلیسی و جنایی مورد استفاده قرار می گرفت اما امروزه این سیستمها برای موارد کنترلی و امنیتی سازمان ها و ادارات نیز استفاده می شود.

                                                         

اخذ تصویر

 

قدیمی ترین روش همان روش استفاده از کاغذ و جوهر است در این شیوه ابتدا سطح انگشت را به جوهر اغشته کرده و سپس روی کاغذ می غلتانند.برای وارد کردن تصویر به دست امده به یک سیستم کامپیوتری از یک پویشگر تخت استفاده می شود. تصویر بدست امده از این روش بسیار اعوجاج داشته و حتی در تشخیص بصورت دستی نیز نیازمند یک فرد خبره است.روش دیگری که امروزه در بسیاری از سیستم ها از ان استفاده می شود بکارگیری دوربین هایCCD  است.

در روش اخیر که اصطلاحا اسکن زنده نیز نامیده می شود دستیابی به تصویری با کیفیت خوب امکان پذیر است.چهار تکنیک برای اسکن زنده وجود دارد که به آنها اشاره می کنیم:

 

تکنیک نوری

ماورا صوت

میدان الکتریکی

تکنیک حرارتی

 

در کلیه این تکنیک ها سطح انگشت با قسمت خاصی از دستگاه در تماس قرار گرفته و تصویر اخذ می شود.

در تکنیک نوری انگشت بر روی یک منشور قرار می گیرد و به آن نور تابیده شده و با اندازه گیری میزان نور بازگشتی از هر قسمت، تصویری از اثر انگشت شکل می گیرد. در روش ماورا صوت با توجه به میزان انرژی صوتی منعکس شده از سطح انگشت برای آشکار سازی لبه ها و شیارها استفاده میشود.حسگرهای میدان الکتریکی بر اساس اندازه گیری اختلاف ظرفیت الکتریکی سطح انگشتی که حسگر را لمس می کند عمل میکنند و در نهایت حسگر های حرارتی با اندازه گیری اختلاف دمای سطح پوست، شیارها و لبه های اثر انگشت را نمایان میسازد.

 

روش اسکن زنده، تصویر نسبتا خوبی از اثر انگشت ارایه میدهد.اما هنوز هم عواملی چون خشکی پوست، بیماری های پوستی، عرق، کثیفی و چربی باعث بوجود امدن اعوجاج درتصویر اثر انگشت می شوند.در هر دو روش سنتی و اسکن زنده عواملی باعث بروز اختلاف در دو نسخه از یک اثر انگشت می شوند که در زیر به آنها اشاره می کنیم:

 

انتقال: تفاوت در موقعیت مکانی نسخه های مختلفی که از اثر انگشت گرفته می شود.

چرخش: ناشی از چرخش انگشت هنگام اخذ اثر انگشت است.

مقیاس: از اختلاف فشاری که فرد در هر بار اخذ اثر انگشت به سطح دستگاه یا کاغذ وارد می کند ناشی می شود.

 

اختلاف در اثر انگشت به دلیل عواملی چون بیماری های پوستی، سوختگی و عرق وجود دارد. با وجود این که اسکن زنده تصویری با کیفیت خوب از اثر انگشت در اختیار ما قرار می دهد اما باز هم مکانیزم هایی به موازات آن برای اخذ اثر انگشت به صورت کنترل شده به کار می رود. در اخذ اثر انگشت به صورت کنترل شده میزان فشاری که فرد در هر بار اخذ به سطح دستگاه وارد می کند توسط یک حسگر فشار اندازه گیری شده و به عنوان یک پارامتر ورودی به سیستم داده می شود بدین طریق می توان باز هم کارایی سیستم را افزایش داد.

 

 

طبقه بندی اثر انگشت

 

طبقه بندی اثر انگشت در سیستم های تعیین هویت مورد استفاده قرار می گیرد.هدف از طبقه بندی اثر انگشت این است که بانک داده را تا حد امکان به بخش های کوچکتری تقسیم کنیم..در سیستم های تعیین هویت تنها بخشی از بانک داده که از حیث طبقه متناظر با اثر انگشت ورودی است مورد جستجو قرار می گیرد.درسیستم هایی که با جمعیت های کم کار می کنند می توان از رده ای که اثر انگشت به ان متعلق است به عنوان تنها ویژگی برای تعیین یا تایید هویت فرد استفاده کرد.از جمله قدیمی ترین سیستم طبقه بندی مورد استفاده در سیستم های دستی روشی است که توسط هنری ارائه شده است.در این طبقه بندی 5 رده وجود دارد که به ترتیب

 

راست – حلقه، چپ –حلقه،پیچشی ، کمانی و کمانی خیمه ای نامیده می شود.

تعیین طبقه برای یک اثر انگشت با توجه به جهت امتداد لبه ها در اطراف هسته و همچنین تعداد و چگونگی قرار گرفتن نقاط هسته و دلتا صورت می گیرد.در موارد کمی نمی توان یک اثر انگشت را به یک طبقه خاص نسبت داد و همواره در هر نوع سیستم طبقه بندی یک طبقه با نام طبقه غیر مترقبه در نظر گرفته می شود و چنین اثر انگشتی را به این طبقه نسبت می دهند.

طبقه بندی ارائه شده برای فرایندی دستی طبقه بندی مناسبی است،چرا که ضوابط بیان شده برای نسبت دادن یک اثر انگشت به یک رده خاص بسیار شفاف و واضح است.در یک سیستم خودکار بهتر است تا با بیشتر کردن تعداد رده ها بانک داده را به بخش های کوچکتری تقسیم کنیم.اما به دلیل واضح بودن سیستم طبقه بندی ارائه شده اکثر سیستم های خودکار امروزی نیز از همین طبقه بندی استفاده می کنند.

 

 

استخراج ویژگی های موجود در اثر انگشت

 

خصوصیات اصلی در یک اثر انگشت لبه ها (برجستگی ها) و شیارها ( فرو رفتگی ها) هستند که بصورت یک در میان قرار دارند.لبه ها و شیارها بصورت محلی دارای جهت یکسانی بوده و موازی می باشند.در خطوط لبه بی نظمی های مانند دو شاخه شدن خط لبه و پایان یافتن خط لبه دیده می شود در چنین حالتی اصطلاحا می گوییم با عدم پیوستگی محلی مواجه گشته ایم. که چنین نقاطی را ویژگی می نامند.

رایج ترین ویژگی هایی که امروزه از اثر انگشت استخراج می شود ویژگی هایی هستند که توسط Galton معرفی شدند.در ابتدا این شخص چهار ویژگی معرفی کرد، اما بعد ها این ویژگی توسط افراد دیگری هم توسعه پیدا کرد و تا هجده ویژگی معرفی شد.

استخراج خودکار کلیه ویژگی های معرفی شده توسط کامپیوتر بسیار مشکل بوده و حتی استخراج ان ها بصورت دستی نیز نیاز به تخصص دارد. در اکثر سیستم های خودکار امروزی فقط به استخراج دو ویژگی خاص با نام های پایان – لبه و دو شاخه که ریزه نامیده می شود بسنده می شود.این دو ویژگی خاص بیشتر از ویژگی های دیگر در یک اثر انگشت قابل مشاهده است و الگوریتم های استخراج ان از قابلیت اعتماد بیشتری برخوردار می باشد.شناسایی اثر انگشت بر اساس تحلیل ریزه های استخراج شده انجام میشود.بنابراین قابلیت اجرا و کارایی سیستم خودکار شناسایی اثر انگشت به دقت ریزه های استخراج شده بستگی دارد.

البته تعداد زیادی از روش ها برای کشف ریزه های اثر انگشت وجود دارد در بیشتر این روش ها تصاویر سیاه و سفید (سطح خاکستری) اثر انگشت را به یک تصویر باینری (دو سطحی) تبدیل می کند.

طی این فاز لبه ها از شیارها کاملا تفکیک می شود. سپس یک فرایند نازک سازی که باعث می شود تا لبه ها به منحنی هایی با عرض یک نقطه تبدیل شوند بر روی تصویر باینری انجام می دهند.در مرحله بعد ریزه ها از تصویر باینری نازک سازی شده، استخراج میشوند. البته تبدیل تصویر سطح خاکستری به تصویر باینری ممکن است بسیاری از اطلاعات ریزه ها را از بین ببرد و عملیات بسیار حساسی است.همچنین فرایند نازک سازی داخلی از نظر محاسباتی بسیار پیچیده است.

روش استخراج ریزه های بررسی شده در این پروژه بر اساس الگوریتم دنبال کردن خط لبه است.در این الگوریتم جهت لبه ها و مشخصه های ساختاری خطوط لبه مانند عرض و فاصله خطوط لبه به صورت خودکار از تصویر سطح خاکستری اثر انگشت براورد می شوند.

برای بدست اوردن نتایج قابل اطمینان در استخراج ریزه ها تصویر اثر انگشت ورودی تحلیل می شود و پارامتر های خطوط لبه براورد می شوند. سپس الگوریتم دنبال کردن خط لبه برای استخراج ریزه ها بکار می رود.برای حفظ هر اثر انگشت، مرز های تطبیق توافقی برای حذف ریزه های نا معتبر خارج از محدوده مورد نظر تولید و برای تعیین مقدار کمی ریزه ها از مفهوم مجموعه های فازی روی لبه ها استفاده می شود.اگر ریزه های بدست امده معتبر باشند،در یک بانک اطلاعاتی ثبت میشوند و در غیر این صورت به مرحله تطبیق می روند.خصوصیاتی از اثر انگشت که در یک سیستم خودکار ذخیره می شود شامل موقعیت مکانی، جهت و نوع ریزه ها است.بدین ترتیب مساله تطبیق دو اثر انگشت به تطبیق دو گراف یا دو مجموعه از نقاط منتهی می شود.تحقیقاتی که در طی یکصد سال گذشته صورت گرفته یکتا بودن الگوی اثر انگشت بر اساس ریزه را برای جمعیت های زیاد تضمین می کند.بر روی یک تصویر کامل از اثر انگشت بین 50 تا 150ریزه قابل استخراج است و در یک سیستم خودکار استخراج و تطبیق حدود 10 ریزه برای نتیجه گیری در مورد یکسان بودن دو اثر انگشت کافی می باشد.مشکل عمده سیستم های امروزی که بر اساس ریزه کار می کنند کیقیت پاین تصاویر اثر انگشت و در نتیجه عدم وجود الگوریتم های قابل اعتماد در استخراج ریزه است.همواره این احتمال وجود دارد که یک ریزه به اشتباه استخراج شود و یا ریزه ای که وجود دارد استخراج نشود.مساله استخراج اشتباه یک ویژگی در مورد دیگر ویژگی های معرفی شده به جز ریزه ها شدیدتر می باشد. در بعضی سیستم ها ویژگی های دیگری نیز علاوه بر ریزه ها استخراج میشوند.یکی از رایج ترین این ویژگی ها تعداد لبه ای است که توسط خط واصل بین دو ریزه قطع می شود.از دیگر این ویژگی ها میتوان به حفره های موجود بر روی بعضی لبه ها اشاره کرد.

حجم محاسبات برای استخراج ویژگی های یک اثر انگشت بسیار بالا می باشد. و این مساله به خصوص در سیستم های On Line مشکل بوجود می اورد.

در بخش هایی از اثر انگشت که از کیفیت مطلوبی برخوردار نیستند تعداد زیادی ویژگی کاذب استخراج می شود که واقعا وجود ندارند.برای کاهش حجم محاسبات و صرفه جویی در وقت الگوریتم استخراج ویژگی بر روی کلیه قسمت های تصویر اعمال نمیشود.بلکه ابتدا با محاسبات ساده تری سعی می شود تا قسمت هایی که دارای کیفیت بهتری هستند مشخص شوند و سپس تنها در این قسمت ها به استخراج ویژگی پرداخته می شود.

بدین طریق هم سرعت سیستم را افزایش داده ایم و هم به قابلیت اعتماد مکانیزم استخراج ویژگی افزوده ایم.در کنار این دو مزیت، این روش دارای یک عیب نیز می باشد و ان اینست که با کنار گذاشتن قسمت هایی از اثر انگشت از درجه یکتایی ان کاسته می شود

در یک اثر انگشت ویژگی هایی وجود دارد که برای فرایند طبقه بندی بسیار مناسب می باشد.که این ویژگی ها نقاط هسته و دلتا نام دارند.که با نام نقاط تکین نیز شناخته می شوند.که با استفاده از نقشه جهتی استخراج نقاط هسته و دلتا میسر می شود.

نقشه جهتی(Direction Map) ماتریسی است که هر درایه از ان متناظر با محلی روی تصویر اثر انگشت بوده و مقدار هر درایه جهت غالب لبه ها و شیارها را در موقعیت مورد نظر نشان می دهد.

 

درباره جعل اثر انگشت و ساخت اثر انگشت جعلی چقدر اطلاعات دارید، اگر دوست دارید راجع به آن بیشتر بدانید، بر روی لینک آن در خط بالا کلیک کنید. 


تطبیق اثر انگشت

 

تطبیق فرایندی است که طی ان میزان شباهت دو اثر انگشت اندازه گیری می شود.در اکثر سیستم ها از ریزه ها برای تطبیق دادن دو اثر انگشت استفاده می شود.

در روشی موسوم به بانک فیلتر ابتدا تصویر اثر انگشت به بخشهایی تقسیم می شود سپس در هر بخش فیلتری موسوم به Gabor Filter را با زاویه های مختلف اعمال کرده و به ازای هر زاویه انحراف معیار برای ناحیه مورد نظر محاسبه می شود.

با توجه به این که Gabor Filter یک فیلتر جهتی است و لبه های اثر انگشت نیز در هر ناحیه دارای یک جهت غالب می باشد اعمال فیلتر با زاویه های مختلف باعث می شود که لبه ها تضعیف یا تقویت شوند.اگر زاویه انتخاب شده برای فیلتر برابر یا نزدیک به جهت غالب لبه ها در ناحیه مورد نظر باشد ان ها را تقویت خواهد کرد و در غیر این صورت باعث تضعیف یا کم رنگ تر شدن لبه ها می شود.در هر بار بکارگیری فیلتر انحراف معیار برای ناحیه مورد نظر محاسبه شده و مجموعه انحراف معیار های محاسبه شده بردار ویژگی متناظر با اثر انگشت مورد نظر را تشکیل می دهد.در فاز تطبیق این بردار های ویژگی هستند که با هم مقایسه می شوند.

 

سیستم های تطبیق مبتنی بر ریزه می توانند به یکی از این دو شیوه عمل کنند :

در تطبیق نقاط، موقعیت مکانی ، نوع ریزه و جهت لبه ای که ریزه بر روی ان قرار گرفته به عنوان خصوصیات اثر انگشت ذخیره شده و سپس در فاز تطبیق بررسی می شود که چند ریزه به خصوصیات یکسان بر روی هم ردیف می شوند.

برای بررسی این موضوع دو اثر انگشت به گونه ای بر روی هم قرار می گیرند که بیشترین ریزه با خصوصیات یکسان بر روی هم ردیف شوند.سپس این تعداد شمرده شده و با مقدار حد استانه مقایسه می شود و تصمیم لازم نیز اتخاذ می گردد.

در روش تطبیق ساختاری،دیگر به موقعیت مکانی ریزه ها توجهی نمی شود بلکه ساختار اطراف ان و یا به عبارت دیگر نوع ریزه هایی که در همسایگی یک ریزه قرار دارند به عنوان خصوصیات ان مد نظر قرار می گیرد.بدین صورت یک زیر گراف برای یک ریزه تشکیل می گردد و این زیر گراف های ریزه ها هستند که با هم تطبیق داده می شوند.