بیومتریک

از ویکی‌پدیا، دانشنامهٔ آزاد
پرش به: ناوبری، جستجو

معرفی علم بیومتریک[ویرایش]

این مقاله به معرفی سیستمهای تشخیص هویت که مهمترین و دقیق‌ترین آنها بیومتریک است خواهد پرداخت. پس از تعریف بیومتریک به تعریف معماری سیستم‌های بیومتریک می‌پردازیم و درمی‌یابیم که هر سیستم بیومتریک با چه معماری‌ای کار می‌کند. در این مقاله همچنین در مورد چند تکنولوژی بیومتریک هم توضیح داده می‌شود مانند اثر انگشت، عنبیه چشم، نحوه راه رفتن، چهره و ... اما به دلیل اینکه سیستم اثر انگشت از اهمیت بیشتری نسبت به دیگر سیستم‌ها برخوردار است بیشتر به تجزیه و تحلیل این سیستم خواهیم پرداخت و ابتدا به معرفی خطوط و نقاط مشخصه انگشت که در اصطلاح به آنها ریزه کاری گفته می‌شود می‌پردازیم و سپس روش‌های پردازش این نقاط برای رسیدن به الگویی برای شناسایی هویت را بیان خواهیم نمود. پس از آن سنسورهای مختلف که همگی همراه با شکل برای فهم بیشتر مطرح شده‌اند مورد بحث قرار خواهند گرفت و سپس این سنسورها با هم مقایسه می‌شوند و مزیت هر یک بیان می‌شود. سپس به معرفی سایر سیستم‌ها خواهیم پرداخت و در انتها به معرفی مفهوم ترکیبات بیومتریک و روش‌های متنوع آن خواهیم پرداخت. استفاده از روش ترکیب بیومتریک کارایی، امنیت، دقت سیستم را افزایش می‌دهد.

مقدمه[ویرایش]

از دیر باز انسان برای بقا، نیاز به تشخیص دوست از دشمن داشته است و تشخیص هویت برای وی امری حیاتی بوده و هست، لذا امروزه سعی در مکانیزه سازی سیستمهای شناسایی یا تشخیص هویت شده است. "این پیشرفتها دلیل بر نیاز جامعه و جهان است".[۱] نیازی که پیشرفت در آن باعث کاهش تخلفات، افزایش امنیت، تسریع در امور روزمره و ... شده است. در گذشته جهت شناسایی جرم و جنایتکار، از روال شناسایی اثر انگشت و چهره نگاری استفاده می‌شده، اما اکنون سیستمهای مکانیزه‌ای ایجاد شده است.

سیستمهای تشخیص هویت[ویرایش]

توکن معمولاً چیزی است که شما به همراه خود دارید و میتوان گفت سند هویت شماست، مانند: کارتهای هوشمند، کارتهای مغناطیسی، کلید، پاسپورت، شناسنامه و ... این اشیاء دارای نواقصی هستند همچون: گم شدن، عدم همراه بودن شخص، فرسوده شدن و جعل شدن.

دومین نوع سیستمهای شناسایی دانش نام دارد، یعنی چیزی که شما بخاطر میسپارید مانند: پسورد و پین کد. البته این سری نیز دارای نواقصی هستند مانند: فراموش کردن و لو رفتن.

دسته سوم سیستمهای مبتنی بر بیومتریک است. این سیستمها از خصیصه‌های فیزیولوژیکی و رفتاری انسان جهت شناسایی استفاده می کنند. این روش دیگر معایب روشهای قبل را ندارد و امنیت و دقت را تا حد بسیار زیادی افزایش داده است.

بیومتریک چیست؟[ویرایش]

  • اندازه گیری و تحلیل آماری داده‌های بیولوژیکی
  • بیومتریک اشاره دارد به تکنولوژیی برای اندازه گیری و آنالیز مشخصات بدن افراد جهت تشخیص هویت شخص
  • شناسایی اتوماتیک یک شخص با استفاده از ویژگیهای اختصاصی (مشخصات فیزیولوژیکی یا رفتاری)(تعریف در کنسرسیوم بیومتریک)

دو اصطلاح مهم در بیومتریک: تطابق یک به یک، عمل تطابق الگوهای کاربر با داده‌های ذخیره شده. تطابق یک به چند، یافتن یک الگو از میان الگوهای ذخیره شده جهت شناسایی کاربر.

طبقه بندی متدهای بیومتریک[ویرایش]

عموماً در سیستمهای بیومتریک از دو نوع ویژگی مختلف افراد جهت شناسایی استفاده می‌شود که در ذیل به آنها اشاره می‌کنیم.

  • (پارامترهای فیزیولوژیکی)

اساس شناسایی در این کلاس، اندازه گیری و آنالیز مشخصه‌های ثابت یک شخص می‌باشد.

  • (پارامترهای رفتاری)

شناسایی الگوهای رفتاری مشخص یک فرد

پارامترهای فیزیولوژیکی :  (اثر انگشت)  (شناسایی از روی شبکیه چشم)  (شناسایی از طرق عنبیه چشم)  (شناسایی از روی هندسه دست )

پارامترهای رفتاری:  (شناسایی از طریق امضاء)  (شناسایی از طریق صدا)  (شناسایی از روی شدت ضربه شخص بر روی کیبورد) در این مقاله ما سعی بر معرفی این سیتمها داریم.

معماری سیستمهای بیومتریک[۵][ویرایش]

تمامی سیستمهای بیومتریک دارای یک معماری کلی یکسان در ساخت هستند که به آنها اشاره می‌کنیم.  درخواست داده‌ها  پردازش سیگنال  تطبیق  تصمیم گیری  فضای ذخیره سازی  محیط انتقال داده ها زیر سیستم درخواست داده در این زیر سیستم داده‌های خام، که از یک فرد، توسط یک سنسور ویژه اسکن شده است، وارد سیستم می‌شود. فرایندی که در این زیر سیستم انجام می‌شود:

  • دریافت داده‌ها توسط سنسور
  • تبدیل داده‌های (سیگنالها) دریافتی از سنسورها به فرم مناسبی (A/D) جهت ارسال به زیر سیستم پردازش سیگنال

زیرسیستم پردازش سیگنال عملیات این زیر سیستم به شرح ذیل می‌باشد: ۱- دریافت داده‌های خام از زیر سیستم جمع آوری داده ۲- استخراج خصیصه ۳- عملیات فیلترینگ جهت حذف نویز ۴- اصلاح داده ها ۵- تبدیل داده‌های دریافتی به فرم لازم(تولید الگو) برای زیر سیستم تطبیق. لازم بذکر است که از داده‌های دریافت شده در این زیر سیستم، پس از پردازش، یک الگو از برخی ویژگیهای موجود تولید و ذخیره می‌شود. در واقع این الگوی تولید شده مورد مقایسه و شناسایی قرار می‌گیرد. ماهیت این الگو که از روی یک شابلون از پیش تعریف شده تولید می‌شود (یک استاندارد ثابت)، ماتریسی از صفر و یک می‌باشد. در واقع این شابلون قسمتهای مورد اندازه گیری از یک نمونه را بر می‌گرداند. زیرسیستم تطبیق خروجی این زیر سیستم از مقایسه دو الگو بدست می‌آید. فرایند این زیر سیستم شامل: دریافت داده‌های پردازش شده (الگو) از زیر سیستم قبل و دریافت الگوهای ذخیره شده مقایسه الگوی تولید شده در زیر سیستم قبل، با الگوهای موجود زیر سیستم تصمیم گیری این زیر سیستم پس از اجرای زیر سیستم قبل فراخوانی می‌شود که وظیفه آن تصمیم گیری بر روی تطابق انجام شده متناسب با درخواست است. در این مرحله یک حد یا آستانه در نظر گرفته شده است. اگر امتیاز بیشتر یا برابر این آستانه باشد، کاربر تائید می‌شود در غیر اینصورت کاربر پذیرفته نمی‌شود. زیر سیستم فضای ذخیره سازی شامل الگوهایی است که در هنگام ثبت نام از کاربران بدست آمده است. ممکن است برای هر کاربر یک یا چند الگو ذخیره شده باشد. زیر سیستم محیط انتقال وظیفه این بخش انتقال داده‌ها، بین اجزاء یک سیستم بیومتریک است. [[|بندانگشتی|default]]

پارامترهای مهم در سیستم‌های بیومتریک[ویرایش]

در همه سیستمهای بیومتریک پارامترهایی موجودند که ویژگیها و قابلیتهای سیستم شما را معرفی می‌کنند. ۱- نرخ پذیرش اشتباه این پارامتر تعیین کننده امکان پذیرش کاربر جعلی از کاربر اصلی می‌باشد. این پارامتر باید تا جای ممکن کوچک باشد. ۲- نرخ عدم پذیرش اشتباه این مقیاس نمایانگر اینست که تا چه اندازه شخص اصلی اشتباهاً پذیرش نمی‌شود (حساسیت بسیار بالا). این پارامتر نیز باید تا حد مورد نیاز کم باشد. ۳- نرخ خطای مساوی: کاهش نرخ پذیرش اشتباه باعث افزایش غیر تعمدی نرخ عدم پذیرش اشتباه می‌شود. نقطه‌ای که میزان نرخ عدم پذیرش اشتباه با نرخ پذیرش اشتباه برابر می‌شود نقطه نرخ خطای مساوی است. هرچه میزان این پارامتر کمتر باشد نمایانگر اینست که سیستم دارای یک حساسیت بهتر و توازن خوبی است. ۴- نرخ ثبت نام نادرست احتمال خطایی که در هنگام نمونه بردای جهت ثبت در پایگاه داده، در خصوص تشخیص صحیح ممکن است رخ هد.

تکنولوژیهای بیومتریک[ویرایش]

(اثر انگشت) (هندسه دست) (اندازه گیری شبکیه چشم) (اندازه گیری عنبیه) (تشخیص چهره) (تشخیص امضاء) (تشخیص صدا) (آزمایش دی- ان-ای) (تشخیص از روی سی هرگ دست) (نمودار حرارتی چهره) (شدت ضربه بر روی صفخه کلید) (شکل گوش) (بوی بدن)

شناسایی از طریق اثر انگشت[ویرایش]

بدلیل اهمیت این سیستم، بیشتر به تجزیه و تحلیل آن خواهیم پرداخت. یکی از قدیمی‌ترین روشهای تشخیص هویت، روش شناسایی از طریق اثر انگشت می‌باشد. نوک انگشت دارای یکسری خطوط است که از یک طرف انگشت به طرف دیگر ادامه دارد. این خطوط دارای یکسری نقاط مشخصه می‌باشند که به آنها ریزه کاری گویند. این ریزه کاریها شامل کمانها، مارپیچها، حلقه‌ها، انتهای لبه‌ها، انشعابها، نقطه‌ها (شیارهای نزدیک به لبه‌ها)، جزایر (دو انشعاب نزدیک به هم)، تقاطع (نقطه تلاقی دو یا چند لبه)، منفذها می‌باشند. در واقع ما در این سری از سیستمها الگوهای تولید شده از این ریزه کاریها را مورد مقایسه قرار می دهیم.

در تشخیص اثر انگشت دو روش عمده وجود دارد: در روش اول یک شابلون از محل قرار گیری ریزه کاریهای : "انتهای لبه‌ها، انشعابها، کمانها، مارپیچها و حلقه ها" تهیه می‌شود و الگوها بر این اساس تولید می شوند. در حالت دیگر مابقی ریزه کاریهای ذکر شده نیز الگو برداری می شوند."با مقایسه نوع، راستا(جهت) و ارتباط(موقعیت) ریزه کاریها عمل شناسایی انجام می شود. " در روش دوم از مقایسه نواحی در برگیرنده همه ریزه کاریهای ذکر شده و نیز علامت‌های مجزای دیگر و داده‌های حاصل از مقایسه مجموعه لبه‌ها در این نواحی، استفاده می شود. عموماً سایز الگو در روش دوم دو الی سه برابر بزرگتر از روش اول می باشد. در روش اول تقریباً امکان ندارد که بتوان تصویر اثر انگشت را از الگوی مبنا بدست آورد بدلیل اینکه از تعدادی از ریزه کاریها الگوبرداری مشود و مابقی ترتیب اثر داده نمی‌شوند، ولی از روش دوم می توان به اثر انگشت نیز رسید.

مراحل پردازش تصویر در شناسایی بر اساس اثر انگشت[ویرایش]

حالت اول شمای یک اثر انگشت پردازش نشده را نمایش می دهد. در مرحله دوم جهت خطوط اثر انگشت توسط متدهای خاصی تولید می‌شود تا از آن بتوان در شناخت جهت هر ریزه کاری استفاده کرد. در حالت سوم نویزهای موجود در تصویر اول را حذف کرده سپس مرز بین لبه‌ها و شیارها مشخص می شود. در مرحله چهارم میزان رنگ تصویر حاصله را کاهش می دهند تا نویزهای کوچک باقی‌مانده نیز حذف شوند و نیز حجم تصویر نیز کاهش یابد. در مرحله پنجم ریزه کاریها علامت گذاری می شوند و در مرحله آخر نیز این ریزه کاریها بیکدیگر متصل میگردند که ماتریس حاصل از شکل بدست آمده از این نواحی و ماتریس حصل از جهتها در شکل دوم و نیز ماتریس شامل نوع ریزه کاریهای در نظر گرفته شده، الگوی ما را تولید می‌کند. مراحل در شکل زیر به نمایش گذاشته شده اند: سنسورهای مورد استفاده در روش شناسایی با استفاده از اثر انگشت: ۱-سنسور نوری در این تکنولوژی کاربر انگشت خود را بر روی یک سطح پلاستیکی یا شیشه ای تمییز قرار می دهد، سپس یک اسکنر) CCD (شروع به اسکن کردن و تصویر برداری از انگشت می کند. این اسکنرها دارای تعدادی گیرنده نوری هستند که بصورت سطری در کنار یکدیگر قرار گرفته اند، که نوسانات و تغییرات شدت نور دریافتی را اندازه گیری می کنند. با تابش یک دسته شعاع نوری با شدت ثابت به انگشت، بازتاب این شعاع نوری توسط این دوربینهای CCD اندازه گیری می شود. این آرایه‌های CCD تصویری با رزولوشن ۷۲-۶۰۰dpi را نمایش می دهند. که البته قابلیت تصویر برداری تا ۱۰۰۰dpi را دارا می باشند. تصویر اثر انگشت تولیدی بصورت یکسری لبه‌های تاریک و شیارهای روشن نشان داده می‌شود که در ابتدا نامفهومند و با عملیات پردازش تصویر، تصویر واضحی از اثر انگشت تولید می شود ۲-سنسور خازنی عملیات این سری از سنسورها بصورت جوشن خازنی است (یک ماتریس از خازنهای کنار هم). با تماس انگشت بر سطح سنسور، بین لبه‌های اثر انگشت و سنسور، یک ظرفیت خازنی مطابق با شکل ایجاد می‌شود که با اندازه گیری این سطوح خازنی و پردازش این سیگنالها، یک تصویر دیجیتالی بصورت ترکیبی از رنگهای مشکی، سفید و خاکستری(روشن و تیره) ۸بیتی بدست می آید. شکل زیر بیانگر این موضوع است. همانطور که در شکل مشاهده میکنید، انگشت باعث برقراری ارتباط بین دو الکترود می‌شود که این امر باعث بوجود آمدن فضای خازنی در بین این دو الکترود شده است. تغییرات فاصله ای که بین لبه‌ها و شیارهای انگشت وجود دارد، باعث پیدایش یک سیگنال ولتاژی در فضای خازنی می‌شود که در شکل دوم نشان داده شده است. با توجه به اینکه فاصله بین پیک لبه و شیار از یک نقطه به یک نقطه دیگر تغییر می کند، داده خام برگردانده شده توسط سنسور به یک تصویر درهم که دارای یکسری سایه‌های خاکستری است، تبدیل می شود. که از یک الگوریتم دیگر جهت تکمیل و تصحیح این تصویر استفاده می شود رزولوشن این تصویر توسط اندازه و تقسیم بندی سلولهای سنسور تعیین می گردد. بعنوان مثال برای یک رزولوشن ۵۰۰dpi به یک سنسور با اندازه سلول ۵۰۰ میکرون نیاز است. عموماً این سری سنسورها رزولوشن ۲۵۰-۵۰۰dpi را تولید می کنند. دقت این سنسورها تا اندازه ای پایین است و نیاز به بازسازی تصویر بیشتری دارند. ۳-سنسور آلتراسوند این سنسورها از یکسری فرستنده- گیرنده‌های صوتی استفاده می کنند. آنها امواج آلتراسوند را به شئ ساطع می کنند، سپس به حالت گیرنده رفته و امواج بازگشتی را ذخیره می کنند. (مطابق شکل) این امواج توسط تکنیکهای ویژه تصور صوتی پردازش می شوند. نحوه الگو برداری از یک سطح کثیف توسط سنسورهای آلتراسوند فرکانس ارسالی و دریافتی این سنسورها قابل تنظیم است . این ویژگی باعث می‌شود که فرکانسهای ناهمگن دریافتی را حذف کند. فرکانسهای این سنسورها را می توان طوری تنظیم نمود که از سلولهای بیجان عبور کنند که این یک مزیت بزرگ سنسورهای آلتراسوند است. مزایای سیستم‌های اندازه گیری اثر انگشت: ۱-هر شخص دارای اثر انگشت منحصربه‌فردی است ۲-اثر انگشت در برابر گذشت زمان مقاوم است ۳-این تکنولوژی به بلوغ خود رسیده است ۴-استفاده از آن بسیار راحت است ۵-دارای نرخ خطای مساوی پایینی می باشد ۶-ارزان است ۷-عامه پسند است

شناسایی از طریق چهره[ویرایش]

فرم هندسی یک چهره نیز از پارامترهای مورد اندازه گیری در سیستمهای بیومتریک است ولی نمی توان گفت که جزء خصیصه‌های منحصربه‌فرد افراد است لذا این سیستمها در جاهایی که تعداد کاربران کم است و نیز زمانهای الگوبرداری درازمدت نیست، این سیستمها مناسبند. از دیگر کاربردهای این سیستمها، استفاده در سیستمهای مالتی بیومتریک جهت افزایش دقت است . تصویر چهره یک کاربر می تواند توسط یک دوربین سیاه و سفید با استاندارد که یک رزولوشن ۲۴۰*۳۲۰ و اقلاً ۳ تا ۴ فریم را تولید کند، گرفته می شود. دو روند اصلی برای تشخیص چهره انجام می شود ¡ روند کلی یا کل چهره ¡ خصوصیات پایه ای چهره خصوصیات پایه ای چهره بر شناسایی و تشخیص نقاط ثابت و معین در چهره که با مرور زمان کمترین حساسیت و تغییری را از خود نشان می دهند شامل: قسمتهایی از چشم، اطراف بینی و دهان و بخشهایی که استخوان گونه را احاطه کرده اند تکیه دارد. یا روند کلی یا کل چهره در این روش یک تصویر کامل و یکجا از چهره، بدون لوکالیزه کردن نقاط ویژه مورد پردازش قرار می گیرد. این متد از تکنولوژیهای زیرجهت پردازش چهره بهره می گیرد:  تحلیل آماری  شبکه‌های عصبی در کل سیستمهای این چنینی دارای دقت بالایی نیستند بدلیل اینکه چهرها کاملاً منحصربه‌فرد نیستند و گاه اتفاق می افتد که دو نفر(مخصوصا دو قلو ها) از نظر چهره با هم مشابهند. لذا از اینگونه سیستمها فقط در مکانهایی استفاده می شوند که امنیت تا حد بسیار زیاد مورد نظر نباشد.

شناسایی از روی عنبیه چشم[ویرایش]

عنبیه قسمت رنگی چشم است که ترکیبی است از نوعی ماهیچه به شکل دایره با یکسری خطوط شعاعی، لایه ای یا توری مانند که در پیش از تولد انسان شکل گرفته است و تا زمان مرگ تقریباً هیچ تغییری نمی‌کند. این ماهیچه شامل یکسری کارکترها مانند: خطوط، حلقه‌ها، حفره‌ها، شیارها، تارها، لکه‌ها و... است که قابل تفکیک می باشند. می توان گفت که عنبیه چشم همه افراد با یکدیگر متفاوت است. تصویر عنبیه معمولاً توسط یک دوربین تک رنگ مادون قرمز (۷۰۰-۹۰۰nm) که مجهز به سنسور CCD است گرفته می شود. معمولاً فاصله دوربین تا چشم باید چیزی در حدود ۱۸ اینچ باشد.(تابش نور به عنبیه سپس اندازه گیری بازگشت آن) فرایند پردازش بدین شکل است که ابتدا مکان و اندازه مردمک در تصویر مشخص شده و سپس با به دست آوردن مکان و اندازه عنبیه، کلیه تصویر عنبیه که در میان این دو دایره قرار دارد به شکل مستطیلی با ابعاد معین تبدیل میشود، این تکنیک باعث میشود تا با کوچک یا بزرگ شدن مردمک تصویر مستطیل شکل تقریباً ثابت بماند تا در انجام فرایندهای بعدی مشکلی نباشد. تصویر موجود در مستطیلی با ابعاد معین دارای مشخصه های قابل تبدیل به کدهای باینری است، در این تبدیل ها روشهای مختلفی وجود دارد که هر یک مزایا و معایب خودرا دارند. پس از بدست آوردن الگوی باینری، با استفاده از بدست آوردن فاصله همینگ بین الگوی موجود با الگوی بدست آمده می توان نتیجه تطبیق را بدست آورد. در روشهای دیگری مانند نمونه یابی در مکانهای مشخص با برداشت چند نمونه از قسمتی از تصویر عنبیه که مشخصات قابل توجهی دارد، در زمان تشخیص با استفاده از نمونه های ذخیره شده و مکان یابی نمونه ها، عنبیه افراد قابل تشخیص است. این سیستم دارای قابلیت خوبی در تشخیص افراد است بدین دلیل که عنبیه هم منحصربه‌فرد است و هم در برابر گذشت زمان مقاوم، ولی متأسفانه حجم الگوها در این روش بسیار بالا است، این تکنولوژی بسیار گران است، کاربر پسند نیست و بدلیل اینکه در حین نمونه برداری لازم است که چشم کاملاً بی حرکت باشد لذا الگو برداری ممکن است دقیق نباشد.

شناسایی از روی شبکیه چشم[ویرایش]

شبکیه چشم در منتهی‌الیه کره چشم قرار دارد که شامل یکسری رگهای خونی است که این مویرگها داری اشکال مختلفی هستند، این خصیصه در افراد منحصربه‌فرد است. با قرارگیری چشم کاربر در یک مکان مشخص، یک دسته نور ماوراء قرمز یا نور سبز با طول موج کوتاه به شبکیه چشم تابیده می‌شود و بازتاب آن توسط یک دوربین CCD اندازه گیری میشود. این روش تقریباً مشابه شناسایی از طریق عنبیه می باشد.

شناسایی از روی نمودار حرارتی چهره[ویرایش]

نمودار حرارتی چهره نیز یکی دیگر از پارامترهایی است که در تمامی افراد حتی دوقلوها نیز متفاوت است. نمودار ترموگرام در برابر گذشت زمان [تا مدت محدودی]، آرایش و اصلاح کردن مقاوم است، حتی جراحی پلاستیک نیز باعث بروز آسیب به نمودار ترموگرام نمی‌شود. جهت تصویر برداری از چهره از یک دوربین مادون قرمزبا طول موج ۳ الی ۵ میکرون یا ۸ الی ۱۲ میکرون بدین صورت که تا عمق ۴ سانتی متر زیر پوست را حس کند استفاده می شود.

شناسایی از روی نحوه راه رفتن[ویرایش]

معمولاً این روش در جاهایی که ارتباط مستقیم با افراد میسر نیست کاربرد دارد خصوصاً در فرودگاهها و معابر امنیتی. ( این سیستم شناسایی تقریباً یک سیستم شناسایی مخفی است) در این روش یک تصویر از شخص در هنگام راه رفتن بدست می آید که معرف نمودار جابجایی و زمان برای وی است .در هنگام راه رفتن افراد حرکت پاها و سر افراد با یکدیگر متفاوت است(البته حرکت دستان نیز در برخی موارد کاربرد دارد) که الگوی بدست آمده از این قسمتها می باشد.

شناسایی از روی هندسه دست[ویرایش]

دراین سیستم دست در یک مکان مشخص مطابق شکل قرار می گیرد. سپس با استفاده از یک دوربین دیجیتال CCD با کیفیت مطلوب ۳۲۰۰۰ پیکسل تصویر دست از دو نمای فوقانی و کناری گرفته می شود. که یک تصویر ۳بعدی از دست تولید می کند. از تصویر بدست آمده حدوداً ۱۷ قسمت دست اندازه گیری می‌شود، من‌جمله: انگشتان( طول، پهنا، ضخامت، انحنا ) و پارامترهای هندسی دیگر که در شکل آمده است. معمولاً حجم داه بدست آمده ۹بایت است.

ترکیبات بیومتریک[ویرایش]

با ترکیبات بیومتریک می توان کارایی، امنیت و دقت سیستم را تا حد قابل ملاحظه ای افزایش داد، که در ذیل به تعدادی از روشهای ممکن اشاره خواهیم کرد: ترکیب سنسور در این مدل ما برای یک متد از بیومتریک، از چندین سنسور استفاده میکنیم. بعنوان مثال در اثر انگشت از سنسورهای نوری، خازنی، آلتراسوند و یا سنسورهای دیگر استفاده کنیم. این کار باعث افزایش دقت در امر نمونه برداری خواهد شد. ترکیب واحد نمونه برداری در این روش ما از چند واحد نمونه برداری میکنیم. بعنوان مثال در روش اثر انگشت از دو انگشت اشاره و انگشت وسط ویا انگشتان دیگر نیز عمل نمونه برداری را انجام میدهیم ویا از انگشت دست چپ و راست نمونه برداری میکنیم. ترکیب نمونه برداری در این روش چندین بار از مشخصه مورد نظر نمونه برداری میکنیم و ممکن است دو یا چند الگو از یک کاربر داشته باشیم. بعنوان مثال از انگشت کاربر دوبار نمونه برداری میکنیم و در حافظه ذخیره میکنیم. ترکیب روش‌های بیومتریک در این روش مااز ترکیب دو یا چند روش بیومتریک استفاده میکنیم. بعنوان مثال : اثر انگشت + هندسه چهره + هندسه دست نتیجه گیری و جمع بندی علم بیومتریک اشاره دارد به تکنولوژیی برای اندازه گیری و آنالیز مشخصات بدن افراد جهت تشخیص هویت شخص. همه سیستم‌های بیومتریک دارای معماری ویژه‌ای برای پردازش نمونه مورد بررسی و احراز هویت می‌باشند. روش‌های مختلفی برای تشخیص هویت در بیومتریک وجود دارد که هر یک با توجه به دقت و کارایی مورد استفاده قرار می‌گیرند. اثر انگشت به دلیل اینکه برای هر فرد منحصربه‌فرد است و با گذشت زمان هیچ گونه تغییری نمی‌کند، در میان سیستم‌های بیومتریک بیشتر مورد استفاده قرار می‌گیرد. البته سیستم‌های دیگر مانند: عنبیه چشم، شبکیه چشم و نمودار حرارتی چهره هم از فردی به فرد دیگر متفاوت هستند. برای افزایش کارایی و امنیت و دقت سیستم می‌توانیم از ترکیبات بیومتریک استفاده کنیم.

منابع[ویرایش]

[۱]- Biometric Person Authentication: Odor “Zhanna Korotkaya ” Lappeenranta University of Technology

[۲]- Face Recognition by Elastic Bunch Graph Matching website, Bochum University: http://www.neuroinformatik.ruhr-unibochum. de/VDM/research/computerVision/graphMatching/identification/faceRecognition/contents.html

[۳]- Biometric Systems Lab website, Bologna University:http://bias.csr.unibo.it/research/biolab/bio_tree.html.

[۴]- An Introduction to Biometric Recognition Anil K. Jain, Fellow, IEEE, Arun Ross, Member, IEEE, and Salil Prabhakar, Member, IEEE JANUARY ۲۰۰۴

[۵]- Security Technologies Lecture ۹ :Authentication –part ۲: Biometrics (based on lecture notes by Scarlet Schwiderski-Grosche)

[۶]- A SURVEY OF BIOMETRIC RECOGNITION METHODS Kresimir Delac 1, Mislav Grgic 21 HT - Croatian Telecom, Carrier Services Department, Kupska 2, Zagreb, CROATIA 2 University of Zagreb, FER, Unska ۳/XII, Zagreb, CROATIA ۱۶-۱۸ June 2004.

[۷]- D. Maltoni, D. Maio, A.K. Jain, S. Prabhakar Handbook of Fingerprint Recognition Springer, New York, ۲۰۰۳

[۸]- Comparing Ultrasound with Conventional Finger-Scan Technologies 1 August ۲۰۰۲

[۹]- D. Maltoni, D. Maio, A.K. Jain, S. Prabhakar Handbook of Fingerprint Recognition Springer, New York, ۲۰۰۳

[۱۰]- Biometric Systems: A Face Recognition Approach Erik Hjelmas Department of Informatics University of Oslo.

[۱۱]- INFRARED IDENTIFICATION OF FACES AND BODY PARTS Francine J. Prokoski Mikos Ltd, Fairfax Station, VA Robert B. Riedel Mikos Ltd, Fairfax Station, VA

[۱۲]- Using Gait to Recognize People Jorge Fazenda, David Santos and Paulo Correia. Serbia & Montenegro, Belgrade, November ۲۲-۲۴، ۲۰۰۵

[۱۳]- On gait a biometric:progress and prospect Mark S. Nixon, John N. Carter School of Electronics and Computer Science, University of Southampton, SO17 1BJ, UK ۲۰۰۱

[۱۴]- Multimodal Biometric Systems Anil K. Jain Dept. of Computer Science and Engineering Michigan State University