تکنولوژی های تشخیص هویـــت

 مقدمه 

كلمه بيو متريك از كلمه يوناني  bios‌ به معناي زندگي و كلمه metrikos به معناي اندازه گيري تشكيل شده است. همه ما مي دانيم كه ما براي  شناسايي همديگر از يك سري ويژگي هايي استفاده مي كنيم كه براي هر شخص به طور انحصاري است و از شخصي به شخص ديگر فرق مي كند كه از آن جمله مي توان به صورت و گفتار و طرز راه رفتن مي توان اشاره كرد. امروزه در زمينه هاي فراواني ما به وسايلي نياز داريم كه هويت اشخاص را شناسايي كند و بر اساس ويژگيهاي بدن اشخاص آن هارا بازشناسي كند و اين زمينه هر روز بيشتر و بيشتر رشد پيدا مي كند و علاقه مندان فراواني را پيدا كرده است. علاوه بر اين ها امروزه ID و password كارتهايي كه بكار برده مي شوند دسترسي را محدود مي كنند اما اين روشها به راحتي مي توانند شكسته شوند و لذا غير قابل اطمينان هستند. بيو متري را نمي توان  امانت داد يا گرفت نمي توان خريد يا فراموش كرد و جعل آن هم عملا غير ممكن است.

يك سيستم بيو متري اساساً يك سيستم تشخيص الگو است كه يك شخص را بر اساس بردار ويژگي هاي خاص فيزيولوژيك خاص يا رفتاري كه دارد باز شناسي مي كند. بردار ويژگي ها پس از استخراج  معمولا در پايگاه داده ذخيره مي گردد. يك سيستم بيومتري بر اساس ويژگي هاي فيزيولوژيك اصولا داراي ضريب اطمينان بالايي است .سيستم هاي بيو متري مي توانند در دو مد تاييد و شناسايي كار كنند. در حالي كه شناسايي شامل مقايسه اطلاعات كسب شده در قالب خاصي با تمام كاربران در پايگاه داده است ، تاييد فقط شامل مقايسه با يك قالب خاصي كه ادعا شده است را مي شود. بنابراين لازم است كه به اين دو مسئله به صورت جدا پرداخته شود.

يك سيستم بيومتري ساده داراي چهار بخش اساسي است :

  • بلوك سنسور: كه كار دريافت اطلاعات بيومتري را بر عهده دارد.
  • بلوك استخراج ويژگيها: كه اطلاعات گرفته شده را مي گيرد و بردار ويژگي هاي آن را استخراج مي كند.
  • بلوك مقايسه: كه كار مقايسه بردار حاصل شده با قالبها را بر عهده دارد.
  • بلوك تصميم: كه اين قسمت هويت را شنااسايي مي كند يا هويت را قبول كرده يا رد مي كند.

هر خصيصه اي از انسان مي تواند به عنوان يك ويژگي در بيو متري بكار برده شود به شرطي كه شروط زير را بر آورده كند :

  • عمومي بودن : هر شخصي آن خصيصه را داشته باشد.
  • متفاوت بودن : در اشخاص ، متفاوت باشو و دو تا شبيه هم نباشد.
  • دوام داشتن : در يك بازه زماني ثابت باشد.
  • قابل بدست آوردن باشد.

در كاربردهاي زندگي روزمره سه فاكتور ديگر نيز بايد رعايت شود: كارايي(دقت ، سرعت)، دسترسي(براي كاربران بي ضرر باشد) امنيت بالا.

در اين گزارش ما به معرفي تعدادي از عواملي كه دربيو متري مورد استفاده قرار مي گيرند مي پردازيم.

 

1- باز شناسي  هويت از طريق اثر انگشت

اين روش قديمي ترين روش آزمايش تشخيص هويت از راه دور است. اگرچه قبلاً اثر انگشت تنها در زمينه جرم قابل بحث بود، تحقيقات در بسياري کشورها سطحي از پذيرش را نشان ميدهد که به اين روش اجازه استفاده در برنامه هاي عمومي را مي دهد. سيستمها ميتوانند جزئياتي از اثر انگشت (نقاطي مانند تقاطعها يا کناره هاي برجستگيها) يا کل تصوير را بگيرند. الگوهاي مرجع که براي حفظ اين جزئيات بکار ميرود در حدود ۱۰۰ بايت هستند که در مقايسه با تصوير کاملي که از اثر انگشت با حجم ۵۰۰ تا ۱۵۰۰ بايت ميباشد,بسيار کوچکتر هستند.

شكل 1 : اثر انگشت همانند كدهاي شناسايي منحصر به فرد براي هر كالا، براي شناسايي افراد مورد استفاده قرار مي گيرد.

در برنامه هاي عمومي مشکلاتي در ثبات وجود دارد. بعضي کارگران و معتادان شديد به سيگار, اغلب انگشتاني دارند که تحليل اثرانگشت آنان مشکل است. با اين وجود، طرحهاي بلند مدت و موفق زيادي در استفاده از اثر انگشت وجود داشته است.

در حال حاضر اثر انگشت خوانهاي زيادي در دامنه وسيعي وجود دارند که به همراه بعضي کارتخوانها استفاده ميشوند. اگرچه در حال حاضر قيمت آنها چندان پايين نيست اما ميزان عرضه آنان در فروشگاههاي کامپيوتر عادي باعث افت سريع قيمت آنان خواهد شد. به طور مثال شرکت هواپيمايي آلمان لوفتانزا ، آزمايش بليت هاي بيومتريک را آغاز کرده است. اين بليت ها با اطلاعات مربوط به اثر انگشت شصت مسافران رمزگذاري شده اند و انتظار ميرود سرعت کنترل را بدون پيچيدگي هاي امنيتي افزايش دهند.

نكته قابل توجه ديگر در سيستم هاي توليد توليد شده با استفاده از فناوري بيومتريك (اثر انگشت) قابل ملاحظه است، استقبال رو به گسترش مردم از خريد اين محصولات است. به طور مثال، شركت لنوو (Lenovo) با فروش بيش از يك ميليون كامپيوترهاي كيفي بيومتريكي كه اثر انگشت فرد صاحب آن را اسكن مي كند، به يكي از بزرگترين فروشندگان كامپيوترهاي بيومتريكي در جهان تبديل شده است.

در اين بخش سعي بر آن شده است كه اصول كلي، موانع و محدوديت هاي سيستمهاي تشخيص اثر انگشت بررسي شوند.

اصول کلي در سيستمهاي تشخيص اثر انگشت:

همانگونه كه اشاره شد، اثر انگشت يکي از روشهاي مطمئن براي شناسايي افراد مي باشد و در زمينه هايي نظير رسيدگي به جرم، سيستم هاي کنترل حوادث، کنترل مرزهاي ملي و ... به کار مي رود. دليل اصلي انتخاب اثر انگشت براي شناسايي افراد اين است که اثر انگشت هر فرد منحصر به فرد بوده و بعضي از ويژگي هاي آن تا آخر عمر ثابت باقي مي ماند و از همين ويژگي ها در تطبيق اثر انگشت استفاده مي شود. براي تطبيق دستي اثر انگشت روشهاي استانداردي وجود دارد، اما روش دستي تطبيق اثر انگشت کاري مشکل و بسيار وقت گير بوده و کارايي لازم را ندارد.البته از آنجا که بانکهاي اطلاعاتي داراي ميليونها اثر انگشت مي باشد، عملاً تطبيق دستي اثر انگشت امري محال مي شود.

به منظور اتوماتيک کردن تطبيق بايد روشي براي تصوير و يا کد کردن اثر انگشت تعريف گردد. اين بيان تصوير بايستي شرايط زير را داشته باشد:

  • توانايي تمايز هر اثر انگشت در سطوح مختلف رزولوشن،
  • محاسبات ساده
  • قابليت بکارگيري در الگوريتم هاي تطبيق اتوماتيک،
  • پايداري و عدم تغيير با نويز و خرابي ها
  • کارا بودن و نشان دادن تصاوير به صورت فشرده

اگر تصوير به صورت خام ذخيره شود، حافظه زيادي مورد نياز استو سيستم کارايي لازم را نخواهد داشت. در روشهاي ساختاري وي‍‍ژگي ها از تصوير استخراج و تصوير با اين ويژگي ها شناخته شده و همچنين با استفاده از همين ويژگيها عمل تطبيق صورت مي گيرد.

اثر انگشت از برآمدگي ها و فرو رفتگي اي فلو مانندي تشكيل شده است كه بسته به وضعيت قرار گرفتن آنها وي‍ژگي هاي مختلفي به وجود مي آيد. تا كنون 18 ويژگي براي اثر انگشت شناخته شده است كه دو ويژگي مهم آن ، انتهاي برآمدگي و دوشاخه شدن برآمدگي مي باشدكه اصطلاحاً به آنها مينوتيا مي گويند. در شكل زير اين دو ويژگي نشان داده شده است:

شكل 3: ويژگي هاي مينوتا در اثر انگشت

اطلاعات مينوتيا در مولفه هاي x ، y و زاويه برآمدگي ها آنها  قرار دارد.ساختار توپولوژيكي مينوتاي يك اثر انگشت منحصر به فرد بوده و با گذشت زمان تغيير نمي كند. در نتيجه مي توان تشخيص اثر انگشت را بر مبناي تطبيق ساختار توپولوژيكي مينوتيا استوار ساخت. در يك تصوير انگشت با كيفيت نسبتاً خوب در حدود 70 تا 80 مينوتا وجود دارد كه البته اين تعداد در تصويرهاي جزئي به حدود 20 تا 30 ويژگي كاهش مي يابد، اما باز هم بااين تعداد مي توان عمل تطبيق اثر انگشت را انجام داد.

اكثر سيستمهاي تشخيص اثر انگشت، ساختاري بر مبناي مينوتيا دارند. در اين سيستمها سه مرحله اساسي براي تشخيص وجود دارد كه عبارتند از:

  • پيش پردازش
  • استخراج مينوتيا
  • تطبيق مينوتيا

مرحله اول براي افزايش كيفيت تصوير انجام مي گيرد، مرحله دوم براي استخراج ويژگي هاي تصوير و مرحله آخر براي مقايسه مورد استفاده قرار مي گيرد.

در مورد تطبيق، روشهاي گوناگوني وجود دارد كه از جمله مي توان به موارد ذيل اشاره كرد:

  • تطبيق مجموعه نقاط
  • تطبيق گراف
  • همشكلي دو زير گراف

البته عمل تطبيق بنا به دلايل زير نياز به محاسبات پيچيده دارد:

  • معمولاً كيفيت اثر انگشت پايين است.
  • بانك اطلاعاتي اثر انگشت ها بزرگ است.
  • تصوير هايي كه به صورت ساختاري آسيب ديده اند، به الگوريتم هاي نيرومندي جهت تطبيق نياز دارند.

در سيستمهاي تشخيص اثر انگشت موجود دربازار كه از اين دو ويژگي (انتهاي برآمدگي و دوشاخه شدن برآمدگي)  استفاده مي شود، به علت بزرگ بودن بانك اطلاعاتي و نويز دار بودن تصاوير، يك تطبيق يك به يك عملاً مشكل بوده و از اين رو يكسري از تصوير هاي تطبيق يافته تهيه و سپس تطبيق نهايي توسط افراد متخصص انجام مي گيرد.

استخراج ساير وي‍ژگي ها:

علاوه بر ويژگي هاي بيان شده ، در بسياري از سيستمهاي تشخيص اثر انگشت، از ويژگي هاي سطح بالا نيز استفاده مي شود. اين امر باعث افزايش صحت عمل تطبيق مي گردد. يكي از اين ويژگي هاي مهم كلاس الگوي اثر انگشت مي باشد.

اثر انگشت به پنج كلاس اصلي تقسيم مي شود ك عبارت اند از:

  • كمان
  • كمان مايل
  • حلقه چپ
  • حلقه راست
  • مارپيچ

در تصاوير نويز دار و جزئي ممكن است كلاس الگو نامشخص باشد، كه در اينصورت از يك ويژگي سطح بالاتري به نام چگالي برآمدگي ها به جاي كلاس الگو استفاده مي شود كهبيانگر تعداد برآمدگي ها در واحد طول تعريف مي شود. به منظور مستقل كردن چگالي برآمدي ها از جهت تصوير، تعداد برآمدگي ها بين دو نقطه منفرد محاسبه مي شود. نقاط منفرد در اثر انگشت هسته و دلتا مي باشند.هسته بالاترين نقطه در داخلي ترين برآمدگي و دلتا يك نقطه سه شاخه است كه سه برآمدگي از كنار آن عبور مي كند. در شكل زير اين نقاط نمايش داده شده است:

شكل 4 : محل نقاط هسته و دلتا بر روي اثر انگشت

يك سيستم اتوماتيك تشخيص اثر انگشت داراي مراحل نشان داده شده در شكل 5 مي باشد:

شکل 5: بلوک دياگرام نحوه کد کردن اطلاعات اثر انگشت

در ادامه به بررسي مختصري از مراحل فوق مي پردازيم:

  • نحوه به دست آمدن تصوير اثر انگشت:

کاغذ و مرکب : در سالهاي گذشته بيشتر از روش کاغذ و مرکب استفاده مي شد به اين ترتيب که در ابتدا اثر انگشت فرد با استفاده از مرکب بروي کاغذ ثبت و سپس تصوير اثر انگشت اسکن شده و فايل تصويري آن آماده مي شد، که اين روش اکنون به علت مشکلات خاص خود و البته پيشرفت تکنولوژي  کم کم منسوخ مي شود. معمولا چون کيفيت تصوير به دست آمده پايين است با استفاده از تکنيک هاي پردازش تصوير اين نقيصه تا حدي مرتفع مي گردد، در شکل 6 نمونه هايي از اين عمل ديده مي شود:

شکل6: نمونهاي از پردازش اوليه تصوير به دست آمده از اسکن اثر انگشت

  • روش اسکن مستقيم نوري: روشهاي گوناگوني براي انجام اين نوع تصوير گيري وجود دارد. نمونه اي از آن در شکل زير آمده است:

شكل7 : روش اسکن مستقيم نوري

3-1- با استفاده از سنسور LE

در اين روش از تکنولوژي نيمه هادي ها  استفاده مي گردد. به اين ترتيب كه انگشت شخص بر روي سنسور LE كه از جنس نيمه هادي مي باشد، قرار گرفته (شكل8)  و در نتيجه در محل هاي برآمدگي پوست انگشت كه در تماس با سنسور مي باشند، فوتون آزاد شده و به اين ترتيب اثر انگشت ثبت مي گردد.

 

شكل 8: شناسايي محل هاي برآمدگي اثر انگشت بوسيله سنسور LE

در شکل زير اصول اوليه اين روش آمده است.

شكل 9: نحوه عملكرد سنسور LE  با استفاده از نمودار نوار انرژي

امروزه اسکنر هايي که براي ارتباط با کامپيوتر طراحي شده اند، به راحتي اطلاعات تصويراثر انگشت را تهيه و از طريق درگاه هاي کامپيوتر در اختيار نرم افزارهاي مربوطه قرار مي دهند. در شکل زير نمونه اي از اين اسکنر ها ديده مي شود:

شكل 10: نمونه هايي از اسكنر هاي اثر انگشت كه به كامپيوتر متصل مي گردند.

نحوه استخراج ويژگي ها:

در اکثر سيستم ها از روشهاي ساختاري که بر مبناي مينوتا هستند براي استخراج ويژگي ها استفاده مي شود. در اين سيستم ها در ابتداپيش پردازشهاي اوليه اي مانند يکنواخت کردن هيستوگرام، تشخيص برآمدگي ها و نازک کردن آنها روي تصوير اعمال ميگردد. سپس با استفاده از روشهاي زير به استخراج ويژگي ها و شناسايي اثر انگشت مبادرت مي ورزند:

1 – روش فازي

2- روش شبکه هاي عصبي

3- ساختن گراف مربوطه به هر تصوير با استفاده از ميدان جهت دار و الگوريتم راتا

پياده سازي اين روشها يا با استفاده از کامپيوتر انجام گرفته و يا از مدارات مجتمعي که به همين منظور ساخته شده است، انجام مي گيرد. نمونه اي از مدارات مجتمع در شکل 11 آمده است:

شكل 11: نمونه اي از مدارات مجتمع براي پردازش اطلاعات اثر انگشت به دست آمده ازسنسور LE

 

اسامي برخي از شركت هاي توليد كننده اسكنر هاي اثر انگشت:

  • Priva Technologies
  • Shenzhen Comtech Electronics
  • Aratek
  • NTT
  • Newport Scientific Research
  • Lexar
  • Sunneo
  • Veridicom
  • Sellgino
  • Kouwell
  • Realm Systems
  • PC Winner International
  • Shenzhen Yunpeng Technology
  • Sanwa

 

  • باز شناسي هويت از طريق چشم:

1-2- باز شناسي  هويت با استفاده از شبكيه

تاريخچه :

تحقيقات در زمينه تشخيص هويت از طريق چشم از سال 1935 آغاز شد. در همان سال بود که مقاله اي توسط Dr. Carleton Simon  و  Dr. Isodore Goldstein در نشريه  New York State Journal of Medicine  منتشر شد و اين مطلب رابيان ميکرد که  شبکيه افراد مختلف داراي طرح و الگويي يکتا از رگهاي خوني است و مي توان از الگوي رگهاي خوني که در شبکيه وجود دارند جهت تشخيص افراد استفاده کرد. در دهه 50 بود که Dr. Paul Tower بيان کرد که الگوي رگهاي خوني افراد مختلف و حتي بين دوقلوهاي کاملا يکسان متفاوت و يکتاست.

 در سالهاي اخير نيز تحقيقات وسيع و پيشرفتهاي چشم گيري در زمينه به دست آوردن الگوهايي از شبکيه و قرنيه و يکتايي اين الگوها بوجود آمده است.

آناتومي و يکتايي شبکيه

نسبت شبکيه و چشم همانند  نسبت فيلم به دوربين ميباشد. شبکيه از بافت هاي گيرنده اي است که از لايه هاي مختلفي تشکيل شده است. همچنين شبکيه از ميليونها گيرنده نوري تشکيل شده است که عملکرد آنها عبارت است از جمع آوري اشعه هاي نوريي است که به آن فرستاده مي شود و تبديل اين نورها به پالسهاي الکتريکي  است که با عبور از عصب نوري به مغز رسيده و در آنجا اين پالسهاي الکتريکي به تصوير تبديل مي شود. دو گونه مختلف گيرنده هاي نوري در شبکيه وجود دارند، گيرنده هاي ميله اي و گيرنده هاي مخروطي. گيرنده هاي مخروطي که تقريبا 6 ميليون از آنها وجود دارند در ديدن رنگهاي مختلف به ما کمک کرده و گيرنده هاي ميله اي که تقريبا 125 ميليون از آنها وجود دارند در ديد در شب و محيط پيرامون به ما کمک مي کنند. اين الگوي رگهاي خوني موجود در شبکيه است که تشخيص هويت از اين طريق قرار گرفته است.

شکل زير نشان دنده موقعيت شبکيه است. همانطور که مشاهده مي شود قرنيه در جلوي چشم قرار گرفته است و شبکيه در انتهاي چشم قرار دارد. به علت اينکه شبکيه در مکاني درون چشم قرار گرفته است و در مقابل محيط خارج از چشم نيست به عنوان يک روش تشخيص هويت پايدار قلمداد مي شود.

شکل 2 نشان دهنده شماي نزديکي از الگوي رگهاي خوني درون چشم مي باشد. خطهاي قرمز نشان دهنده رگهاي خوني و قسمت زرد رنگ نشان دهنده مکان ديسک نوري(مکاني است که عصب نوري به شبکيه متصل مي گردد و اطلاعات در اين مکان از چشم به مغز ارسال مي شود) است. دايره اي که در شکل وجود دارد مکان است که توسط دستگاه براي استخراج ويژگي اسکن شده است.

 

تکنولوژي دستگاههاي اسكن

دستگاه هاي اسکن شبکيه از 3 بخش عمده تشکيل شده اند:

  • قسمت تصوير برداري و پردازش سيگنال:

اين بخش شامل دوربيني جهت تصوير برداري و سپس تبديل تصوير اسکن شده از شبکيه به فرمت ديجيتال مي باشد.

  • قسمت تطبيق دهنده:

اين بخش شامل يک سيستم کامپيوتري اعتبارسنجي و تشخيص هويت استفاده کننده مي باشد.

  • قسمت نمايش دهنده:

در اين بخش ويپگي هاي يکتاي شبکيه به صورت يک قالب نمايش و ذخيره مي شود.

قسمت اخذ تصوير و بخش پردازش آن مشکلترين بخش براي انجام بصورت کاملا صحيح مي باشد و به اين دليل است که شخص مورد نظردر طي انجام اين پروسه بايد همکاري کامل داشته باشد.  استفاده کننده ابتدا بايد چشم خود را در مقابل لنز دستگاه اسکن شبکيه در فاصله بسيار نزديک قرار دهد. در اين هنگام بسيار مهم است که براي اخذ تصويري خوب شخص کاملا بي حرکت روبروي دستگاه قرار گيرد. همچنين استفاده کننده بايد هرگونه عينکي که به چشم دارد را قبل از اخذ تصوير برداشته تا از انعکاس نور توسط عينک و يا لنز و تداخل آنها با سيگنالهاي شبکيه جلوگيري شود.

در اين لحظه استفاده کننده از درون لنزمتوجه نور سبز رنگي که درون پشت زمينه سفيد قرار دارد خواهد شد. هنگامي که دستگاه فعال مي شود، نور سبز در درون مسير دايره اي رنگ شروع به حرکت مي کند و تصويري از شبکيه از درون مردمک چشم تهيه مي کند. معمولا 3 تا 5 تصوير از شبکيه گرفته مي شود. با توجه به همکاري استفاده کننده اين مرحله مي تواند بيشتر از 1 دقيقه به طول کشد. که نسبت به اخذ و پردازش تصوير روشهاي ديگر تشخيص هويت زمان بسيار زيادي به حساب مي آيد. اين زمان براي دستگاه اسکن قرنيه تقريبا برابر 2 ثانيه مي باشد.

در مرحله استخراج ويژگي هاي منحصر به فرد مزيت روش شبکيه در اين است که فاکتورهاي ژنتيکي تايين کننده الگوي شبکيه نيستند. اين موضوع باعث مي شوند که شبکيه داراي ويژگي هاي منحصر به فرد قوي باشد. از شبکيه تا 400 نقطه منحصر به فرد اطلاعاتي مي توان استخراج کرد که نسبت به اسکن اثر انگشت که 30 تا 40 نقطه است بسيار روش دقيقتري است.

در مرحله توليد قالب، ويژگي هاي استخراج شده منحصر به فرد از الگوي رگهاي خوني شبکيه اساس تشکيل اين قالب مي باشند که 96 بايت مي باشد. لذا يکي از کوچکترين قالب هاي تشخيص هويت در نظر گرفته  مي شود. اين حجم براي دستگاه اسکن قرنيه بين 256 تا 512 بايت مي باشد.

منابع خطاها

مشکلات متفاوتي مي توانند در اخذ تصويري دقيق از شبکيه نقش داشته باشند و لذا درعدم  تشخيص دقيق نقش داشته باشند. در زير به تعدادي از اين خطاها اشاره شده است:

  • عدم همکاري شخص استفاده کننده با دستگاه. هر گونه حرکت از سمت استفاده کننده در مرحله اخذ تصوير مي تواند باعث خطا شود.
  • عدم رعايت فاصله مشخص شده توسط دستگاه.
  • لنز کثيف دستگاه اسکن شبکيه.
  • تداخل نوري توسط محيط خارجي
  • ابعاد مردمک استفاده کننده. روشنايي زياد محيط باعث کاهش نوزي مي شود که از طريق مردمک به شبکيه و بالعکس مي شود. اين امر باعث افزايش تعداد عدم پزيرش توسط دستگاه مي شود.

استانداردهاي عملکردي روشهاي تشخيص هويت

تمامي دستگاههاي تشخيص هويتي توسط يک سري معيارهاي استانداردي مقايسه مي شوند. در زمينه تصوير شبکيه دو معيارقابل بررسي هستند و عبارتند از:

  • ضريب عدم تشخيص اشتباه:

نسبت به تمامي استانداردهاي قابل بررسي، روش شبکيه از اين استاندارد بيشترين تاثير را مي پذيرد. بدين علت که فاکتورهاي زيادي در کيفيت تصوير نقش دارند و در صورت عدم کيفيت مناسب دچار خطاي عدم پذيرش اشتباه مي شود.

  • نسبت توانايي بررسي:

اين استاندارد بيانگر احتمال تمام افرادي است که توسط سيستم اسکن شبکيه در روز مي توانند مورد بررسي قرار گيرند. براي روش شبکيه اين نسبت برابر مقدار کم 85% است. که عمدتا مربوط به نگراني استفاده کنندگان از دستگاه اسکن شبکيه و اسکن از فاصله بسيار نزديک است.

مزايا و معايب تشخيص هويت از طريق شبکيه

همانند ساير روشهاي تشخيص هويت اين روش نيز به نوبه خود داراي معيب و مزايايي مي باشد.تعدادي از مزاياي اين روش در زير آمده است:

  • الگوي رگهاي خوني شبکيه به ندرت در طي دوران زندگي تغيير مي کنند. به غير از مواردي که افراد دچار بيماري چشمي مي شوند مانند اب مرواريد ،...
  • حجم قالب اصلي 96 بايت است که بسيار کوچک است و باعث کاهش زمان در انجام مراحل بررسي و تشخيص هويت نسبت به قالبهاي بزرگتر مي شود که ممکن است باعث افزايش زمان انجام اين پروسه شود.
  • تا حدود 400 نقطه داراي ويژگي هاي منحصر به فرد را مي توان از الگوي رگهاي خوني شبکيه به دست آورد.
  • شبکيه درون چشم قرار دارد و در مقابل صدمات محيط خارجي مصون است.

معايب عمده اين روش عبارتند از:

  • تهديد سلامت چشم، اين شايعه وجود دارد که اسکن از شبکيه باعث تخريب چشم مي شود.
  • عدم راحتي استفاده کننده به علت نزديکي زياد لنز با چشم.
  • ميزان انگيزه شخص استفاده کننده، بر خلاف روشهاي ديگر کيفيت يکس گرفته شده بستگي مستقيم با ميزان همکاري شخص دارد.
  • استفاده کننده بايد عينک و يا لنز چشمي خود را بردارد.
  • در حال حاضر دستگاههاي اسکن شبکيه بسيار گرانقيمت هستند. 

1-2- باز شناسي  هويت با استفاده از عنبيه:

تاريخچه:

در سال 1936 چشم پزشکي به نام frank Burch پيشنهاد تشخيص افراد از طريق الگوي قرنيه را عنوان کرد. اما تا سال 1985 بود که توسط دو چشم پزشک بنامهاي Leonard Flom  و Aran Safir اين مطلب بيان شد که قرنيه هاي افراد مختلف کاملا با هم متفاوت است. ودر سال 1987 موضوع تشخيص هويت از طريق قرنيه افراد به نام آنها ثبت شد. در 1993 سازمان دفاع هسته اي براي ساخت و آزمايش اولين دستگاه تشخيص هويت از طريق الگوي قرنيه آغاز به کار کرد که اين طرح در سال 1995 کاملاً موفقيت آميز به انجام رسيد.

کوششهاي بشر براي تعبيه ابزار مکانيکي قابل اطمينان جهت شناسايي خصوصيات رفتاري و فيزيولوژيکي اشخاص، تاريخچه اي بس طولاني و رنگين دارد. به طور مثال در دوران ويکتوريا با الهام از پيدايش جرم شناسي و ميلي که براي شناسايي زندانيان وتبهکاران وجودداشت، سرفرانسيس گالتون فهرست هاي مختلفي از خصوصيات برجسته صورت تهيه کرده بود. همچنين وي تعدادي انتخاب کنندگان خودکار مکانيکي براي اندازه گيري خصوصيات صورت تهيه کرده و يک آزمايشگاه اندازه گيري خصوصيات بدن انسان در کنزينگتون جنوبي تاسيس نموده بود تا بر اساس سيستم پزشک فرانسوي به نام آلفونس برتيلون هر يک از مجرمين را در يکي از 81 طبقه اي که او ايجاد کرده بود قرار دهد. از ديگر مشخص کنندگان خصوصيات فيزيولوژيکي و رفتاري که در طول تاريخ به کارگرفته شده اند ميتوان ابعاد جمجمه، طول انگشت، اندازه گيري خصوصيات مختلف  هندسي صورت و غيره را نام برد.

امروزه نياز به وسايل قابل اطمينان، سريع وغير تهاجمي براي تشخيص خودکار هويت اشخاص به شکل قابل توجهي وجود دارد. تکنيک هاي کامپيوتري که براي شناسايي ويژگيهاي افراد مانند صورت، اثر انگشت، شبکيه، صوت، هندسه کف دست، چشم و غيره به کار مي روند، کاربردهاي فراواني در زمينه هاي امنيتي، نظارتي و مالکيت دارند. اما بسياري از روشهاي موجود توانائيهاي محدودي در زمينه شناسايي ويژگيها در موارد عملي و واقعي دارند؛ برخي از روشها مستلزم تماس با بدن شخص مي­باشند، برخي به صورت تهاجمي عمل مي­نمايد، تعدادي از روش­ها مستلزم تنظيم نهايي توسط يک شخص مي­باشند و برخي ديگر از آنها هزينه هاي بالايي دارند. روشي که اخيراً بيشتر از ساير روش­ها مورد توجه قرار گرفته است، شناسايي افراد از روي خصوصيات موجود در عنبيه آنهاست.

ايده استفاده از الگوهاي عنبيه براي شناسايي افراد ابتدا توسط چشم پزشکي به نام فرانک برچ در سال 1936 پيشنهاد شد. در دهه 1980 اين ايده در يکي از فيلمهاي جيمزباند به نام Never Say Never Again   ظاهر شد و بدين طريق به افکار عمومي راه يافت، اما در آن زمان هنوز به عنوان حدس و افسانه  علمي باقي مانده بود. در سال 1987 دو چشم پزشک ديگر به نامهاي آرن سفير و لئونارد فلوم اين ايده را ثبت نموده و در سال 1989 از جان داگمن (که در آن زمان در دانشگاه هاروارد به تدريس مشغول بود) خواستند تا براي خلق الگوريتمهاي واقعي براي شناسايي افراد بر اساس عنبيه کوشش نمايد. الگوريتمهايي که داگمن در سال 1994 به ثبت رساند، پايه اي براي تمامي سيستمها امرزوي شناسايي افراد بر اساس عنبيه مي­باشد.

الگوريتمهاي داگمن به شرکت تکنولوژيهاي Iridian تعلق گرفته است و فعاليت بر روي آن تحت امتياز کمپاني­هاي متعدد ديگر در آمده است که به عنوان سيستمهاي کامل کننده و پيشرفت دهنده شناسايي افراد بر اساس عنبيه عمل مي­نمايد. در سالهاي اخير محصولات متعددي براي بدست آوردن تصاوير عنبيه از فواصل مشخص و کاربردهاي متنوع­ توسعه داده شده اند.  در سال 1996 يک سيستم تصوير برداري فعال که توسط مجوز شرکت Sensar  توسعه داده شده بوداز دوربين­هاي خاصي براي بدست آوردن تصاوير عنبيه در فاصله تا يک متر استفاده مي کرد. اين سيستم تصوير برداري فعال در ماشينهاي خودپرداز در آزمايشهاي عملي موفقيت آميزي توسط دو کمپاني به نامهاي NCR وِDiebold در کشورهاي متعددي در طول سالهاي 1999-1997 کار گذاشته شد.

يک وسيله تصوير برداري کوچکتر جديد و کم هزينه، Authenticam، دوربيني ديجيتالي براي استفاده دستي، روميزي، تجارت الکترونيکي و ديگر کاربردهاي امنيتي اطلاعات مي باشد. براي ايمني فيزيکي، دوربيني با متمرکز کننده و تنظيم کننده خودکار به نام IrisAccess  براي کنترل مدخل و درب ورودي ساختمان توسط شرکت زنجيره اي کره­اي به نام Ticketless air travel توسعه داده شد. روشهاي ايمني و کنترل ورودي بر پايه باجه هاي شناسايي افراد براساس عنبيه در فرودگاهها توسط شرکت Eye Ticket توسعه داده شده است. سيستمهاي ديگري که الگوريتمهاي شناسايي افراد بر اساس عنبيه را در خود جاي مي­دهند توسط شرکتهاي Oki ،LG   و Panasonic در حال توسعه مي­باشند.

پيش­بيني مي شود که شناسايي افراد بر اساس عنبيه در محدوده وسيعي از کاربردهايي که شناسايي افراد در آنها مي بايست ايجاد شده و يا تصديق گردد، گسترش يابد. اين ايده، کنترل گذرنامه، تجارت الکترونيکي، خدمات درماني، پرداخت­هاي استحقاققي، حق دستيابي به اطلاعات ويژه، اختيارات، خدمات دولت، کاربردهاي نيروي انتظامي و قانوني، سفر هوايي، ورود به کامپيوتر و يا هر تعامل ديگري که درآن شناسايي شخصي بر دارائي يا رمز خاصي(کليدها، کارت ها، مدارک، کلمات عبور، شماره هاي شناسايي فردي) تکيه مي کند، را شامل مي­گردد.

براي الگوريتمهاي شناسايي افراد بر اساس عنبيه، مدال و جايزه IT جامعه کامپيوتر انگلستان در سال 1997 به داگمن تعلق گرفت. تکنولوژي توسط شوراي طرح انگلستان در سال 1998 به محصول هزاره دوم تخصيص داده شد و در طول سال 2000 ميلادي در گنبد هزاره استفاده گرديد. اين سيستم همچنين در نمايشگاه سال 2000 در هانوفر آلمان به نمايش گذاشته شد. در حال حاضر کمپاني­ها در کشورهاي متعدد اين الگوريتمها را در انواع مختلف محصول به کار مي­برند.

کاربردهاي شناسايي افراد بر اساس عنبيه:

برخي کاربردهاي ممکن شناسايي افراد بر اساس عنبيه عبارتند از:

- ورود به کامپيوتر؛ به عنوان يک رمز عبور زنده.

- کنترل مرزهاي ملي؛ عنبيه به عنوان يک گذرنامه زنده.

- پرداخت هزينه تلفن بدون استفاده از پول نقد، کارت و يا شماره هاي شناسايي شخصي.

- دستيابي مطمئن به ماشين خودپرداز در بانک.

- سفر هوايي بدون بليط.

- کنترل دستيابي به اموال(خانه، اداره، آزمايشگاه و غيره).

- گواهينامه­هاي رانندگي و ديگر مدارک شخصي.

- موارد قانوني، شناسنامه، يافتن گمشده يا اشخاص تحت تعقيب

- اعتبار سودها و القاب

- سنديت کارتهاي اعتباري

- گشودن قفل اتومبيل و جلوگيري از سرقت.

- ضد تروريسم (مانند بازرسي افراد مشکوک در فرودگاهها).

- معاملات مالي ايمن(تجارت الکترونيکي، بانکداري).

- ايمني اينترنت؛ کنترل دستيابي به اطلاعات ويژه

- کليد بيومتريک به صورت رمز در آمده براي پنهان ساختن وآشکار نمودن پيامها.

- هر استفاده موجود از کليدها، کارت­ها، شماره­هاي شخصي و يا کلمات عبور.

در حال حاضر بعضي از شرکت­هاي استفاده کننده اين الگوريتمها عبارتند از:

- شرکت Iridian Technologies ايالات متحده آمريکا

- شرکت LG کره

- صنايع الکتريکي OKI ژاپن

- شرکت NCR انگلستان

- شرکت Diebold ايالات متحده آمريکا

- جامعه The Nationwide Building انگلستان

مزايا و معايب عنبيه براي شناسايي افراد:

برخي از مزاياي عنبيه براي شناسايي افرادعبارتند از:

- از اعضاء داخلي بسيار محافظت شده چشم است.

- قابل ديد از خارج است؛ الگوهايي که مي­توانند از يک فاصله تصوير شوند.

- الگوهاي عنبيه از 244 درجه آزادي برخوردار هستند.

- منحصر به فرد بودن به دليل پيچيدگي ترکيبي

- تغيير اندازه مردمک طبيعي بودن فيزيولوژي را تاييد مي­نمايد

- داراي ساختار شکل گرفته قبل از تولد(ماه هفتم از دوران بارداري).

- الگوهاي عنبيه قابليت نفوذ ژنتيکي محدود دارند

- الگوهاي در طول دوران زندگي پايداري مي­باشند

- به رمز در آوردن وتصميم­گيري روي تصاوير عنبيه مشکل نيست.

برخي از معايب عنبيه براي شناسايي افراد عبارتند از:

- کوچک بودن هدف(يک سانتيمتر) براي دستيابي از فاصله­اي حدود يک متر

- متحرک بودن هدف

- قرار گرفتن عنبيه در پشت سطحي منعکس کننده، مرطوب و منحني

- تاثير مژه ها، عدسي­ها و انعکاسات بر روي آن.

- عدم وضوح تصوير به دليل فروافتادگي پلک­ها.

- تغيير شکل غيرارتجاعي به دليل تغييرات اندازه مردک

- تابش نبايد مرئي يا روشن باشد.

 

 

علم عنبيه:

يک اعتقاد مشهور در مورد تغييرات سيستماتيک درظاهر عنبيه وجوددارد که مطابق آن عنبيه قادر است سلامتي ارگانهاي مختلف بدن، خلق و يا شخصيت فرد را معلوم سازد. اشخاص شاغل و ماهر در تفسير نمود الگوهاي عنبيه براي تشخيص سلامتي، شخصيت و مهارتهاي دروني آيريدولوژيست ناميده مي­شوند. علم عنبيه در کشور روماني و ايالت کاليفرنيا متداول­تر از ديگر نقاط مي­باشد.

سه نوع تغيير در ظاهر عنبيه از نظر علمي مي­تواند وجود داشته باشد:

1) در اولين ماههاي زندگي پوششي از سلولهاي کروماتوفور در لايه­هاي قدامي عنبيه رنگ چشم را مشخص مي­سازد.

2) گزارش شده است که برخي معالجات دارويي براي درمان بيماري گلوکما(آب سياه) که درگير پروستوگلاندين هستند، ملنين و در نتيجه تجمع رنگدانه­هاي بافت عنبيه را تحت تاثير قرار مي­دهند. البته اين تغييرات رنگ عنبيه به روشهاي شناسايي عنبيه ارتباطي پيدا نمي­کند زيرا تصوير برداري از عنبيه با دوربينهاي مونوکروم و با تابش مادون قرمز در باند nm900-700 صورت مي­گيرد که ملنين تقريباً غير جاذب اين طول موجهاست.

3) در چشم افراد مسن گاهي يک حلقه سفيد عنبيه را محاصره مي­نمايد.

خصوصيات بيومتريک ژنتيکي و اکتسابي:

خصوصيات ژنتيکي به ساختمان ژنتيکي و يا اشتراک يک گروه در يک خصوصيت گفته مي­شود وخصوصيات اکتسابي به تجلي حقيقي يک ويژگي به واسطه تعامل با نوع ژنتيکي و محيط اطراف گفته مي­شود. نفوذپذيري ژنتيکي قابليت توارث عوامل مختلف را توضيح مي­دهد. در اين بحث به خصوصياتي مانند گروه خون و توالي DNA ويژگيهاي ژنتيکي و به اثر انگشت و الگوهاي عنبيه ويژگيهاي اکتسابي ژنتيکي ثانويه گفته مي­شود. اشخاصي که از نظر ژنتيکي مساوي هستند داراي خصوصيات ژنتيکي برابر مانند خصوصيات جنسيت، گروه خون، نژاد و توالي DNA هستند. بعضي از خصوصيات مانندسيماي کلي صورت هم فاکتور ژنتيکي(شبيه به نظر رسيدن دوقلوهاي مساوي) و هم فاکتور ژنتيکي ثانويه(تغيير ظاهر صورت به مرور زمان) را آشکار مي­سازند. اهميت اين خصوصيات بيومتريک اين است که دو نوع خطاي پايه را تحت تاثير قرار مي­دهند: تطابق نادرست و رد نادرست. ميل به ويژگيهاي بيومتريکي که به مرور زمان تغيير مي­کنند(مانندصورت) مي­نيمم نرخ خطاي رد نادرست را ايجاد مي­کند که به آن نرخ خطاي بيومتريک اکتسابي هم گفته مي­شود.

مقايسه بين الگوهاي عنبيه مساوي از نظر ژنتيکي:

اگر چه شباهت دوقلوهاي مساوي ناشي از نفوذپذيري ژنتيکي ظاهر صورت است مقايسه بين عنبيه­هاي مساوي نشان مي­دهد که بافت عنبيه يک ويژگي اکتسابي ژنتيکي ثانويه است نه يک ويژگي ژنتيکي. يک مثال ساده براي عنبيه­هاي مساوي ژنتيکي، چشم راست وچپ هر شخص مي­باشد که رابطه ژنتيکي مساوي دارند.

رنگ چشم ناشي از خصوصيات ژنتيکي است ولي جزئيات بافت عنبيه حتي در جفتهاي مساوي ژنتيکي، مستقل و ناهمبسته است. بنابراين روش شناسايي با عنبيه مانند ساير روشهاي شناسايي مثل شناسايي چهره، DNA و غيره به وسيله نرخ تولد دو قلوهاي مساوي  و يا وجود روابط ژنتيکي محدود نمي­شود. شکل (1-2) تفاوتهاي موجود در بافت عنبيه افراد را به خوبي نشان مي­دهد. 

 

3- باز شناسي  هويت از طريق چهره

 مقدمه:

يکي ازروشهاي مورد بررسي براي تعيين هويت انسان، بازشناخت چهره توسط کامپيوتر مي­باشد، که معمولا با عنوان شناسايي چهره و يا بازشناخت چهره بيان مي­گردد. در باز شناخت تصوير يک چهره تصوير ورودي با توجه به اطلاعات موجود در بانک اطلاعات، مورد شناسايي قرار مي­گيرد. اين بانک شامل مشخصاتي از تصوير چهره افراد شناسايي شده مي­باشد. بازشناخت چهره
 استفاده­­هاي فراواني در شناسايي بزهکاران، کارتهاي اعتباري، سيستمهاي امنيتي و موارد متعدد ديگر داشته و بدليل کاربردهاي فراوان، در سال­هاي اخير، مورد توجه قرار گرفته است. اين بازشناخت چهره در تصوير دردو مرحله انجام مي­شود:

1- موقعيت و حدود چهره يا چهره ها، در تصويري که داراي اشياء و زمينه هاي مختلف است، مشخص مي شود

2- از چهره مشخص شده در تصوير، ويژگي­هاي لازم استخراج شده و بازشناخت انجام مي­شود. که از جمله آن مشخص کردن اجزاء چشم و تعيين حالت و موقعيت آنها مي­باشد.

کارهاي انجام شده براي استخراج خصوصيات از تصوير بر روي دو نوع تصوير (تصاوير تمام رخ و نيمرخ) بوده است و بدليل اينکه تصاوير نيمرخ حاوي اطلاعات کمتري از تصاوير تمام رخ است، بررسي­هاي انجام شده، بيشتر بر تصاوير تمام رخ متمرکز شده است. در دهه­هاي اخير روشهاي متعددي براي باز شناخت چهره پيشنهاد شده است، ولي به دليل مشکلاتي رسيدن به اين هدف به طور کامل ميسر نشده است.

مشکلات اساسي در بازشناخت:

اساساً اختلاف و تنوع زياد در چهره افراد به گونه­اي است که نمي­توان چهره­ها را در دسته­ها وگروههاي مشخصي طبقه­بندي کرد. علاوه بر آن، ممکن است تغييراتي شبيه بلندي يا کوتاهي موي سر و صورت يا نحوه مرتب کردن آن و نيز تغيير سن باعث تغيير چهره  گردد. در ضمن ممکن است، تغيير در چهره به دليل شرايط تصوير برداري باشد. اين شرايط مي­تواند شامل تغييرات در شدت نور و نيز چگونگي قرار گرفتن (زاوه و چرخش چهره) يا زاويه تصوير برداري از چهره باشد، که به هر صورت، باعث مشکلات اساسي در باز شناخت تصوير چهره مي­گردد. به دلايل ذکر شده، استخراج ويژگي­هاي ثابتي از يک چهره، که با ويژگي­هاي استخراج شده از تصوير يک شخص با تغيير شرايط تصوير­برداري تغيير مي­کند، و گاهي نيز بر عکس آن ويژگي استخراج شده از چهره اشخاص متفاوت (به دليل شباهت و تعدد چهره­ها)، بسيار شبيه بوده و در باز شناخت تصوير مشکل آفرين مي­گردد.

 

روشهاي استخراج خصوصيات از چهره:

در سالهاي اخير روشهاي مختلفي براي استخراج ويژگيهاي مهم وموثر جهت شناسايي چهره، مورد بررسي قرار گرفته است، اين روش­ها به سه دسته کلي تقسيم­بندي مي­شوند:

الف- ويژگيهاي ظاهري

ويژگي­هاي ظاهري شامل مختصات اجزاء چهره، مانند چشم­ها، بيني، حلقه­ها، بافت­ها ونواحي مختلف چهره مي­باشد که همان خصوصيات ظاهري چهره هستند. در استخراج اين خصوصيات از تصوير محدوديت­هاي فراواني وجود دارد. اين روش در فصل سوم مورد بررسي قرار گرفته است.

ب- ويژگيهاي جبري

هر تصوير مي­تواند بصورت يک ماتريس تلقي شده و سپس عمليات جبري و تبديلات رياضي مختلف بر روي آن اعمال گردد. ويژگيهاي جبري، حاصل اين فرايند بود و عموما نشانگر خواص ذاتي يک تصوير مي­باشد. ازعمليات مهم بر روي ماتريس تصوير، تحليل مولفه­هاي اساسي (تبديل PCA) مي­باشد. اين تبديل يکي از روشهاي مهم براي استخراج ويژگيهاي جبري از تصوير چهره مي­باشد، که بر مبناي بردارهاي ويژه ماتريس کواريانس بنا نهاده شده است. بردارهاي ويژه ماتريس، بيان کننده توزيع جبري ماتريس وثابت­هاي هندسي بوده و مي­تواند براي استخراج ويژگي از تصوير بکاربرده شود.

از ديگر روشهاي جبري، روش تجزيه مقادير منفرد SVD مي­باشد. مي­توان نشان داد که تجزيه مقادير منفرد ماتريس يکي از روشهاي موثر براي استخراج ويژگي ازماتريس تصوير است. تجزيه مقادير منفرد در فشرده­سازي و پردازش سيگنال نيز مورد استفاده قرار مي­گيرد.

روش تجزيه مقادير منفرد و تحليل مولفه­هاي اساسي در فصول چهار و پنج مورد بررسي قرار گرفته­اند.

ج- ويژگيهاي آماري نقاط تصوير

با توجه به دو بعدي بودن تصاوير و در نظر گرفتن نقاط تصوير به صورت داده­هاي آماري، مي­توان از مشخصات آماري نقاط، براي توصيف تصوير استفاده کرد. در اين روش معمولا از خصوصياتي استفاده مي­شود که داراي توانائي کافي براي توصيف تصوير بوده وضمن غناي اطلاعاتي، از پايداري خوبي نيز برخوردار باشد. يکي از روش­هاي آماري مهم استفاده از روش خود بستگي موضعي با درجه بالا مي­باشد که در فصل ششم مورد بررسي قرار گرفته است.

ويژگيهاي استخراج شده از تصوير بصورت بردار در نظر گرفته مي­شود. اگر بردارهاي استخراج شده از تصاوير داراي ابعاد زيادي باشند، بايد کاهش بعد داده شوند تا جداپذيري و طبقه­بندي کلاس­ها بهتر گردد. روش کاهش بعد و جداپذيرتر کردن کلاسها نيز در فصل دوم ارائه شده است.

روش اخذ تصاوير و تهيه بانک تصوير

تعداد افراد قابل بازشناخت را روش مورد استفاده در استخراج ويژگي از تصوير و دقت لازم براي بازشناخت تعيين مي­کند و هر قدر روش استخراج ويژگي از چهره کاراتر باشد، مي­توان تعداد بيشتري افرادرا مورد شناسايي قرار داد. اما عموما در تمام روشهاي موجود، باز شناخت براي تعداد محدودي از افراد انجام مي­گيرد.

تصاوير چهره داراي ابعاد 128*128 نقطه بوده و هر نقطه توسط يک بابت بيان مي­گردد. به عبارتي تصاوير داراي 256 سطح روشنايي مي­باشند. فاصله دوربين تا چهره تصويربرداري شده تقريبا ثابت در نظر گرفته شده است و اختلاف در فاصله تصوير برداري از افراد، حداکثر 40 سانتيمتر مي­باشد. البته براي تصاوير گرفته شده از يک شخص، اين تقريب به 20 سانتيمتر محدود مي­شود.

در مورد شدت نور تصاوير و تغييرات نور در تصويربرداري، چون تصاوير در روزهاي مختلفي گرفته شده، نور تمامي تصاوير دقيقا يکسان نيست. اما براي تصاوير گرفته شده از يک نفر، به دليل اينکه تصاوير در يک محيط ثابت ودر فاصله زماني کم گرفته شده است، تغييرات نور کم بوده ومي­توان از آن صرف نظر کرد(در گرفتن تصاوير از نور فلاش استفاده شده است).

دسته تصاوير مربوط به يک نفر، شامل تصوير چهره در حالت تمام رخ، چرخش چهره به اطراف، چشمهاي بسته، لبخند و حالتهاي مختلف چهره مي­باشد. درتهيه بانک تصوير سعي شده از انواع چهره و افراد مختلف استفاده شود.

پس از تهيه بانک تصوير، از تصاوير اشخاص موجود در بانک تصوير، ويژگيها استخراج شده وکاهش بعد داده مي­شوند. واضح است که ويژگيهاي استخراج شده و کاهش بعد يافته، در بانگ ديگري، که بانک ويژگيهاي استخراج شده ناميده مي­شود، ذخيره مي­گردد.

تغييرات اعمال شده بر روي تصاوير:

هدف پروژه شناسايي يک چهره است.بنابراين در مرحله اول اين شناسايي که پروژه فعلي بر اساس آن تعريف گشته است، از مرحله تفکيک که چهره را از ميان اجزاء ديگر موجود درتصوير منفک مي­نمايد صرف نظر مي­گردد. اين موقعيت مشابه با وضعيتي است که فردي به يک در بسته نزديک مي­شود و قرار است قبل از رسيدن به در مورد شناسايي قرار گيرد. دوربين از چهره وي تصوير برداري کرده تا بازشناخت را بوسيله سيستم انجام دهد، سپس دستورات بعديمثلا باز شدن در ورودي انجام شود، دراين حالت تصاوير پشت سر فرد مي­تواندسفيد در نظر گرفته شود. اين محدوديت در تعريف بازشناخت باعث مي­گردد که در تصوير برداري از چهره محدوديتهاي اعمال گردد. از جمله اين محدوديتها ثابت بودن زمينه تمام تصاوير مي­باشد، لذا پس از تصوير برداري زمينه تصوير سفيد و اطلاعات اضافي از قبيل شانه­ها و گردن تا حد ممکن حذف ميگردد. واضح است هر قدر اطلاعات اضافي وناخواسته در تصوير چهره کمتر باشد، ويژگي استخراجي داراي پايداري بيشتري مي­باشد.

مدل سيستم بازشناخت:

براي بازشناخت يک تصوير ورودي، ابتدا از تصوير بردار ويژگي استخراج مي­شود(بايد ويژگي استخراج شده، با روش استخراج ويژگي از تصاوير موجود در بانک ويژگي مطابقت داشته باشد). سپس بردارهاي استخراجي کاهش بعد داده مي­شود. در کاهش بعد جداپذيري کلاس­ها و طبقه­بندي آنها بهتر ميگردد. سپس ويژگي دسته موجود دربانک ويژگي مشخص مي­شود. حال يکي از دسته­هاي موجود در بانک ويژگي انتخاب شده، بايد مشخص کرد که آياتصوير ورودي متعلق به همين کلاس است(شخصي که ويژگي­هاي موجود دربانک متعلق به آن شخص است) يا اينکه تصوير ورودي اصلا در بانک تصاوير نبوده وکاملا جديد است. لذا يک سطح آستانه براي فاصله و متناسب با ضريب اطمينان لازم براي باشناخت تصوير جديد بکار برده شده و به اين صورت عمل مي­گردد که اگر فاصله بردار ويژگي استخراج شده از تصوير جديد تا نزديکترين بردار ويژگي موجود در بانک، در حد قابل قبولي بود، تصوير جديد متعلق به آن کلاس تشخيص داده مي­شود. و در غير اينصورت تصوير جديد قابل شناسايي(باز شناخت) نمي­باشد. اگر براي ويژگي مربوط به فردي که تصوير ورودي متعلق به وي است. در بانک باشد و باز شناخت انجام نشود. به اين معني است که ويژگي­هاي استخراجي از تصوير جديد، با ويژگي استخراجي از تصاوير آموزشي متفاوت است.

با تغير تصوير چهره يک شخص ويژگي­هاي استخراجي تغيير مي­کند، اما اگر روش استخراجي به گونه­اي باشد که تغييرات در تصوير فرد، تاثير زيادي بر بردار ويژگي مربوط به وي نداشته باشد. ويژگي استخراجي موثرتر و پايدارتر بوده و مي­توان حالت­هاي متفاوت­تري از چهره را مورد باز شناخت قرار داد.

پارامترهاي مهم در تعيين نرخ بازشناخت:

نرخ باز شناخت در تمامي روش­هاي موجود، به چند عامل مهم وابسته است، که به آنها اشاره مي­شود:

الف- اندازه تصاوير چهره

هر چند تصاوير بزرگتر باشند، حاوي اطلاعات بيشتري از چهره بوده واين فراواني اطلاعات در بردار استخراجي نيز صدق مي­کند، ولذا طبقه­بندي و جداپذيري کلاسها بهتر انجام گرفته و نرخ بازشناخت افزايش مي­يابد. البته اگر تصاوير بزرگ و تعداد آنها زياد باشد، حجم و حافظه زيادي براي پردازش و نگهداري تصاوير، لازم خواهد بود.

ب- تغييرات تصاوير آموزش هر شخص

اگر تغييرات تصاوير آموزشي در هر کلاس کم باشد، تغييرات بردار استخراجي و تداخل بين کلاسها کمتر بوده و نرخ شناسايي افزايش مي­يابد. اما بايد توجه داشت که در اين صورت، حالت­هاي محدودي از چهره (شبيه تصاوير آموزشي) قابل بازشناخت خواهد بود.

ج- تعداد اشخاص (کلاسها) در بانک تصاوير

با افزايش تعداد کلاسها، تداخل بين کلاس­ها بيشتر شده و از جداپذيري آنهاکاسته مي­گردد ونرخ شناسايي نسبت به تعداد کمتر کلاسها، پايين مي­­آيد.

د- بکار بردن سطح آستانه

با بکار بردن سطح آستانه، براي فاصله کلاسها مي­توان فاصله کلاسها مي­توان دقت و نرخ بازشناخت را افزايش داد و اين دقت را براي هر شخص(کلاس) به مقدار دلخواهي تعيين کرد، اما بايد توجه کرد که با افزايش دقت در بازشناخت، تنوع چهره در بازشناخت کاهش مي­يابد.

در اين تحقيق روشهاي موجود براي بازشناخت چهره مورد بررسي قرار گرفته و کارايي و توانايي آنها در بازشناخت چهره مقايسه شده است.

4- باز شناسي  هويت از طريق  DNA

             DNA ‌پايه و اساس زندگي است كه از دي اكسيد ريبوز-فسفات پليمري تشكيل شده است و در واقع از 4 پايه هتروسيكليك تشكيل شده است كه شامل آدنين و تيميدين و گوانين و سيتوزين مي باشد.   DNA در واقع يك كد شيميايي خودسازنده است.  از طريق تركيبات هيدروژني بين رشته اي ، رشته هاي ناموازي از پليمرها كنار هم قرار مي گيرند تا يك ساختار مارپيچي بزرگ را ايجاد كنند. ترتيب خطي اين پايه ها يك دستورالعمل را به فرم تركيبي از ژنها ايجاد مي كند در هر انسان چيزي حدود سي تا چهل هزار ژن وجود دارد. فهم روابط پيچيده بين DNA و خصوصيات مختلف در درجه اول اهميت در علوم بيولوژي ملكولي و پزشكي قرار دارد. توسعه و رشد اشتباه ژن ها چه در فرم محصولات زيان آور و چه در فرم غير عادي آن باعث و باني بسياري از بيماريها مي باشد. بنابراين به خصوص در سطح ملكولي ما علاقه منديم كه فرايندها و وسايلي را ايجاد كنيم كه كه كار تنظيم و مطالعه توسعه و ساخت ژن ها را انجام دهند.

باز شناسي DNA :

به طور مفهومي اين كار يعني بازشناسي DNA به سه حوزه تقسيم مي شود يكي حوزه بيولوژيكي آن است يكي بازشناسي شيميايي اسيد هاي نوكلئيك است و آخري نيز اسپكتروسكوپي است.

در بازشناسي DNAكه در واقع يك كد يك بعدي است كه برا ي هر فرد به صورت يكتا است.فرم استاندارد B‌ از DNA‌ داراي دو نوع ماجور ومينور مي باشد كه نوع ماجور آن داراي شيار كم عمق و وسيعي با طول 12 آنگستروم  است و نوع مينور آن داراي شيار عميق و باريك با طول 4 تا 6 آنگستروم است. تغييرات ساختاري وابسته به توالي ، خواص تركيبي ، حلاليت و ... ، همگي باعث ايجاد تغيير در فرم استاندارد آن مي شوند.

 تفكيك شيميايي بين پايه هاي DNA‌ به وسيله الگو هاي تركيبي هيدروژن دار  دونور و اكسپتور كه در لبه هاي جفت هاي پايه هستند صورت مي گيرد. پروتئين هايي كه باعث شناسايي  DNA‌ مي شوند از تركيبات ويژه هيدروژني  نظير وان در والس و الكترواستاتيك براي اتصال به توالي هاي مهم بيولوژيكي استفاده مي كنند. بنابراين ترتيب پايه ها به عبارتي به خواص شيميايي در DNA هاي ماجور و مينور بستگي دارد كه اين ها در نهايت به پروتئيني كه به نام read  مشهور است متصل مي گردند.

موتيف هاي زينگ فينگر و لوسين زيپر جانشين بعضي از انواع موتيف هاي بهتر براي بازشناخت مي شوند. هيچ موتيف تنهايي وجود ندارد كه جانشين يك آمينو اسيد اصلي و پايه براي انواع توالي هاي DNA شود. بازسناخت به وسيله بعضي از پروتئين ها از قبيل TBP كه با فاكتورهاي مختلفي همراه است صورت مي گيرد .

بررسي زمينه هاي بازشناسي DNA‌ به وسيله مولكول هاي كوچك باعث توليد محصولات خنثايي مي شود كه مي توانند DNA را بازشناسي كنند كه هر كدام داراي درجه خاصي از ويژگي هاي رشته مي باشند و داراي مدهاي اتصال متفاوتي هستند كه شامل شيار ها يا روي هم قرار گرفتن مي شود. شيار هاي مينور محيط خوبي و ويچه اي را براي بازشناسي به وسيله ملكولهاي كوچك فراهم مي كنند. تعداد زيادي از تركيبات بازشناس DNA از قبيل الگيوساكاريد كاليچ مينسين ، CC-1065 و H-33258 به شيميدانان اجازه مي دهند كه مشتقات مختلفي را براي درك و اصلاح ويژگي هاي رشته و نزديكي آن با يك رشته ديگر سنتز كنند.

ديستامينسين كه 5 جفت پايه را در رشته مينور متصل مي كند ، اثبات شده است كه داراي موقعيت مناسبي براي كنترل ويژگي هاي رشته دارد.         

چارچوب پلي آميدي براي بازشناسي توالي ويژه اي از ملكول ها در نوع مينور:

تحقيقات آزمايشگاهي پرفسور پيتر دروان منجر به پيشرفت در ساخت مشتقات ديستمايسين در نوع مينور شد كه اين مي واند تعداد زيادي از توالي هاي DNA‌ را به همراه فاكتور هاي آن باز شناسي كند .

ساختمان پلي آميد در DNA شامل N-متيل پيرول (Py) كربوكسيد است كه كه ساختاري از تكرار ديستامين است و به همان تعداد متيل ايميدازول (Im) و متيل3-هيدروكسي پيرول (Hp) كربوكسيد است. بازشناسي DNA به جفت هاي اسيد هاي آمينه كناري در نوع مينور بستگي دارد كه حلقه هاي آروماتيك را در كنار خود جمع مي كند.

هر جفت از پلي اميد هاي باقي مانده يك انتخاب براي يك جفت پايه در يك DNA‌خاص است كه بر اساس فاكتورهاي موقعيت فضايي و يكساني اتصالات هيدروژني دونور يا اكسپتور و ويژگي اين تركيبات ، وارد معادله تركيب مي گردد. يك جفت ازIm در طذف مخالف Py  باعث ايجاد يك جفت پايه G-C مي شود در حالي كه Py/Im باعث ايجاد C-G مي شود. يك جفت Py/Py باعث نابودي هر دو جفت پايه A-T و T-A مي شود. يك Hp در خلاف جهت يك Py‌ باعث ايجاد تفاوت بين A-T و T-A مي شوددر حالي كه Py/Hp  جفت  A-T‌را در اولويت بالاتري از T-A قرار مي دهد و با روشهاي مختلفي اين قوانين اثبات شده اند.

به هر حال بازشناسي موتيف هاي مختلفي بر اساس پلي آميد پيرول-ايميدازول امكان پذير مي باشد همانطور  كه در شكل 2 نيز آمده است اين ساختار كاملاً شناخته شده است.

 

5- باز شناسي  هويت از طريق گفتار

مقدمه:

باز شناسي گفتار يكي از مهمترين مباحث تحقيقات گفتاري است كه در طول پنج دهه گذشته، يعني از زماني كه چنين تحقيقاتي در اوايل دهه 50 ميلادي آغاز شد، پيشرفتهاي زيادي داشته است.

فرايند بازشناسي گوينده كه در اينجا به شاخه عمومي مسائلي از قبيل تعيين هويت گوينده، تصديق گوينده و طبقه بندي گوينده اطلاق مي شود، اولين بار توسط آتال در اين زمينه مطرح شد. اين اولين قدم در معرفي اين زمينه تحقيقاتي بود كه البته در ابتدا از موفقيت كمي برخوردار بود.

تعيين هويت گوينده به اين صورت تعريف مي شود كه از ميان N مدل گوينده مرجع، آن مدل گوينده اي كه نزديكترين و بيشترين شباهت را به گوينده نا مشخصي ورودي دارد پيدا مي كند. از آنجايي كه الگوهاي گفتار با تك تك مدلهاي مرجع مقايسه مي شوند و همچنين از آنجايي كه براي هر تصميم گيري نادرست احتمال معيني براي هر مقايسه وجود دارد، بنابراين واضح است كه احتمال تصميم گيري كلي تابعي از N بوده و در نتيجه هر چه تعداد مدل ها بيشتر باشد احتمال خطا يا تصميم گيري نادرست در تعيين هويت گوينده بيشتر مي شود.

مسئله تصديق گوينده به اين صورت مطرح مي شود كه گفتار يك هويت گوينده نامشخص و مدل گوينده اي كه وي ادعا مي نمايد داده شده است و بايستي مشخص شود كه آيا گفتار اين گوينده به اندازه كافي به مدل گوينده ادا شده شباهت دارد يا نه. بنابراين در اين حالت تعداد مقايسه يكي است و معمولاً مستقل از تعداد جمعيت مدل مرجع است.

در يك تقسيم بندي، بسته به اينكه مدلي كه براي شناسايي مورد آزمون قرار مي گيرد جزو مدلهاي مجموعه باشد يا نباشد، دو تعريف زير ارائه مي گردد:

  • تعيين هويت در مجموعه بسته: كه در اين حالت مدل مورد آزمون جزو N مدل موجود در شبكه مي باشد.
  • تعيين هويت در مجموعه باز: كه در اين حالت گفتار ورودي نامشخص متعلق به هيچ كدام از اعضاي مدلهاي گويندگان مرجع موجود در سيستم نمي باشد.

در سيستم هاي تعيين هويت در مجموعه باز نتايج خروجي N+1 حالت مي باشد كه N تعداد مدلهاي مرجع است. در واقع در اين نوع سيستم، تركيبي از دو نوع سيستم تعيين هويت مجموعه بسته و تصديق هويت مي باشد. دراين سيستم ابتدا نزديكترين مدل به گفتار ورودي پيدا شده و سپس صحت تعلق گفتار ورودي به آن مدل مورد بررسي قرار مي گيرد. بنابراين كارايي اين سيستم نسبت به تعيين هويت مجموعه بسته كمتر است.

تصديق هويت گوينده راحتي و اطمينان بيشتري را براي بسياري از فعاليتهاي روزمره آدمي كه نياز به امنيت دارد ايجاد مي نمايد. اين تكنولوژي بدليل اينكهاز خصوصيات ذاتي موجود در صداي انسان استفاده مي كند، در مقابله با مسئله تقليد و كلاه برداري بسيار مقاوم بوده و از لحاظ ويژگي بازشناسي هويت از راه دور نسبت به برخي روشها از جمله اثر انگشت كارايي بسيار بيشتري دارد.

روشهاي پياده سازي سيستم هاي تصديق گوينده:

          شماي كلي يك سيستم تصديق گوينده در شكل زير آمده است:

شكل1: شماي كلي يك سيستم تصديق گوينده

 سيگنال گفتار گوينده به عنوان ورودي به سيستم انتقال داده مي شود. سپس پيش پردازش و نهايتاً استخراج ويژگي ها بر روي آن اعمال مي گردد و به اين ترتيب به يك فضاي جديد منتقل مي گردد. ويژگي هاي استخراج شده از گفتار گوينده با مدل مرجع او مقايسه مي شود. عمل مقايسه به اين صورت انجام ميگيرد كه ميزان شباهت يا اختلاف اين ويژگي ها با مدل مرجع به دست مي آيد. ميزان شباهت به دست آمده با ميزان آستانه مقايسه مي شود و با توجه به اين مقايسه خروجي سيستم مبني بر تعلق و يا عدم تعلق گفتار ورودي به گوينده ادعا شده مشخص مي شود.

 قبل از معرفي روشهاي پياده سازي سيستم، به بررسي نكاتي در طراحي سيستم هاي بازشناسي (اعم از تعيين هويت و يا تصديق هويت)  مي پردازيم:

1- انتخاب ويژگي ها: براي استخراج ويژگي هاي گوينده بايستي چند عامل مد نظر قرار گيرد؛ از جمله: اين ويژگي ها نبايستي به نويز محيط انتقال مانند كانال هاي مخابراتي حساس باشند، همچنين اين ويژگي ها نبايستي به حالات رواني و فشار هاي محيط كه گوينده در آن در حال صحبت كردن است وابسته باشد. در كل روش بهينه اي براي استخراج ويژگي ها وجود ندارد و معمولاً از طريق تجربه اين عمل صورت مي گيرد.

 

لازم به ذكر است كه در بازشناسي گوينده از ويژگي هاي ديناميك كه بستگي زيادي به حالات گوينده دارد استفاده مي شود، در صورتي كه در روشهاي ديگر خصوصيات فيزيكي استاتيك و پايدار مورد بررسي قرار مي گيرند. بنابراين يك سري محدوديتهاي ذاتي در مورد استفاده از اين سيگنالها وجود دارد. براي درك اين محدوديتها بايستي اطلاعات تمايزدهنده گوينده ها و نحوه قرار گرفتن آنها در سيگنال گفتار مورد بررسي قرار گيرد. سيگنال گفتار از طريق حركت اندامهاي توليد گفتار بوجود مي آيد و توسط حنجره و سيستم عصبي كنترل مي گردد. بنابراين  دو منع اطلاعات گوينده در سيگنال صحبت وجود دارد يكي مربوط به خصوصيات فيزيكي و ساختاري مجراي گفتار و ديگري اطلاعات كنترلي از مغز و ماهيچه ها اندام گويايي است. اين اطلاعات همراه با اطلاعاتي مربوط به هنگام حركت دادن مفصل هاي اندامهاي توليد گفتار، وارد سيگنال صحبت مي شود. در كل اطلاعات سيگنال گفتار را به دو دسته سطح بالا (مانند: لحن، محتواي گفتار و استيل گفتار يعني طريقه استفاده گرامري و نحوي از كلمات) و سطح پايين (مانند: خصوصيات سيگنال گفتار از قبيل دامنه طيف، فركاني گام واكدار، فركانس فرمانت، پهناي باند و خصوصيات تناوبي گفتار واكدار) تقسيم بندي مي كنند. اطلاعات سطح بالا عملاً در بازشناسي گوينده توسط انسان كاربرد داشته و در عوض سيستم هاي بازشناسي گوينده اتوماتيك از ويژگي هاي سطح پايين سيگنال استفاده مي شود.

 

2- مدل هاي گويندگان: در سيستم هاي بازشناسي گوينده، مدل هر گوينده شامل خصوصيات آماري او است. معمولاً در مدل هي گويندگان از يكي از دو مدل پارامتري (مانند مدل گوسي) و غير پارامتري (مانند مدل مراكز خوشه ها يا حالات چند گانه) استفاده مي شود.

 

3- طول گفتار آموزشي: كه با افزايش اين زمان نتايج مطلوب تري حاصل مي گردد.

 

4- انتخاب گفتار مناسب: پيشنهاد مي گردد سكوت وبخشهاي غير گفتاري حذف گردد.همچنين گفتارهاي كم انرزي و بي واك در تمايز بين گوينده ها كم اثر بوده و پيشنهاد مي گردد كه از اطلاعات مدل حذف گردند.

 

5- محيط نويزي: نويز پشت زمينه يك مشكل عمومي است و بهتر است براي تخمين آن از نويز پشت زمينه در زمان سكوت استفاده و با اعمال آن به مدل،‌تخميني از مدل بدون نويز داشته باشيم.

 

6- تنوع گوينده: اغلب سيگنال گفتار يك شخص در حالت هاي خوشحالي، ناراحتي و خستگي متفاوت و به اين ترتيب كارايي سيستم را كاهش مي دهند.بنابراين خصوصيات آماري يك فرد ثابت نيست.

معرفي برخي از روشهاي بازشناسي گفتار:

1- روش پيچش زماني: اين روش زماني مناسب است كه تعداد افراد مورد بررسي كم باشند. اساس اين روش بر پايه الگوريتم برنامه ريزي پويا و روش تطبيق الگو مي باشد.

2- روش مدل مخفي ماركوف: اين روشي براي مدلسازي آماري فضاي صوتي اكوستيكي گوينده مي باشد. اين مدل نسبت به مدل DTW كارا تر مي باشد.

3- روش شبكه هاي عصبي

4- روش فازي

6- باز شناسي  هويت از طريق امضا

 
طبيعت امضاي انسان

بر اساس فرهنگ لغات امريكايي، امضا اينگونه تعريف مي‌شود:"اسم شخص كه توسّط خود او نوشته شده باشد، عمل نشانه‌گذاري يك اسم".تعاريف ديگر امضا را متشكّل از مجموعه‌اي از حركات سريع دست كه نشانه‌گذاري روي كاغذ مي‌شود مي‌دانند. بر اين اساس، مشخصات فرآيند نشانه‌گذاري سريع(از قبيل سرعت، فشار، خط سير قلم و غيره)، براي هر شخص منحصر به فرد مي‌باشد.در واقع ويژگي‌هاي اين فرآيند از خواص ذاتي سيستم عصبي-عضلاني انسان، كه حركات ياد شده را توليد مي‌كنند ، ناشي مي‌شود.با آگاهي از عملكرد اين سيستم كه تشكيل شده از تعداد زيادي نورون و فيبرهاي عضلاني مي‌باشد و بر اساس تئوري حد مركزي مي‌توان گفت كه پروفايل سرعت حركت‌هاي تند و بر اثر عادت، به صورت مجانبي به سمت يك معادلهdelta-lognormal ميل مي‌كند.اين امر در واقع پايداري خصويات امضا را تاييد مي‌كند.بنابراين امضا را مي‌توان خروجي سيستمي كه در فاصله زماني معيّني فعّال و مدل كننده فرد امضاكننده مي‌باشد،  در نظر گرفت .

روش‌هاي بازشناسي امضا به دو گروه عمده استاتيك((off-line و ديناميك(on-line) تقسيم مي‌شوند.

روش استاتيك كه بر اساس روش اوّل مي‌باشد، امضا را به صورت يك تصوير دو بعدي در نظر مي‌گيرد كه محتوي هيچگونه اطلّاعات وابسته به زماني نمي‌باشد.بر اين اساس، خصوصيّات استاتيك امضا كه نامتغييّر با زمان مي‌باشند، براي بازبيني امضا به‌كار مي‌روند.در نتيجه عمل بازشناسي امضا به يك فرآيند بازشناسي الگوي عادي تبديل مي‌شود.با توجّه با اين نكته كه تغيير در الگوي امضا امري اجتناب ناپذير مي‌باشد، فرآيند تصديق و بازبيني امضا در اين روش را مي‌توان به تعيين و ترسيم محدوده تغييرات اصلي محدود كرد.در مقابل، روش ديناميك از خصوصيات ديناميك فرآيند امضا كردن استفاده مي‌كند.اين روش شامل استخراج ويژگي‌هايي از اطلاعات ثبت شده فرآيند امضا و مقايسه آنها با ويژگي هاي امضاي مرجع مي باشد.

 

انواع جعل امضا

هدف اصلي بازبيني امضا، تمايز امضاي اصلي از امضاي جعل شده مي باشد.در واقع ابزارها و نتايج بازبيني به نوع امضاي جعل شده بستگي پيدا مي كند.انواع اصلي جعل امضا در شكل زير مشاهده مي شوند:

 اوليّن نوع جعل كه جعل تصادفي نام دارد(شكل b)، در واقع هيچگونه اطلّاعاتي راجع به امضاي اصلي و يا اسم شخص حقيقي در بر نداشته و تنها نمونه اي تصادفي از شخص جعل كننده مي باشد.نوع دوم يا جعل ساده(شكل c) ، تقليدي ساده از طرز شكل اسم شخص اصلي مي باشد و نوع سوم يا جعل امضاي تخصصي(شكل d)،تقليدي هوشمندانه و مناسب از امضاي شخص اصلي است.

 هركدام از روش هاي بازبيني off-line , in-line ، براي گونه خاصي از انواع جعل مناسب است . روش هاي off-line به طور معمول براي جعل امضاهاي تصادفي و ساده به كار مي روند ، چرا كه اين روش ها غالبا با فاكتورهاي مربوط به شكل و قالب بندي امضا سروكار دارند و به علت فقدان اطلاعات زماني و عدم توانايي در مدلسازي خط سير دستنوشته، تمايز بين امضاي اصلي و جعل هاي تخصصي در اين روش مشكل است.

 در مقابل براي بازبيني جعل امضاهاي تخصصي، كه از نظر ظاهري بسيار شبيه امضاي اصلي مي باشند، روش هاي on-line كه از اطلّاعات زماني امضا نيز بهره مي برند مناسب مي باشند.

 

نگاهي به روش هاي استاتيك و ديناميك بازشناسي امضا:

 از ميان روش هاي off-line كه براي بازبيني امضا به كار مي روند، مي توان به موارد زير اشاره كرد:

 تبديل هاي دوبعدي، هيستوگرام اطلاعات جهت دار،بررسي انحنا، تصويرسازي افقي و عمودي رد امضا و محل يابي نقاط خاص در ساختمان امضا.

 يكي از پيشتازان اين عرصه ، Ammar در دهه 80 مي باشد كه از ايده بررسي آماري نقاط پررنگ براي شناسايي وي‍ژگي هاي شبه ديناميك امضا استفاده كرد.به اين معني كه سطح پررنگي و يا ميزان خاكستري بودن به طور مستقيم با فشار قلم كه يكي از خصوصيات فري هر امضا است بستگي دارد.

 از روش هاي بازبيني ديناميك يا on-line   مي توان به روش هاي زير اشاره كرد:

 طبقه بندي كننده هاي احتمالاتي، time warping، شبكه هاي عصبي(ANN)، مدل هاي مخفي ماركف(HMM) ،روش هاي همبستگي سيگنال، روش هاي سلسله مراتبي ، فاصله هاي اقليدسي و غيره.

 در ميان روش هاي مذكور، مدل هاي مخفي ماركف(HMM) با نرخ خطاي كمتر از 1% بهترين نتيجه را در پي داشته است.

 

انواع ويژگي هاي موجود در يك امضا:

 ويژگي هاي موجود در يك امضا ا مي توان به سه گروه ويژگي هاي عمومي، ويزگي هاي اطلاعاتي شبكه اي و ويژگي هاي ساختاري دسته بندي كرد.

 ويژگي هاي عمومي، ويژگي هايي هستند كه به طور كلاسيك در مسائل بازشناسي الگو به كار مي روند. اين ويژگي ها، پس از نرماليزه سازي و شالوده بندي تصوير امضا مورد استفاده قرار مي گيرند.نمونه اي از اين ويژگي ها در ادامه آمده است:

 مركز جرم در راستاي قائم، مركز جرم در راستاي افق، حداكثر طول تصوير عمودي، حداكثر طول تصوير افقي، پيك هاي تصوير عمودي(تعداد ماكزيمم هاي محلي موجود در تصوير عمودي)، پيك هاي تصوير افقي، زواياي خميدگي سراسري، زواياي خميدگي محلّي،تعداد نقاط لبه اي، تعداد نقاط گذر و تعداد حلقه هاي بسته.

 ويژگي هاي اطلاعاتي شبكه اي به اين صورت محاسبه مي شوند كه تصوير به شبكه اي شامل 96 ناحيه مستطيي(12*8) تقسيم شده و ويژگي هاي هر ناحيه به طور جداگانه بررسي مي شود.

 براي بدست آوردن ويژگي هاي ساختاري نيز بايد از ماتريس وقوع همزمان تصوير امضا استفاده كرد.به عنوان نمونه،در تصاوير باينري، ماتريس هاي 2*2 توصيف كننده گذار نقاط سياه و سفيد در جهت و فاصله مربوطه مي باشند.

 

مزايا ومعايب :

 مي توان گفت كه يك سيستم تشخيص هويت بيومتريك به چهار عامل زير وابسته است .

  • مقبوليت در ميان استفاده كنندگان
  • صحت
  • هزينه و زمان پياده سازي
  • سطح امنيتي مورد نياز

در اين  ميان روش بازشناسي امضا كه در اين قشمت مورد مطالعه قرار گرفته است ازمزيت مقبوليت گسترده در ميان استفااده كنندگان بهره مي برد كه  اين امر به تاريخچه طولاني استفاده از امضا به عنوان عامل اعتبار يك سند مربوط مي شود. يكي ديگر از مزاياي اين روش اين است كه بيشتر كامپيوتر هاي قابل حمل جديد از ورودي هاي دست نووشته اي بهره مي برند و بنابر اين نياز به ابداع سيستم هاي سخت افزاري جديدي براي جمع آوري اطلاعات نمي باشد. در عين حال بايد بيان كرد كه سيستم هاي باز شناسي محدودي وجود دارند كه نرخ صحت كافي به همراه بازده مناسب را فراهم مي سازند . در هر حال با اينكه باز شناسي امضا يكي از ايمن ترين روش هاي تشخيص هويت مي باشد ، استفاده از آن در فهاليت هاي تجاري امروزه نيز مورد تاييد است كه دليل اصلي همخواني اين روش با اصول قبلي تشخيص هويت پذيرفته شده در ميان مردم مي باشد.  

 

شركت هايي كه در اين زمينه كار مي كنند:

در زير ، ليستي از كمپاني هايي كه در زمينه ارائه سيستم هاي بازشناسي و بازبيني امضا فعاليت مي كنند، مشاهده مي شود.در اين ميان كمپاني اسرائيليWondernet و محصول آن تحت عنوان Penflow ، يكي از قابل اطمينان ترين سيستم هاي تشخيص هويت جهان را در اين زمينه ارائه كرده است.

 

Appendix 1. Providers of Signature Verification Solutions

 

1. Communication Intelligence Corporation

Sign-it – Windows server for Word, Adobe, AutoCad

Sign-On – Login security for Palm and Windows CE

InkTools – SDK for Palm OS and Windows

ISign – SDK for Internet applications

Official website: www.cic.com

 

2. Cyber-SIGN Japan Inc.

Cyber-SIGN – Acrobat, Lotus Notes and Word

Cyber-SIGN Enetrprise & Smart Card 

Cyber-Sign Personal – client-server application

Log-on-Lock – Pocket PC and Windows CE

Official website: www.cybersign.com

 

3. DATAVISION corporation

PCVision

RXVision

Official website: www.datavisionimage.com

 

4. Hesy

HESY

Official website: www.hesy.de

 

5. SOFTPRO

SignPlus Solution

Official website: www.softrpro.de

 

6. Security Biometrics, Inc.

“Signature Secure” powered by PenFlow (TM)

Official website: www.signio.com

 

7. WonderNet

Penflow

Official website: www.wondernet.co.il

 

8. Valyd, Inc.

eSign Desktop

eSign Eenterprise

eSign Logon

eSign SDK

Official website: www.valyd.com

 

فهرست مراجع:

 

1- http://biometrics.cse.msu.edu

2- http://www.diplodock.com

3- http://www.c3.lanl.gov

4- http://www.letsgodigital.org

5- http://www.nsf.gov

6- http://www.geomokit.com

7- http://www.abacus21.com 

8- http://www.stormingmedia.us

9- http://www.ispeak.nl

10- http://www.cse.ogi.edu

11- http://www.speechpro.com