Вдосконалення технології розпізнавання райдужної оболонки ока для біометричної ідентифікації людини

Автор(и)

DOI:

https://doi.org/10.15587/1729-4061.2022.269948

Ключові слова:

розпізнавання образів, метод сегментації, технологія розпізнавання райдужної оболонки ока, біометрична автентифікація особистості

Анотація

Ця тема дуже актуальна у сфері штучного інтелекту як напрями розпізнавання образів. У цій роботі райдужна оболонка ока сприймається як зображення.

Штучний інтелект робить цю технологію доступнішою для використання в камерах відеоспостереження, смартфонах та різних сферах людської діяльності.

У статті відображено результати дослідження методів та технологій розпізнавання образів на прикладі райдужної оболонки ока людини.

Метою роботи було вивчення методів та технологій розпізнавання райдужної оболонки ока людини та співробітників конкретної організації з використанням обладнання EyeLock шляхом порівняння результатів сегментації зі стандартною сегментацією Даугмана.

Порівняльний аналіз результатів сегментації зі стандартною сегментацією можна виконати шляхом прямого вимірювання кількості правильно сегментованих райдужних оболонок в обох методах або шляхом непрямого вимірювання впливу сегментації на ефективність розпізнавання райдужної оболонки. Метод із використанням інтегрально-диференціального оператора Даугмана має найбільшу ефективність. Поліпшено продуктивність нейронної мережі. Щоб використовувати нейронну мережу для класифікації профілів райдужної оболонки, ми вибрали набори зображень (зображення на людину) як навчальні зображення, а інші зображення використовували як тестові зображення. Час навчання (за секунди): для методу Даугмана 170,7, а для параболічного методу 204,7.

До захопленого зображення застосовується інтегрально-диференціальний оператор Даугмана для отримання «максимальної інтегральної похідної контуру» з радіусом, що постійно збільшується, в «послідовно зменшуються масштабах» за трьома параметрами: координатами центру і радіусом. Знаходження максимуму при відхиленні координат пошуку по спіралі, що розкручується.

Методи та прийоми розпізнавання образів були досліджені з використанням райдужної оболонки ока людини

Біографії авторів

Aliya Kintonova, L. N. Gumilyov Eurasian National University

Candidate of Technical Sciences, Associate Professor

Department of Artificial Intelligence Technologies

Igor Povkhan, Uzhhorod National University

Doctor of Technical Sciences, Professor, Dean

Marzhan Mussaif, L. N. Gumilyov Eurasian National University

PhD Student

Department of Artificial Intelligence Technologies

Galymzhan Gabdreshov, Research Institute "Sezual"

Candidate of Pedagogical Sciences, Director

Посилання

  1. Birajadar, P., Haria, M., Gadre, V. (2022). Scattering Wavelet Network-Based Iris Classification: An Approach to De-duplication. Smart Innovation, Systems and Technologies, 705–718. doi: https://doi.org/10.1007/978-981-19-3571-8_64
  2. Vyas, R., Kanumuri, T., Sheoran, G., Dubey, P. (2021). Accurate feature extraction for multimodal biometrics combining iris and palmprint. Journal of Ambient Intelligence and Humanized Computing, 13 (12), 5581–5589. doi: https://doi.org/10.1007/s12652-021-03190-0
  3. Huo, G., Lin, D., Yuan, M. (2022). Iris segmentation method based on improved UNet++. Multimedia Tools and Applications, 81 (28), 41249–41269. doi: https://doi.org/10.1007/s11042-022-13198-z
  4. Jain, A. K., Deb, D., Engelsma, J. J. (2022). Biometrics: Trust, But Verify. IEEE Transactions on Biometrics, Behavior, and Identity Science, 4 (3), 303–323. doi: https://doi.org/10.1109/tbiom.2021.3115465
  5. Hrytsyk, V., Nazarkevych, M. (2021). Real-Time Sensing, Reasoning and Adaptation for Computer Vision Systems. Lecture Notes on Data Engineering and Communications Technologies, 573–585. doi: https://doi.org/10.1007/978-3-030-82014-5_39
  6. Al Shalchi, N. F. A., Rahebi, J. (2022). Human retinal optic disc detection with grasshopper optimization algorithm. Multimedia Tools and Applications, 81 (17), 24937–24955. doi: https://doi.org/10.1007/s11042-022-12838-8
  7. Ju, L., Wang, X., Wang, L., Mahapatra, D., Zhao, X., Zhou, Q. et al. (2022). Improving Medical Images Classification With Label Noise Using Dual-Uncertainty Estimation. IEEE Transactions on Medical Imaging, 41 (6), 1533–1546. doi: https://doi.org/10.1109/tmi.2022.3141425
  8. Pavel'eva, E. A., Krylov, A. S., Ushmaev, O. S. (2009). Razvitie informatsionnoy tekhnologii identifikatsii cheloveka po raduzhnoy obolochke glaza na osnove preobrazovaniya Ermita. Sistemy vysokoy dostupnosti, 5 (1), 36–42. Available at: https://elibrary.ru/item.asp?id=13070173
  9. Note on CASIA-IrisV3. Available at: http://www.cbsr.ia.ac.cn/IrisDatabase.htm
  10. Savel'eva, E. A., Krylov, A. S. (2008). Algoritmy predobrabotki izobrazheniy raduzhnoy obolochki glaza. Proceedings of the 18th International Conference on Computer Graphics and Vision GraphiCon'2008. Moscow, 314. Available at: https://imaging.cs.msu.ru/pub/IrisPreprocess08.pdf
  11. Daugman, J. G. (1993). High confidence visual recognition of persons by a test of statistical independence. IEEE Transactions on Pattern Analysis and Machine Intelligence, 15 (11), 1148–1161. doi: https://doi.org/10.1109/34.244676
  12. Wildes, R. P. (1997). Iris recognition: an emerging biometric technology. Proceedings of the IEEE, 85 (9), 1348–1363. doi: https://doi.org/10.1109/5.628669
  13. Povkhan, I., Lupei, M. (2020). The Algorithmic Classification Trees. 2020 IEEE Third International Conference on Data Stream Mining & Processing (DSMP). doi: https://doi.org/10.1109/dsmp47368.2020.9204198

##submission.downloads##

Опубліковано

2022-12-30

Як цитувати

Kintonova, A., Povkhan, I., Mussaif, M., & Gabdreshov, G. (2022). Вдосконалення технології розпізнавання райдужної оболонки ока для біометричної ідентифікації людини. Eastern-European Journal of Enterprise Technologies, 6(2 (120), 60–69. https://doi.org/10.15587/1729-4061.2022.269948

Номер

Том 6 № 2 (120) (2022): Інформаційні технології. Системи управління в промисловості

Розділ

Інформаційні технології

Ліцензія

Авторське право (c) 2022 Aliya Kintonova, Igor Povkhan, Marzhan Mussaif, Galymzhan Gabdreshov

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.