طراحی و پیاده سازی سخت افزاری طبقه بندی کننده بهینه شده تصاویر اثرانگشت مبتنی بر مدل های یادگیری ماشین

شناسایی و تشخیص هویت با استفاده از اثر انگشت دارای قدمت بیش از یکصد سال بوده و یکی از متداول ترین وپرکاربردترین روش های احراز هویت مبتنی بر ویژگی های زیستی انسان می باشد که از اعتبار علمی و تجربی بالایی برخوردار است و روز به روز بر گستره کاربردهای آن افزوده می گردد. اثرانگشت ها الگوهایی هستند که توسط خلل و فرج و خطوط روی انگشت ایجاد شده اند. در اصطلاح رایج به خطوط مرتفع که اثرانگشت را شکل می دهند پشته وبه بخش های پایین بین پشته ها دره می گوییم. اشکال ساخته شده توسط پشته ها یک مجموعه از نقاطی را می سازندکه هرکدام با نامی مشخص شناخته می شوند. به منظور افزایش سرعت عملیات مقایسه و تطبیق یک اثر انگشت مجهول با کلیه آثار موجود در بانک اطلاعاتی سعی می شود آثار انگشتان را به دسته های مختلف و متمایزی تقسیمنمود تا عملیات جستحو صرفا در یک طبقه خاص معمول گردد. لذا روش های مختلفی برای طبقه بندی اثر انگشتابداع گردیده است. در اغلب این روش ها عمل طبقه بندی بر اساس تعداد و موقعیت نقاط مینوت در اثر انگشت انحاممی پذیرد. در این مقاله عملیات طبقه بندی تصاویر اثر انگشت صورت گرفته است. برای استخراج ویژگی از نقاطمینوت استفاده شده است یعنی نقاط انشعایی و انتهایی استخراج شده به عنوان بردار ویژگی درنظر گرفته شده ودرانتها از روش های کاهش ابعاد نظیر PCA و LDA برای کاهش ابعاد بردارهای ویژگی دادگان استفاده شده است.این سیستم روی پایگاه داده ای متشکل از ۳۲۰ تصویر از ۴۰ شرکت کننده ازمایش شده و به نتایج با دقت بسیار بالاییدست پیدا کرده است. همچنین مدل نهایی برای ابحاد یک سیستم سخت افزاری بی وقفه تشخیص اثر انگشت بر روییک سخت فزار NodeMCU پیاده سازی شده و به نتایج مطلوبی رسیده است.

Keywords:

اثرانگشت , تشخیص هویت , نقاط مینوت , یادگیری ماشین , پیاده سازی سخت افزاری