НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ “ЛЬВІВСЬКА ПОЛІТЕХНІКА”

РАЙД ФАТХІ РІЗІГАЛЛА САХАВНЕ

удк 528.854: 681.3 + 004.93

РОЗРОБКА МЕТОДІВ І комп’ютерних ЗАСОБІВ ІДЕНТИФІКАЦІЇ ОСОБИ за Зображенням ДОЛОНІ людини В СИСТЕМАХ КОНТРОЛЮ ДОСТУПУ

05.13.13 - Обчислювальні машини, системи та мережі

АВТОРЕФЕРАТ

дисертації на здобуття наукового ступеня

кандидата технічних наук

Львів – 2006

Дисертацією є рукопис.

Робота виконана у Національному університеті "Львівська політехніка"

Міністерства освіти і науки України

Науковий керівник: | доктор технічних наук, професор

Лобур Михайло Васильович,

Національний університет “Львівська політехніка”,

завідувач кафедри “Cистеми автоматизованого проектування”. | Офіційні опоненти: | доктор технічних наук, професор

Черкаський Микола В'ячеславович,

Національний університет “Львівська політехніка”,

професор кафедри електроних обчислювальних машин | кандидат технічних наук

Синявський Андрій Тадейович,

Фізико-механічний інститут ім. Г.В. Карпенка НАН України, науковий співробітник відділу методiв та систем обробки, аналiзу та iдентифiкацiї зображень. | Провідна установа: | Державний науково-дослідний інститут інформаційної інфраструктури Держкомзв’язку та інформатизації і НАН України, м. Львів, відділ інформаційних технологій і систем. |

Захист відбудеться 17 квітня 2006 р. о 16 годині на засіданні спеціалізованої вченої ради Д 35.052.05 у Національному університеті “Львівська політехніка” (79013, Львів-13, вул. С.Бандери,12).

З дисертацією можна ознайомитися у бібліотеці Національного університету “Львівська політехніка” (79013, Львів, вул. Професорська,1)

Автореферат розісланий 15 березня 2006 р.

Вчений секретар спеціалізованої

вченої ради, д.т.н., проф. Бунь Р.А.

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність роботи. З розвитком обчислювальної техніки все більше уваги приділяється розробці нових методів обробки та ідентифікації зображень в біометричних комп’ютеризованих системах з метою використання їх для організації контролю доступу. Ще донедавна ідентифікацією, наприклад, відбитків пальців, займалися тільки криміналісти, проте сьогодні ці методи аналізу знаходять саме різноманітне застосування. На сьогодні з’явився клас нових комп’ютеризованих систем розпізнавання, а саме біометричні ідентифікаційні системи (БМІС). Світовий ринок таких систем інтенсивно розвивається і пропонує споживачам дедалі новіші модифікації, сфера застосування, яких передовсім залежить від біометричного параметра людини, який покладено в основу алгоритмів комп’ютеризованої ідентифікації.

Відомо, що БМІС ідентифікує особу людини за ознаками, які характерні для неї – форма руки, райдужна оболонку ока, відбиток пальця, підпис, голос та інше. Серед існуючих БМІС великий інтерес викликає ідентифікація за формою руки. Хоча існує багато публікацій, проте більшість з них зосереджена на методах опису та ідентифікації біометричних зображень неінваріантних до афінних перетворень. Інші методи, які здійснюють порівняння зображень долоні з еталонними, не забезпечують необхідні технічні параметри.

Тому розробка нових методів ідентифікації долоні людини, що базуються на виявленні інваріантних до афінних перетворень ознак, а також побудова нейронних мереж ідентифікації на їх основі є актуальною задачею, особливо, якщо врахувати зростаючий ринок БМІС.

Розвинуті в роботі положення базуються на роботах наступних вчених: Р. Воробеля, Р. Гонсалеса, У. Претта, В. Путятіна, Б. Русина, Д. Маріо та інших.

Зв’язок роботи з науковими програмами, планами, та темами. Дисертаційна робота виконана відповідно до плану науково-дослідних робіт кафедри “Системи автоматизованого проектування” Національного університету “Львівська політехніка” в рамках міжнародного європейського проекту REASON – REsearch and Training Action for System On Chip DesigN (#IST-2000-30193), виконавцями якого є науковий колектив кафедри.

Мета і задачі досліджень. Метою роботи є розробка методів формування інваріантних до афінних перетворень ознак долоні людини та розвиток нейромережевих методів ідентифікації на їх основі.

У відповідності з поставленою метою, дисертаційна робота включає розв’язання таких задач:

- дослідження процесів формування зображень в системах ідентифікації, аналіз спотворень, характеристик та методів обробки біометричних зображень долоні людини;

- удосконалення існуючих методів обробки біометричних зображень;

- розробка нових інформативних, а саме, інваріантних до афінних перетворень ознак ідентифікації;

- дослідження комп’ютеризованих систем біометричної ідентифікації;

- порівняльний аналіз ефективності та практичне тестування розробок на тестових масивах зображень.

Об’єкт дослідження - зображення долоні людини.

Предмет дослідження – методи ідентифікації особи за зображенням долоні людини в системах контролю доступу.

Методи дослідження. Вирішення поставлених задач здійснено на основі положень і методів теорії ймовірності та математичної статистики, теорії розпізнавання об'єктів і зображень, теорії нейронних мереж, чисельного аналізу і комп'ютерного моделювання.

Наукова новизна отриманих результатів. На основі теоретичних та експериментальних досліджень, проведених у дисертаційній роботі:

1) На основі виявлення опорних точок вперше запропоновано та опрацьовано метод визначення ознак для ідентифікації долоні, що, на відміну від відомих методів, дає можливість забезпечити інваріантність ідентифікації до афінних перетворень та призводить до покращення функціональності і зменшення вартості системи ідентифікації на 30%.

2) Запропоновано та обґрунтовано новий критерій якості сегментації зображень долоні руки, який базується на визначенні відносної площі сегментованого зображення і дозволяє реалізувати автоматичний вибір найкращого методу сегментації та усунення спотворень на етапі попередньої обробки в системі ідентифікації.

3) Запропоновано метод забезпечення інваріантності до повороту системи ідентифікації, який враховує наявність характерного екстремуму в круговій гістограмі зображення долоні руки і дає можливість збільшити швидкодію та точність процесу ідентифікації.

4) Набув подальшого розвитку підхід до ідентифікації долоні руки, що базується на формуванні оцінок багатошаровою нейронною мережею у відповідності до пріоритету ознаки та дає можливість зменшити час ідентифікації особи.

Практичне значення отриманих результатів.

1) У результаті використання розроблених методів формування інваріантних до афінних перетворень ознак, запропоновано структуру системи ідентифікації долоні людини та програмно її реалізовано. Це дозволило здійснювати ідентифікації особи з ймовірністю 98,2%.

2) Отримані наукові результати стали основою для розробки пакету прикладних програм, призначених для :

- сегментації зображень;

- покращення якості вхідних зображень;

- виділення ознак долоні людини;

- ідентифікації особи.

Особистий внесок здобувача. Основні результати та положення, які становлять суть дисертації, отримано автором самостійно. У публікаціях написаних у співавторстві, здобувачеві належать: в [1] – система розпізнавання зображень на основі обчислення опорних точок; [3] – алгоритми розпізнавання долоні людини, інваріантні до афінних перетворень; [4] – реалізація алгоритмів на нейронних мережах; [6] – методи попередньої обробки зображень долоні руки; [7] – методи формування зображень для ідентифікації долоні людини.

Апробація результатів дисертації. Основні результати дисертаційної роботи доповідалися і обговорювалися на наступних міжнародних конференціях і симпозіумах: Міжнародній конференції “Сучасні проблеми радіоелектроніки, телекомунікацій та комп’ютерної інженерії” (Львів-Славсько, 2004); 8-й Міжнародній науково-технічній конференції “Досвід розробки і застосування приладо-технологічних САПР в мікроелектроніці” (Львів-Поляна, 2005); 1-й Міжнародній конференції молодих вчених “Перспективні технології і методи проектування МЕМС” (Львів-Поляна, 2005); 3-й Міжнародній конференції по оптоелектронних інформаційних технологіях (Вінниця, 2005).

Публікації. Основні результати дисертаційної роботи опубліковані в 7 наукових працях, серед яких: 3 статті в наукових фахових виданнях, та 4 публікації в матеріалах конференцій.

Структура та обсяг роботи. Дисертаційна робота складається з вступу, чотирьох розділів, висновків та додатків. Загальний обсяг роботи складає 143 сторінки друкованого тексту, з них 118 сторінок основного тексту, 45 рисунків, 5 таблиць та список використаної літератури з 118 найменувань.

Основний Зміст роботи

У вступі наведено загальну характеристику роботи, обґрунтовано її актуальність, сформульовано мету та основні задачі досліджень, наукову новизну роботи і практичну цінність отриманих результатів. Наведено дані про впровадження результатів роботи, особистий внесок автора та публікації.

У першому розділі “Порівняння методів і систем біометричного розпізнавання в системах контролю доступу” проведено огляд та порівняльний аналіз методів ідентифікації особи (зокрема за зображенням долоні) в системах контролю доступу на основі використання біометричних даних. Визначено основні проблеми, які виникають при реалізації таких методів.

Результат проведеного аналізу існуючих методів ідентифікації особи за зображенням долоні в системах контролю доступу свідчить, що всі вони базуються на використанні даних, отриманих за допомогою пристроїв, в склад яких входять фіксуючі шаблони, проекційні системи та відеокамери, що призводить до високої вартості системи захисту.

Обґрунтовано необхідність пошуку нових ознак для ідентифікації особи за зображенням її долоні, що в свою чергу зменшило б вартість таких систем ідентифікації та підвищило їх ефективність.

У другому розділі “Системи інформативних ознак і методи їх порівняння на основі нейронних мереж” запропоновано сукупність інформативних ознак, які є інваріантними до афінних перетворень і визначаються на основі опорних точок зображення долоні руки.

Для формування ознак ідентифікації вибрано наступні опорні точки, які розбито на дві групи. До першої групи належать точки , що відповідають крайнім точкам основи пальця. Друга група , це точки вершин пальців. Таким чином маємо дві (рис.1) множини опорних точок: . Вираз означає, що результатом виконання алгоритму над зображенням є дві множини опорних точок .

На основі цих точок формуємо ознаки, які визначаються відстанями між певними опорними точками, і групуємо їх наступним чином:

· група ознак, що базуються на основах пальців:

;

· група ознак пов’язана з основами та вершинами пальців:

і ;

· група ознак, що пов’язана з точкою :

.

Таким чином вибрано вектор ознак , де - віддаль між визначеними опорними точками зображенням долоні. Прийнято, що віддаль між точками та визначається виразом , де і . Алгоритм формування ознак позначимо , а процес отримання ознак - виразом .

Рис.1. Зображення контуру долоні з позначенням опорних точок і його граф (модель 1).

Саме такий вибір ознак дозволяє стверджувати про можливість забезпечення алгоритмом ідентифікації інваріантності його функціонування до відносної орієнтації пальців.

На рис.1 наведено зображення контуру долоні з позначенням опорних точок та граф цього зображення з опорними точками (вершини графа) і відрізками між точками (ребра графа, довжина яких визначає ознаки).

На рис.2 наведено ще один набір опорних точок, котрий визначає додатково 12 ознак (віддаль між точкою - центром зображення і опорними точками ).

Рис.2. Зображення контуру долоні і його граф (модель 2).

Алгебраїчний метод розпізнавання, базований на обчисленні оцінок (АМРОО), це метод навчання з вчителем, тому, він передбачає процедуру навчання, результатом якої є матриця опису класів об’єктів (таблиця навчання). Алгоритм навчання формує матрицю (цей вираз означає, що результатом виконання алгоритму на множині векторів ознак є матриця ). Для кожного вхідного об’єкта ідентифікації визначається вектор ознак і “вчитель” вказує номер класу , до якого належить цей об’єкт. Система навчання вносить цей вектор у відповідний блок таблиці навчання. Матриця є блоковою і складається з блоків (кількість класів об’єктів) . Кожен блок є матрицею, що складається з стовпців (кількість ознак, в цьому випадку – 33) та стрічок (кількість представників - го класу)

Після завершення процесу навчання (формування таблиці навчання) можна здійснювати ідентифікацію. На рис. наведено структурну схему процесу ідентифікації. Алгоритм обчислення оцінок формує вектор оцінок по опису вхідного об’єкта (вектор ознак) та таблиці навчання . Для кожного класу визначається вектор , елементами якого є оцінки вхідного вектора ознак та певної стрічки матриці , тобто , де .

Рис.3. Схема ідентифікації

Для визначення значень векторів застосовано багатошарову нейронну мережу. Навчання такої мережі здійснюється на базі сформованої таблиці навчання , встановлюючи таким чином передаточні функції кожного з нейронних елементів. Особливістю цієї нейронної мережі є багаторівневе формування оцінок, що дає можливість враховувати пріоритет ознаки в запропонованій системі ознак.

Алгоритм ідентифікації за описом вхідного об’єкту (вектор ознак ) та таблиці навчання визначає клас, до якого даний об’єкт належить ().

В третьому розділі “Обробка та аналіз зображення долоні для визначення ознак ідентифікації” запропоновано метод визначення опорних точок зображення долоні руки. Цей метод полягає в сегментації вхідного зображення, отриманого внаслідок сканування долоні руки, визначення її кутового положення відносно центру з наступним поворотом на кут, який визначається методом аналізу кругової гістограми.

Вибір алгоритму сегментації серед набору реалізованих алгоритмів відбувається на основі використання розробленого критерію якості сегментації. Суть даного критерію полягає в оцінці якості сегментованого зображення, виходячи з кількості виділених об’єктів (сегментів) та їхньої площі. Визначення кількості об’єктів відбувається на основі поняття зв’язності.

Якщо внаслідок проведення сегментації, утворився один об’єкт (сегмент), а його площа становить 35-45% від загальної площі зображення, то вважається, що сегментацію проведено успішно. На рис.4 показано результат сегментації пороговим методом, при якому утворився один об’єкт з відносною площею 47.17 %.

Операцію сегментації проведено не успішно, якщо отримано кілька (>1) об’єктів (сегментів) при цьому їхня площа становить не більше 2% від загальної площі зображення. На рис.5 показано результат сегментації зображення пороговим методом з невірним вибором значення порогу.

Рис.4. Результат задовільної сегментації.

Рис.5. Результат незадовільної сегментації.

Нижче наведено відносні площі виділених об’єктів (сегментів).

Як результат успішно проведеної сегментації, отримано об’єкт, кутова орієнтація якого відносно центру зображення не є завжди однаковою. Оскільки коректне визначення опорних точок відбувається лише при заданому її положенні, тому, для визначення кутової орієнтації долоні руки пропонується використати метод аналізу кругової гістограми, який забезпечує інваріантність методу ідентифікації до повороту зображення.

Встановлення орієнтації долоні згідно з максимумом значення кутової гістограми дозволяє однаково орієнтувати всі зображення долоні, забезпечуючи таким чином інваріантність до повороту. Такий підхід до забезпечення інваріантності потребує значно менше обчислювальних затрат в порівнянні з іншими відомими методами (що основані на перетворенні Меліна, перетворенні Фур’є в циліндричних координатах, і т.д.).

Четвертий розділ “Реалізація методів ідентифікації долоні руки людини в системах контролю доступу” присвячено розробці структурної схеми системи ідентифікації, що здійснює визначення ознак, сегментацію та ідентифікацію (у відповідності до рис. ), а також практичному тестуванню програмно реалізованих методів на базі реальних зображень долонь людини.

Здійснення ідентифікації складається з послідовності операцій (етапів).

Рис.7. Послідовність здійснення операцій в системі ідентифікації.

Перший етап - отримання вхідного зображення та його запис, що відбувається шляхом сканування руки людини, яка розташовується на робочій поверхні сканера (jp 2400) з роздільною здатністю 300 dpi.

При виконанні процедури запису вхідного зображення, необхідно приймати до уваги, що:

1) рука може бути розміщена на робочій поверхні скануючого пристрою довільним чином, але не повинна виходити за його межі;

2) в процесі сканування руки її положення повинно бути нерухомим.

Другий етап - сегментація вхідного зображення, яка відбувається згідно з всіма методами, що описані в параграфі 3.3 дисертаційної роботи. На рис.4 показано вхідне зображення руки, а також зображення, отримане після успішно здійсненої сегментації.

Третім етапом є оцінка якості проведеної сегментації, яка відбувається на основі запропонованого критерію, що описано в третьому розділі дисертаційної роботи. Слід відмітити той факт, що жоден з методів сегментації не може досягнути потрібного результату в випадку незадовільної якості вхідного зображення, тому, кількість методів сегментації, які використано для обробки, обмежено деяким числом . Якщо жоден з методів сегментації не дає успішного результату, то приймається рішення про незадовільну якість вхідного зображення і застосовуються методи для її покращення. Покращення якості вхідного зображення відбувається методами, що описано в параграфі 3.2 дисертаційної роботи. У випадку сильного забруднення робочої поверхні скануючого пристрою повторне покращання якості зображення не приведе до бажаної якості сегментації.

Четвертий етап - це визначення кутової орієнтації об’єкту з його наступним поворотом на заданий кут, який визначається методом максимуму кругової гістограми. На рис.8(а) показано сегментоване зображення, яке необхідно повернути на визначений кут, а на рис.8(б) його кругову гістограму, яка визначається як сума пікселів об’єкта в кожному стовпці зображення для заданого кута .

Рис.8.а. Сегментоване зображення Рис.8.б. Кругова гістограма

руки. для .

Рис.9.а. Зображення повернуте Рис.9.б. Кругова гістограма на кут .

для .

Визначення максимумів здійснено при зміні кута від 0 до 360. На рис.10 показано таку залежність. Максимум цієї функції рівний 225. Аналізуючи наведену залежність , можна побачити два однакових максимума, причому перший досягається при куті повороту , а другий - при (рис.9а). Кут повороту зображення вибрано кут . Поворот відбувається в праву сторону. На рис.9б показано кругову гістограму для кута .

Рис.10. Залежність максимальних значень кутової гістограми

від кута повороту.

В результаті повороту зображення об'єкта на визначений кут отримаємо результуюче зображення, що представлено на рис.11.

На п'ятому етапі відбувається визначення точок скелетної моделі методами двовимірного дискретного диференціювання, яке виконується за допомогою операції згортки масиву зображення з курсовими градієнтними масками. Використання маски Превітта дозволяє виявити вертикальні перепади яскравості, що в цьому випадку являють собою криві вершин пальців і міжпальцевих впадин. На рис.12 показано результат згортки зображення (рис.11) з маскою Превітта. Визначення точок кривих відбувається пороговим методом. На рис.13 показано криві вершин і впадин пальців.

Для знаходження опорних точок скелетної моделі застосовується аналіз кривих для визначення екстремуму. Значення координат максимумів та мінімумів кожної з кривих приймається за значення координат опорних точок цієї моделі.

Шостий етап включає обчислення ознак ідентифікації на основі опорних точок скелетної моделі. Для цього проводиться визначення сторін трикутників, що представляють кожний з пальців. На рис.1 такими трикутниками є , , , , . Трикутники, пов’язані з точкою , не розглядаються, оскільки ознаки ідентифікації для них є мало інформативними внаслідок неоднозначності визначення цієї точки.

Рис.12. Визначення вертикальних Рис.13. Криві вершин та

перепадів яскравості. впадин пальців.

В якості ознак ідентифікації вибрано також довжини , , , , , а також медіани кожного з трикутників, опущені з вершин . В результаті для кожного з образів отримуємо вектор ознак, що складається з десяти чисел.

Сьомий етап полягає у здійсненні ідентифікації долоні руки згідно з вибраною системою ознак. Для практичної реалізації цього етапу запропоновано використовувати багаторівневу нейронну мережу, що передбачає суттєве підвищення швидкодії ідентифікації особи.

Оцінка точності розробленої системи ідентифікації здійснюється шляхом визначення ймовірності помилки класифікації за допомогою відстані Махаланобіса (Гонсалес) між двома класами: -тим та -тим. Зв'язок між відстанню Махаланобіса та ймовірністю помилкової ідентифікації (рис.14) представлено за допомогою формули (Гонсалес):

Рис.14. Залежність ймовірності помилки від величини відстані Махаланобіса.

Доцільність вибору відстані Махаланобіса полягає в тому, що у разі нормально розподілених класів образів можна просто отримати залежність між цією відстанню і сумарною помилкою ідентифікації.

Як видно, вибірка в цьому випадку є малою в статистичному значенні. В загальному випадку діапазон малої вибірки за результатами численних досліджень числових послідовностей складає від 10-15 до 200. За таких обставин сподіватися на регулярність статистичних характеристик середнього значення та дисперсії ймовірностей правильної (неправильної) ідентифікації немає сенсу. Якщо використовувати рішаюче правило, що базується на принципі найближчого сусіда, то в цьому випадку ймовірність правильної (неправильної) ідентифікації дорівнює 1(0). Ймовірність правильної ідентифікації є величиною меншою 1 для вибірок довільного розміру. Однак, класичні статистичні підходи не мають достатньої чутливості для того, щоб в умовах малих вибірок надійно уникати одиничної (нульової) події відносно ймовірностей правильної (неправильної) ідентифікації. Проведене тестування розроблених методів на основі бази даних, що налічує 100 осіб, дає нульову ймовірність помилкової ідентифікації. Це підтверджує той факт, що довільна класична статистична оцінка в умовах малих вибірок характеризується великими значеннями дисперсій, які надзвичайно сильно погіршують достовірність самої статистичної оцінки.

Для уникнення проблем оцінювання за допомогою статистичних підходів було застосовано методи диференціального оцінювання ймовірності правильної (неправильної) ідентифікації. Основна ідея диференціального підходу до оцінювання достовірності роботи систем ідентифікації полягає в тому, що при визначенні достовірності ідентифікації окремо взятого образу, одержувана з цього образу інформація значно зменшує дисперсію оцінки, що є безумовною перевагою цього підходу. Ця властивість підходу дає можливість використовувати його як при аналізі систем ідентифікації, так і при їх синтезі. Також доведено, що усереднена по базі даних диференціальна ймовірність правильної (неправильної) ідентифікації дорівнює ймовірності правильної (неправильної) ідентифікації алгоритму в цілому. При цьому дисперсія побудованої таким чином оцінки ймовірності правильної (неправильної) ідентифікації може бути в декілька разів меншою, ніж у випадку класичних статистичних оцінок. На завершення потрібно відзначити, що оцінка середньої ймовірності неправильної ідентифікації на рівні 1.98 % (з рис. ) дає можливість судити про ефективність відбору ознак і здійснення попередньої обробки зображення.

ОСНОВНІ РЕЗУЛЬТАТИ РОБОТИ

У дисертаційній роботі розв’язано актуальну наукову задачу розробки методів формування інваріантних до афінних перетворень ознак ідентифікації долоні людини на основі визначення опорних точок, а також розвинуто підхід до здійснення ідентифікації з використанням нейронних мереж. При цьому отримано такі наукові та практичні результати:

1. Розроблено новий метод автоматичного вибору алгоритмів для покращення якості результатів попередньої обробки зображення руки, що на відміну від існуючих дає можливість оптимально за якістю проведення сегментації та усунення шумів, які виникають внаслідок формування біометричних зображень, підібрати комбінацію таких алгоритмів.

2. Запропоновано та обгрунтовано новий критерій сегментації зображення долоні, який дозволяє однозначно виділяти зображення руки та проводити оцінку алгоритмів покращення якості вхідного зображення.

3. Розроблено новий метод формування ознак ідентифікації долоні руки, який на відміну від відомих методів є інваріантний до афінних перетворень і покращує функціональність та зменшує вартість системи ідентифікації на 30%.

4. Запропоновано та обгрунтовано концепцію побудови багатошарової нейронної мережі, яка дозволяє встановити інформаційний пріоритет ознак ідентифікації, що веде до зменшення часу ідентифікації.

5. Проведено тестування розроблених методів ідентифікації на основі бази даних, яка налічує 500 зображень для 100 людей. Встановлено, що достовірність ідентифікації становить 98.2% (ймовірність виникнення помилки першого роду – 0,9%, ймовірність виникнення помилки другого роду _0,9%).

СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

1. Райд Сахавне Фатхи, Кисиль Б.В, Русин Б.П Система розпізнавання зображень на основі опорних точок алгебраїчними методами, що грунтуються на обчисленні оцінок // Радіоелектроніка те телекомунікації : Вісник Національного університету “Львівська політехніка”. - 2004. -№ 508. – С.127-131.

2. Райд Фатхи Сахавне. Моделювання нейронних мереж для реалізації алгоритмів розпізнавання // Комп’ютерні системи проектування. Теорія і практика: Вісник Національного університету “Львівська політехніка”. - 2004. -№ 522. -C.202-206.

3. Лобур М.В., Райд Фатхи Різігалла Сахавне, Лисак Ю.В. Алгоритми розпізнавання долоні людини, інваріантні до афінних перетворень // Моделювання та інформаційні технології: Збірник наукових праць Інституту проблем моделювання в енергетиці НАН України. - 2005. - № 31. - С.96-107.

4. Lobur M.V., Raed Fathi Riziqalla Sahawneh. Realization of algorithms of recognition in neuron networks // Proceedings of the 1st International Conference of Young Scientists MEMSTECH 2005. - Lviv – Polyana. - 2005. - P. 75-76.

5. Raed Sahawneh. Recognition algorithms of the person palm invariant to affine transformation // Proceedings of the VIIIth International Conference CADSM 2005. - Lviv – Polyana, 2005. - P.432-433.

6. Лобур М.В., Райд Фатхи Сахавне, Лисак Ю.В. Попередня обробка зображень долоні руки людини в системі розпізнавання // III International Conference on Optoelectronic Information Technologies. PHOTONICS-ODS 2005. - Vinnytsia, VNTU, 2005. – P. 76-79.

7. Lobur M, Raed Sahawneh, Ahmad Al Khateb. Information features of palms images used for palm’s recognition // Proсceedings of the International conference TCSET’2004.- Lviv-Slavsko, - 2004. - P.251-251.

АНОТАЦІЯ

Райд Фатхі Різігалла Сахавне. Розробка методів і комп’ютерних засобів ідентифікації особи за зображенням долоні людини в системах контролю доступу - Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.13 - Обчислювальні машини, системи та мережі. – Національний університет “Львівська політехніка”, Львів, 2006.

Дисертацію присвячено створенню методу ідентифікації людини за зображенням її долоні з метою використання в системах контролю доступу. Для досягнення поставленої мети використано метод аналізу кругової гістограми, розроблено метод визначення опорних точок моделі ознак, розроблено систему ознак для ідентифікації, які є інваріантними до афінних перетворень, що дало можливість зменшити вартість та покращити функціональність системи.

Результати тестування розроблених та реалізованих методів та алгоритмів показали ефективність їх використання в задачах ідентифікації.

Ключові слова: система контролю доступу, ідентифікація за зображенням долоні, інваріантність до афінних перетворень, ознаки ідентифікації.

АННОТАЦИЯ

Райд Фатхи Ризигалла Сахавне. Разработка методов и компьютерных средств идентификации личности по изображениям ладони человека в системах контроля доступа.- Рукопись.

Диссертация на соискание учeной степени кандидата технических наук по специальности 05.13.13 – “вычислительные машины, системы и сети”. – Национальный университет ”Львовская политехника”, Львов, 2006.

Диссертация посвящена созданию метода идентификации человека по изображениям его ладони с целью использования в системах контроля доступа. Для достижения поставленной цели использован метод анализа круговой гистограммы, разработан метод определения опорных точек модели признаков, разработана система признаков идентификации, которые являются инвариантными к аффинным преобразованиям, что дало возможность уменьшить стоимость и улучшить функциональность системы.

Результаты тестирования разработанных и реализованных методов и алгоритмов показали их эффективность использования в задачах идентификации.

Ключевые слова: система контроля доступа, идентификация по изображениям ладони, инвариантность к аффинным преобразованиям, признаки идентификации.

ABSTRACT

Raed Fathi Riziqalla Sahawneh. Development of methods and computer tools of identity authentication using person’s palm-based representation in access control systems. -Manuscript.

Thesis for the Degree of Candidate of Technical Science in specialty 05.13.13 – “Computer Systems and Networks”, Lviv Polytechnic National University, Lviv, 2006.

The main thrust of the thesis is to create a new palm-based authentication method in the area of identity and access management. To substantiate this view, the automatic algorithm choice of image quality improvement and its segmentation has been developed to enhance sustainability of the diagnostic technique by eliminating hindrances to the production of superb resolution and image quality of scintiscanner, is dirty working surface and changes of luminosity during scintiscanning.

The method of circular histogram analysis has been used to enable the definition of the angular orientation of palm representation and the corner of turn where it is necessary to turn the image for correct determination of supporting points which is based on two-dimensional discrete differentiation of image with the next analysis of given points of brightness projections forming the curves of peaks and cavities of hand fingers and facilitating the searching process for such given points.

The system of signs recognition, which allows authentication of identity, regardless of palm location and its position within the limits of the scanning field, has been used and proved to be economic and capable of improving the operability of the authentication system.

The testing results confirmed efficiency of usage of the developed and realized methods and algorithms for identity recognition

Keywords: access control system, authentication on palm representation, invariance to affine transformations, sign of recognition.