التعرف على الانسان من خلال كف اليد باستخدام خوارزمية pca & lda

Abstract

ملخص البحث

تعلب القياسات الحيوية دور هام وفعال في توفر وسيلة تحقق وتعرف علي هويات الأشخاص حتي يمكن التمييز بينهم لأغراض متعددة ، مما يدعم مقدار الثقة ويوفر مقدار عالي من المعلومات لكافة الاحتياجات المؤسسة للنواحي الأمنية المختلفة .ومثال علي ذلك الحاجة الماسة اليوم في معظم قطاعات العمل (شركات ومنظمات ومؤسسات) لأنظمة حماية ورقابة لموظفيها (دخول الموظف لقطاع العمل ، الحضور والانصراف ،وغيره) حيث تمكن الصفات الفيزيائية في الإنسان والتي تميزه عن بني جنسه ببعض الميزات(Biometrics) وحيث للإنسان العديد من هذه القياسات الحيوية منها بصمة الكف،بصمة الإصبع ،بصمة الوجه ،بصمة العين،بصمة الأذن ، بصمة القدم ، بصمة العرق . والتي تتيح للأنظمة التكيف على تصنيف والتحقق من الإنسان عن طريق هذا القياس الحيوي.

هدفنا من خلال الدراسة ايجاد طريقه للتعرف علي هوية الشخص من خلال كف اليد ، وذلك للتوصل الى دقة اكثر في التصنيف تدعم الجوانب البحثية في هذا المجال وكذلك خلق الية ووسيلة ذات كفاءة وجودة في عملية التعرف بمقارنة طرق وخوارزميات وإيجاد طرق امثل وافضل لتقوم بهذه المهمه .

كما قمنا ببناء نظام للتعرف علي كف اليد يعمل علي تمييز ومقارنه الاشخاص من خلال التعرف علي الانسان من خلال كف اليد باستخدام خوارزمية الدمج PCA &LDA , كما تناولنا أيضا مقارنات بين ثلاثة خوارزميات وهي PCA) ) Principal Component Analysis،LDA))linear discriminate analysis والخوارزمية الدامجة بينهما PCA & LDA .

تم هذا ببناء قاعدة بيانات لكف اليد، تشمل كف اليد اليسرى واليمني للشخص ، ومجموعة بيانات تحتوي علي 240 صورة لكف اليد , لعدد 40 اشخاص وكل شخص لديه 6 صور للكف اليمني 6 صور للكف اليسري . وقد استخدمت 110 صورة لأغراض اختبار النظام تم التعرف على 97 صورة كانت نسبة التعرف على صور كف يد لم يتم تدريب النظام عليها بنسبة 6%(معدل القبول الخاطئ) حيث كانت عينات الاختبار 50 صورة . بينما كان معدل الرفض الخاطئ بنسبة 11.8% , وتم الوصول الي ان خوارزميةPCA قد حققت نسبة تعرف 74.6% لكنها تأخذ زمن اكبر اي انها بطيئة ، LDA حققت نسبة تعرف 81.8%كما انها سريعة وتعطي نتائج جيدة ، PCA&LDA حققت نسبة تعرف 88.2% جيدة جدا كما انها دقيقه واسرع .

كما قمنا بتحليل وتصميم النظام وعرض خوارزمية التعرف المستخدمة ل PCA&LDA ,PCA , LDA , بشكل مخططات وموضح عليها مراحل المدخلات والمعالجة ، وعمليات التدريب والاختبار وبصورة تفصيلية ، كما تم تفيذ النظام باستخدام ال MATLAB

Abstract

Plays Biometrics an important and effective role in providing a means check tocheck the identities of people even can distinguish between them for multiplepurposes, thereby supporting the confidence High information for all the needs of the institution of various security aspects amount .

omthal so urgent need today in most business sectors and provides (companies and organizations and institutions) systems to protect and control their employees (Log employee sector work, attendance, etc.) where he managed the physical traits in humans and which distinguish it from the children of sex with some features (Biometrics) and where the man many of these biometrics including fingerprint desist, fingerprint, footprint face, iris, fingerprint ear, footprint, fingerprint sweat. Which allows systems to adapt to the classification and verification of rights by this vital measure.

Our goal during the study to find a way to learn about a person's identity

through the palm of the hand, so as to reach a resolution over the

classification supports research aspects in this area as well as the creation

of a mechanism and a means of efficiency and quality in the identification process by comparing the ways and algorithms and to find optimal and

better ways to do the job.

We have also built to identify the palm of the hand system running ondiscrimination and compare people by identifying the man through thepalm of the hand using the merger PCA algorithm & LDA, also dealtcomparisons between the three algorithms which PCA)) Principal Component Analysis, LDA)) linear discriminate analysis and algorithm merging them PCA & LDA.

This has been building a database desist hand, including the palm of the left

hand and the Yemeni people, and a database containing 240 image desist

hand, the number of 40 people and everyone has 6 pictures of Yemen to stop six pictures to stop the left. 110 image has been used for the purposes of

testing the system it has been identified on the 97 picture of the proportion identifying images palm of the hands of the regime have not been trained by 6% (False Acceptance Rate), where the test was 50 image samples. While it was the wrong rejection rate of 11.8%, was reached that the PCA algorithm ratio has achieved know 74.6% but it takes up more time ie it's slow, LDA ratio achieved know 81.8% It's also quick and give good results, PCA & LDA achieved a ratio known as 88.2% is very good as it is accurate and faster.

As we analyzed the system design and display recognition algorithm used

for PCA & LDA, PCA, LDA, it is illustrated by diagrams and input stages and treatment, operations training, testing, and in detail, as take actions system using the MATLAB.