تشخيص هويت مبتني بر بيومتريك اثر بند انگشت با استفاده از گشتاورهاي متعامد شبه زرنيك

Identification Based on Finger Knuckle Print (FKP) using Orthogonal Pseudo Zernike Moments

پژوهشگران اخيراً دريافته‌اند الگوي چين و چروك پوست در بخش خارجي بند انگشت كه به‌اصطلاح اثر بند انگشت ناميده مي‌شود، در افراد مختلف منحصربه‌فرد بوده و مي‌تواند به‌عنوان يك مشخصه بيومتريك به كار گرفته شود. بر اين اساس در اين مقاله، الگوريتمي معرفي مي‌شود كه به تشخيص هويت انسان با استفاده از تصاوير بند انگشت مي‌پردازد. در الگوريتم پيشنهادي، با استفاده از گشتاورهاي متعامد شبه زرنيك به‌عنوان يك توصيفگر قدرتمند ويژگي‌هاي سراسري و محلي تصوير بند انگشت ورودي استخراج شده و سپس با تركيب آن‌ها بردار ويژگي تصوير تشكيل شده است. در نهايت با استفاده از يك شبكه عصبي پرسپترون با يك لايه مخفي هويت تصوير ورودي مشخص مي‌گردد. به‌منظور ارزيابي الگوريتم پيشنهادي، از پايگاه داده تصاوير بند انگشت دانشگاه پلي تكنيك هنگ‌كنگ استفاده شده است. با شبيه‌سازي الگوريتم پيشنهادي و انجام آزمايش‌هاي گوناگون، بهترين حالت به ازاي مقادير مختلف پارامترهاي عملي به‌دست‌آمده است. نتايج آزمايش‌ها نشان مي‌دهد كه نرخ بازشناسي و نرخ خطاي برابر به‌دست‌آمده از سيستم پيشنهادي در حالت تك انگشتي و چند انگشتي، در مقايسه با تحقيقات پيشين، بهبود قابل قبولي به دست آورده است.

Researchers have recently found that skin pattern of the outer surface around the phalange which is called Finger Knuckle Print (FKP), is unique in different people and can be used as a distinct biometric characteristic. In this paper, a new identification system is proposed based on FKP images. In this system, Pseudo Zernike Moments (PZMs) which have the best overall performance in terms of robustness to noise, information redundancy and capability for image representation among the commonly used moments, are utilized for feature extraction. By using PZMs for the whole and partitioned FKP images, the global and local features which are concatenated to create the final feature vector are extracted. In the classification stage, a MLP neural network is utilized. Through considering recognition rate and equal error rate obtained for the proposed method in single instance (finger) and multi instance (finger) scenarios using PolyU FKP database, an acceptable improvement can be observed compared with the previous algorithms.