بهبود تشخیص هویت به کمک الگوریتم LBP درجه دو و الگوی فاصله همینگ

استخراج ویژگی های منحصربه فرد از روی خصوصیات بیومتریک انسان، می تواند منجر به برقراری سیستم های متنوع و مفید در تشخیص هویت گردد. متدهای مختلفی در تشخیص هویت استفاده می شود مانند تشخیص از روی اثر انگشت، عنبیه و صلبیه چشم، لاله گوش، نحوه حرکت، سخن گفتن و ... که تشخیص هویت از روی پردازش خطوط کف دست یکی از جدیدترین این روشهای تشخیص هویت است. خطوط نقش بسته برروی کف دست انسان، ساختار ثابت و تغییر ناپذیری دارد و این موضوع سبب می شود که این روش، بسیار مورد توجه محققین جهت پیاده سازی الگوهای متنوع قرار گیرد. هدف از انجام این تحقیق ابداع روشی است که به افزایش نرخ دقت تشخیص و پردازش خطوط کف دست و در نهایت افزایش دقت تشخیص هویت انسان منجر شود که برای رسیدن به این هدف، استخراج ویژگی های منحصربه فرد از روی نقاط موثر(بحرانی ) موجود بر روی خطوط کف دست ابزار اصلی کار است. در سال های اخیر تحقیقات و پژوهش هایی در زمینه تشخیص هویت از طریق خطوط کف دست صورت گرفته که اغلب به دلیل پیچیدگی های محاسباتی و زمان بر بودن اجرای سیستم، توفیقات روش ابداعی تحت الشعاع قرار گرفته شده است مثلا روش هایی که با استفاده از الگوریتم های قدیمی برنامه نویسی شده اند. در این تحقیق برای استخراج بردار ویژگی ها از الگوریتم باینری محلی درجه دو استفاده شده و همچنین کار مقایسه ویژگی های استخراج شده با ویژگی های موجود در بانک اطلاعاتی، توسط الگوی مقایسه همینگ انجام می گیرد. طبق نتایج بدست آمده روش تشخیص هویت پیشنهادی با استفاده از این دو الگوریتم ، دارای دقت و سرعت قابل توجهی نسبت به روش های مشابه قبلی است.

کلیدواژه ها:

الگوریتم باینری محلی درجه دو ، الگوریتم فاصله همینگ ، خطوط کف دست ، تشخیص هویت ، ماتریس ویژگی ها ، نقاط بحرانی