تشخیص هویت و طبقه بندی افراد مبتنی بر ویژگی های استخراج شده از رنگدانه های عنبیه چشم
عنوان مقاله: تشخیص هویت و طبقه بندی افراد مبتنی بر ویژگی های استخراج شده از رنگدانه های عنبیه چشم
شناسه ملی مقاله: ITCC01_201
منتشر شده در کنفرانس بین المللی پژوهش های کاربردی در فناوری اطلاعات، کامپیوتر ومخابرات در سال 1394
شناسه ملی مقاله: ITCC01_201
منتشر شده در کنفرانس بین المللی پژوهش های کاربردی در فناوری اطلاعات، کامپیوتر ومخابرات در سال 1394
مشخصات نویسندگان مقاله:
میلاد مالکی پور - دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه آزاد اسلامی واحد دزفول
مرتضی ریحان پور - دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه آزاد اسلامی واحد دزفول
محمدرضا نوری مهر - استاد کامپیوتر و هوش مصنوعی دانشگاه آزاد اسلامی واحد دزفول و استاد و مدیر گروه علوم و تحقیقات واحد اهواز
خلاصه مقاله:
میلاد مالکی پور - دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه آزاد اسلامی واحد دزفول
مرتضی ریحان پور - دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه آزاد اسلامی واحد دزفول
محمدرضا نوری مهر - استاد کامپیوتر و هوش مصنوعی دانشگاه آزاد اسلامی واحد دزفول و استاد و مدیر گروه علوم و تحقیقات واحد اهواز
با استفاده از یک سیستم تشخیص بیولوژیکی می توان به شناسایی افراد دست پیدا کرد. این سیستمبر اساس ویژگی های منحصر به فرد متعلق به هر شخص کار می کند. عنبیه ی انسان یکی از ویژگیهای بیومتریک برای الگو شناسی می باشد.در حال حاضر سیستم تشخیص افراد از روی عنبیه یچشم دقیق ترین و قابل اعتماد ترین روش برای شناسایی افراد می باشد. این مقاله یک روششناسایی افراد از روی عنبیه را بررسی می کند که در آن با استفاده از مرکز و شعاع مردمک ، مرزعنبیه را استخراج کرده و سپس توسط یک پنجره ی میانگین گیر 3*3 شدت پیکسل های خطوط موازی با شعاع افقی مردمک را بدست آورده و ویژگی های منحصر به فرد عنبیه را استخراج میکند. نتایج بدست آمده نشان می دهد با استفاده از یک الگوریتم مناسب برای کاهش ابعاد الگوها ،می توان یک طبقه بندی مناسب توسط شبکه ی عصبی داشت. در این مقاله عملکرد دو الگوریتمکاهش بعد الگوها ، آنالیز اجزای اصلی (ICA) و تجزیه مقادیر منحصر بفرد (SVD) روی پایگاهداده ی CASIA مورد بررسی قرار گرفته است. که نشان می دهد که الگوریتم (ICA) نتیجه یبهتری در نرخ طبقه بندی الگوها ارائه می دهد.
کلمات کلیدی: آنالیز اجزای مستقل (ICA)، استخراج ویژگی های منحصر به فرد عنبیه ، تجزیه ی مقادیر منحصر بفرد (SVD)، شبکه ی عصبی پیش خور با الگوریتم پس انتشار خطا
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/450989/