ارائه یک روش موثر جهت افزایش میزان دقت در تشخیص هویت با استفاده از بیومتریک عنبیه چشم بر پایه الگوریتم های هوشمند

در جهان شبکه ای امروز ، حفظ امنیت اطلاعات و یا اموال فیزیکی بسیار مهم و دشوار است. سیستم های کنترلدسترسی براساس بیومتریک دارای یک پتانسیل برای غلبه بر بسیاری از کاستی های سیستم های امنیتی فعلی می باشدکه اهمیت زیادی در سالهای اخیر بدست آورده است. مقایسه صفات مختلف بیومتریک نشان می دهد که عنبیه به دلیلمنحصر به فرد بودن ، ثبات و عمومیت خود یک بیومتریک بسیار پر کاربرد در این زمینه می باشد. از این رو تلاش جهتارائه یک روش موثر برای طبقه بندی الگوی عنبیه و افزایش میزان دقت به منظور استفاده در سیستم های تشخیص عنبیهچشم در این مقاله مورد بحث قرار گرفته است. در این مقاله ، با استفاده از طبقه بندی کننده های شبکه عصبی و ماشینبردار پشتیبان دقت سیستم مورد بررسی قرار می گیرد. در این روش سعی گردیده است تا از ویژگی های هر دو روش بهمنظور رسیدن به بالاترین دقت استفاده شود . بدین ترتیب که برای هر داده تست ، نتیجه روشی که بیشترین احتمالتشخیص صحیح را ارائه دهد ، به عنوان نتیجه نهایی مورد ارزیابی قرار می گیرد. این روش بر روی پایگاه دادهCASIA v.1 که یک پایگاه داده عنبیه چشم عمومی است ، بررسی شده است که نتایج حاصله نشان می دهد که اینروش می تواند با ارائه یک دقت مطلوب به عنوان یک روش کارآمد در ارزیابی میزان دقت سیستم تشخیص عنبیه چشممورد استفاده قرار گیرد.

Keywords:

بیومتریک , تشخیص عنبیه چشم , شبکه عصبی , ماشین بردار پشتیبان