تشخیص هویت از طریق پردازش خطوط کف دست به کمک الگوریتم های LBP و PCA و بهبود نرخ دقت تشخیص با افزودن نقاط کمکی به روش پاسکال

در سال های اخیر روش های شناسایی و تایید هویت در بسیاری از کاربردهای تجاری و امنیتی کاربرد فراوان پیدا کرده اند. در این میان تشخیص هویت بر اساس آنالیز و شناسایی از طریق خطوط اصلی کف دست به علت در دسترس بودن و کیفیت مطلوبی که توسط آن به دست می آید، از اهمیت خاصی برخوردار شده است. سامانه ارایه شده در این تحقیق شامل الگوریتم جداسازی کف دست از تصاویر دست مبتنی بر روش های شکل شناسی و لبه یابی که می توانند مرزها و خطوط اصلی کف دست را تشخیص و نقاط روی آنها را مشخص نمایند و الگوریتم های LBP و PCA بهره برده شده است. این خطوط استخراج شده از کف دست، پس از نرمال شدن، به یک سری اطلاعات شناسایی ماتریسی تبدیل شده که با نگاشت از خطوط اصلی کف دست با ابعاد ثابت بدست آمده است. به منظور رسیدن به بهترین نتیجه از الگوریتم افزایش نقاط تحلیل پاسکال استفاده شده که به نوبه خود یک نوآوری در بهبود دقت و کارایی روش فوق به شمار می رود. درنهایت با استفاده از یک الگوریتم انطباق مناسب، کد ماتریس شناسایی به دست آمده از هر تصویر ورودی با کدهای ذخیره شده در بانک اطلاعاتی مقایسه شده و با تعریف یک ضریب تشابه، تشخیص هویت صورت می گیرد. با اعمال نتایج به دست آمده با استفاده از الگوریتم پیشنهادی و تست آن بر روی پایگاه تصاویرکف دست استاندار PolyU ، به درصد موفقیت 99/67% رسیدیم و میانگین زمان پاسخگویی الگوریتم پیشنهادی 32 میلی ثانیه در یک سیستم متوسط بود که در مقایسه با روش ها و الگوریتم های مشابه، نشان دهنده دقت، سرعت و کارایی بالای الگوریتم پیشنهادی است.