بيو متريک از کلمه يوناني biosبه معناي زندگي و کلمه metrikos به معناي اندازه گيري تشکيل شده است و با عنوان زيست سنج معرفي مي شود.

يک سيستم بيو متري اساسا يک سيستم تشخيص الگو است که يک شخص را بر اساس بردار ويژگي هاي خاص، فيزيولوژيک خاص، يا رفتاري که دارد باز شناسي مي کند. بردار ويژگي ها پس از استخراج  معمولا در پايگاه داده ذخيره مي شود. يک سيستم بيومتري بر اساس ويژگي هاي فيزيولوژيک اصولا داراي ضريب اطمينان بالايي است .

سيستم هاي بيومتري مي توانند در دو مد تاييد و شناسايي کار کنند. در حالي که شناسايي شامل مقايسه اطلاعات کسب شده در قالب خاصي با تمام کاربران در پايگاه داده است ، تاييد فقط شامل مقايسه با يک قالب خاصي که ادعا شده است خواهد بود. بنابراين لازم است که به اين دو مسئله به صورت جدا پرداخته شود. تکنولوژي بيومتريک به دو دسته کلي تقسيم مي شود:

1- تکنيک هاي بيومتريک فيزيولوژيک

2- تکنيـک هـاي بيـومتـريـک رفتـاري

 

معرفي علم بيومتريک

 اين مقاله به معرفي سيستمهاي تشخيص هويت که مهمترين و دقيق‌ترين آنها بيومتريک است خواهد پرداخت. پس از تعريف بيومتريک به تعريف معماري سيستم‌هاي بيومتريک مي پردازيم و درمي يابيم که هر سيستم بيومتريک با چه معماري اي کار مي‌کند. در اين مقاله همچنين در مورد چند تکنولوژي بيومتريک هم توضيح داده مي‌شود مانند اثر انگشت ، عنبيه چشم ، نحوه راه رفتن، چهره و … اما به دليل اينکه سيستم اثر انگشت از اهميت بيشتري نسبت به ديگر سيستم‌ها برخوردار است بيشتر به تجزيه و تحليل اين سيستم خواهيم پرداخت و ابتدا به معرفي خطوط و نقاط مشخصه انگشت که در اصطلاح به آنها ريزه کاري گفته مي‌شود مي پردازيم و سپس روش‌هاي پردازش اين نقاط براي رسيدن به الگويي براي شناسايي هويت را بيان خواهيم نمود. پس از آن سنسورهاي مختلف که همگي همراه با شکل براي فهم بيشتر مطرح شده اند مورد بحث قرار خواهند گرفت و سپس اين سنسورها با هم مقايسه مي‌شوند و مزيت هر يک بيان مي‌شود.

سپس به معرفي ساير سيستم‌ها خواهيم پرداخت و در انتها به معرفي مفهوم ترکيبات بيومتريک و روش‌هاي متنوع آن خواهيم پرداخت .استفاده از روش ترکيب بيومتريک کارايي، امنيت، دقت سيستم را افزايش مي‌دهد.

از دير باز انسان براي بقا، نياز به تشخيص دوست از دشمن داشته است و تشخيص هويت براي وي امري حياتي بوده و هست، لذا امروزه سعي در مکانيزه سازي سيستمهاي شناسايي يا تشخيص هويت شده است. “اين پيشرفتها دليل بر نياز جامعه و جهان است”.[?] نيازي که پيشرفت در آن باعث کاهش تخلفات، افزايش امنيت، تسريع در امور روزمره و … شده است. در گذشته جهت شناسايي جرم و جنايتکار، از روال شناسايي اثر انگشت و چهره نگاري استفاده مي شده ، اما اکنون سيستمهاي مکانيزه اي ايجاد شده است.

توکن معمولاً چيزي است که شما به همراه خود داريد و ميتوان گفت سند هويت شماست، مانند: کارتهاي هوشمند ، کارتهاي مغناطيسي ، کليد ، پاسپورت ، شناسنامه و … اين اشياء داراي نواقصي هستند همچون: گم شدن، عدم همراه بودن شخص، فرسوده شدن و جعل شدن.

دومين نوع سيستمهاي شناسايي دانش نام دارد، يعني چيزي که شما بخاطر ميسپاريد مانند:پسورد و پين کد. البته اين سري نيز داراي نواقصي هستند مانند: فراموش کردن و لو رفتن.

دسته سوم سيستمهاي مبتني بر بيومتريک است. اين سيستمها از خصيصه‌هاي فيزيولوژيکي و رفتاري انسان جهت شناسايي استفاده مي کنند. اين روش ديگر معايب روشهاي قبل را ندارد و امنيت و دقت را تا حد بسيار زيادي افزايش داده است.

• اندازه گيري و تحليل آماري داده‌هاي بيولوژيکي بيومتريک اشاره دارد به تکنولوژيي براي اندازه گيري و آناليز مشخصات بدن افراد جهت تشخيص هويت شخص شناسايي اتوماتيک يک شخص با استفاده از ويژگيهاي اختصاصي (مشخصات فيزيولوژيکي يا رفتاري)(تعريف در کنسرسيوم بيومتريک)

دو اصطلاح مهم در بيومتريک: تطابق يک به يک ، عمل تطابق الگوهاي کاربر با داده‌هاي ذخيره شده . تطابق يک به چند ، يافتن يک الگو از ميان الگوهاي ذخيره شده جهت شناسايي کاربر.

عموما در سيستمهاي بيومتريک از دو نوع ويژگي مختلف افراد جهت شناسايي استفاده مي‌شود که در ذيل به آنها اشاره مي کنيم.

• (پارامترهاي فيزيولوژيکي) اساس شناسايي در اين کلاس، اندازه گيري و آناليز مشخصه‌هاي ثابت يک شخص مي باشد.

• (پارامترهاي رفتاري) شناسايي الگوهاي رفتاري مشخص يک فرد از پارامترهاي فيزيولوژيکي :

 (شناسايي از طرق عنبيه چشم)

 (شناسايي از روي شبکيه چشم)

 (اثر انگشت)

 (شناسايي از طريق امضاء)

(شناسايي از روي هندسه دست )

پارامترهاي رفتاري:   (شناسايي از روي شدت ضربه شخص بر روي کيبورد)

(شناسايي از طريق صدا)  

6- معماري سيستمهاي بيومتريک

تمامي سيستمهاي بيومتريک داراي يک معماري کلي يکسان در ساخت هستند که  تصميم گيري، تطبيق، پردازش سيگنال و درخواست داده‌ها به آنها اشاره ميکنيم.   محيط انتقال داده ها زير سيستم درخواست داده در اين زير سيستم فضاي ذخيره سازي  داده‌هاي خام، که از يک فرد، توسط يک سنسور ويژه اسکن شده است، وارد سيستم مي شود. فرايندي که در اين زير سيستم انجام مي شود:

• دريافت داده‌ها توسط سنسور

• تبديل داده هاي(سيگنالها) دريافتي از سنسورها به فرم مناسبي(A/D) جهت ارسال به زير سيستم پردازش سيگنال

زيرسيستم پردازش سيگنال عمليات اين زير سيستم به شرح ذيل مي باشد: 1- دريافت داده‌هاي خام از زير سيستم جمع آوري داده 2- استخراج خصيصه 3- عمليات فيلترينگ جهت حذف نويز 4- اصلاح داده ها 5- تبديل داده‌هاي دريافتي به فرم لازم(توليد الگو ) براي زير سيستم تطبيق. لازم بذکر است که از داده‌هاي دريافت شده در اين زير سيستم، پس از پردازش، يک الگو از برخي ويژگيهاي موجود توليد و ذخيره مي شود. در واقع اين الگوي توليد شده مورد مقايسه و شناسايي قرار مي گيرد. ماهيت اين الگو که از روي يک شابلون از پيش تعريف شده توليد مي شود( يک استاندارد ثابت)، ماتريسي از صفر و يک مي باشد. در واقع اين شابلون قسمتهاي مورد اندازه گيري از يک نمونه را بر مي گرداند. زيرسيستم تطبيق خروجي اين زير سيستم از مقايسه دو الگو بدست مي آيد. فرايند اين زير سيستم شامل: دريافت داده‌هاي پردازش شده(الگو) از زير سيستم قبل و دريافت الگوهاي ذخيره شده مقايسه الگوي توليد شده در زير سيستم قبل، با الگوهاي موجود زير سيستم تصميم گيري اين زير سيستم پس از اجراي زير سيستم قبل فراخواني مي‌شود که وظيفه آن تصميم گيري بر روي تطابق انجام شده متناسب با درخواست است. در اين مرحله يک حد يا آستانه در نظر گرفته شده است. اگر امتياز بيشتر يا برابر اين آستانه باشد، کاربر تائيد مي‌شود در غير اينصورت کاربر پذيرفته نمي شود. زير سيستم فضاي ذخيره سازي شامل الگوهايي است که در هنگام ثبت نام از کاربران بدست آمده است. ممکن است براي هر کاربر يک يا چند الگو ذخيره شده باشد. زير سيستم محيط انتقال وظيفه اين بخش انتقال داده ها، بين اجزاء يک سيستم بيومتريک است.

 پارامترهاي مهم در سيستم‌هاي بيومتريک

در همه سيستمهاي بيومتريک پارامترهايي موجودند که ويژگيها و قابليتهاي سيستم شما را معرفي ميکنند. ?- نرخ پذيرش اشتباه اين پارامتر تعيين کننده امکان پذيرش کاربر جعلي از کاربر اصلي مي باشد. اين پارامتر بايد تا جاي ممکن کوچک باشد. ?- نرخ عدم پذيرش اشتباه اين مقياس نمايانگر اينست که تا چه اندازه شخص اصلي اشتباها پذيرش نمي شود (حساسيت بسيار بالا). اين پارامتر نيز بايد تا حد مورد نياز کم باشد. ?- نرخ خطاي مساوي: کاهش نرخ پذيرش اشتباه باعث افزايش غير تعمدي نرخ عدم پذيرش اشتباه ميشود. نقطه اي که ميزان نرخ عدم پذيرش اشتباه با نرخ پذيرش اشتباه برابر مي‌شود نقطه نرخ خطاي مساوي است. هرچه ميزان اين پارامتر کمتر باشد نمايانگر اينست که سيستم داراي يک حساسيت بهتر و توازن خوبي است. ?- نرخ ثبت نام نادرست احتمال خطايي که در هنگام نمونه برداي جهت ثبت در پايگاه داده، در خصوص تشخيص صحيح ممکن است رخ دهد.

 

تکنيک هاي بيومتريک فيزيولوژيک: اثر انگشت ، اسکن عنبيه ، اسکن يا هندسه دست ،اسکن صورت ، اسکن صدا  و  اسکن شبکيه

تکنيـک هـاي بيـومتـريـک رفتـاري: اسکـن صـورت يا تحليل گفتار،حرکات لب،امضاي دستي،زدن کليد

يک سيستم بيومتري ساده داراي چهار بخش اساسي است :

1- بلوک سنسور: کار دريافت اطلاعات بيومتري را بر عهده دارد.

2- بلوک استخراج ويژگي ها: اطلاعات گرفته شده را مي گيرد و بردار ويژگي هاي آن را استخراج مي کند.

3- بلوک مقايسه: کار مقايسه بردار حاصل شده با قالب ها را بر عهده دارد.

4- بلوک تصميم: اين قسمت هويت را شناسايي مي کند بنابراين يا هويت را قبول کرده يا رد مي کند.

تشخيص هويت افراد از زمان هاي قديم مورد توجه بشر بوده است. با پيشرفت تکنولوژي در دنياي جديد فعاليت و برخوردهاي افراد به گونه اي توسعه يافته است که در آن تشخيـص افـراد بـه صـورت سـريـع و مطمئن مورد نياز است. کنترل گذرنامه، سيستم‌هاي بانکي اتوماتيک و سيستم هاي امنيتي مثال هايي از کاربرد تشخيص هويت هستند که توسط علم مهندسي پزشکي مي توان کمک فراواني به بخش کنترل در اينگونه صنعـت‌ها کرد .  اتوماتيک بودن، سرعت و قابليت اطمينان از اهداف مشترک همه روش‌هاي شناسايي افراد است.

براي تشخيص هويت افراد در مکان هاي عمومي مثلا در فرودگاه ها معمولا از مدارکي مانند گذرنامه که حاوي مشخصات صاحب آن است استفاده مي شود. اين نوع معيارهاي شناسايي قابليت اطمينان پاييني دارند چون مي توان آن ها را به راحتي جعل کرد. به همين دليل لازم است که از روشي که بر مبناي بدن انسان است براي شناسايي استفاده کرد. روشي که هم منحصر به فرد باشد هم به راحتي قابل اندازه گيري باشد و در طول زمان تغيير نکند.

علـم بيـومتـريـک بـه دنبـال روشـي اسـت کـه شنـاسـايـي افـراد را بـه بـدن انسان يعني ويژگي‌هاي منحصر به فرد آن مربوط کند. انتظاري که از اين روش ها مي رود اين است که بهتر از روش هاي مرسوم عمل کنند.

معمـولا منظـور از بيـومتـريـک استفـاده اتـومـاتيـک يا نيمه اتوماتيک از ويژگي هاي فيزيولوژيک يا ويژگي هاي رفتاري که به بدن انسان بستگي دارند براي تشخيص يا تأييد هويت فرد است.  در مورد مشکلات روش هاي قديمي که از شماره رمز عبور به جاي سامانه بيومتريک استفاده مي کنند مثل سامانه هاي کارت خودپرداز بانکي، وقتي فرد مي‌خواهد از کارت خود استفاده کند لازم است که شماره تشخيص هويت شخصي خود  (PIN) را وارد کند. در اين سامانه تاييد يا تشخيص هويت بر مبناي چيزي که شخص به همـراه دارد (کـارت) اسـت، که اين يک مشکل بـالقـوه در ايـن سيستم است زيرا کارت ممکن است دزديده شود وشماره رمز را هم فرد ديگري مـي تـوانـد بـا خود داشته باشد. در حالي که در سـامـانـه هـاي بيـومتـريـک ايـن مشکلات وجود ندارند و امکان تقلب در آن ها خيلي کم است و مي توانند به عنوان سامانه هاي ايده آل تشخيص هويت مورد استفاده قرار گيرند.

سامانه هاي بيومتريک معمولا براي مقاصد نـظــارت و کـنـتــرل ورود و خــروج افــراد مـورد استفاده قرار مي گيرند.

در اين سيستم ها ويژگي بيومتريک فرد توسط دستگاه گرفته شده و کد آن استخراج مي شود. سـپــس بـا کـدهـاي ذخـيـره شـده در پـايـگـاه داده مقايسه مي شود و در صورتي که فرد مورد نظر شناسايي شود دستگاه، اپراتور را آگاه مي کند. براي شناسايي معمولا يک انسان نيز در چرخه شـنــاســايــي وجــود دارد کــه تـصـمـيــم نـهــايـي را مي‌گيرد. در کاربردهاي عملي، کارايي سيستم عبارت است از: تعادل بين درصد تشخيص دادن به اشتباه  (FAR) و نرخ تشخيص ندادن به اشتباه. ‌که FRR عبارت است از: تعداد افرادي که اشتباه تشخيص داده شده اند و FAR برابر با  تعداد افرادي است که در پايگاه داده وجود داشتند ولي تاييد هويت نشده اند.

سامانه هاي بيومتريک داراي دو خصوصيت بسيار مهم هستند که قابليت اطمينان آن‌ها را بالا مي‌برند و عبارتند از: اينکه 1- شخصي که مي‌خواهد تاييد هويت شود بايد شخصا در هنگام فرايند حضور داشته باشد و 2-  تشخيص هويت نيازي ندارد که شخص اطلاعاتي را حفظ يا يادآوري کند يا اينکه چيزي را با خود همراه داشته باشد.

در سامانه هاي بيومتريک دو مساله مورد توجه است:

1- اثبات اينکه شخصي که ادعا مي کنيد هستيد يا نه.

2-  اثبات اينکه شخصي نيستيد که ادعا مي کنيد.

يک سامانه بيومتريک شامل يک مرحله پيش ثبت نام است و شخص پس از اين مرحله مي تواند به دفعات توسط سامانه تاييد هويت شود. در سامانه هايي که از خصوصيات رفتاري شخص استفاده مي کنند، اين ويژگي ها نبايد نسبت به تغييرات حساس باشند. اين تغييرات مي توانند سلامتي فرد يا حالت روحي فرد در طول زمان باشد. هر سامانه بيومتريک بايد توانايي انجام دو کار را داشته باشد:

1-  تشخيص هويت

2-  تاييد هويت

مرحله تشخيص هويت يک جستجوي يک در چند است و بدين صورت است که سـامـانـه ابتـدا بـايـد مشخـص کنـد کـه آيـا فرد در بانک اطلاعاتي موجود است يا نه و درصورت وجود فرد در بانک اطلاعاتي بايد مشخص کند که اين شخص شناسايي شده چه کسي است.

در مرحله تاييد هويت که يک مقايسه يک به يک است، سامانه کد ورودي را با کد موجود و ادعا شده مقايسه مي کند و مشخص مي کند که آيا تشخيص داده شده درست است يا نه.

در بيشتر سامانه هاي بيومتريک مرحله ثبت نام در سامانه از مرحله تشخيص هويت جدا شده است، زيرا در مرحله ثبت نام بايد مساله اينکه آيا فرد قبلا در سامانه ثبت نام کرده است يا نه مد نظر قرار گيرد تا از ثبت نام يک نفر در سامانه با چند هويت مختلف جلوگيري شود و قابليت اطمينان سامانه بالا رود، در حالي که در مرحله تشخيص هويت مساله مهم فقط يافتن فرد از بين کدهاي ذخيره شده در پايگاه داده است.

يک شناسه بيومتريک خوب که مي تواند به عنوان ويژگي در سامانه بيومتريک مورد استفاده قرار گيرد بايد خصوصيات زير را داشته باشد.

1- منحصر به فرد بودن: هر فرد آن ويژگي را به طـور منحصـر بـه فرد و متمايز با ديگران داشته باشد.

2-  استخراج پذيري: بتوان آن ويژگي را در مورد هر فرد به راحتي، با سرعت بالا و بدون نياز به پردازش هاي زياد به دست آورد.

3- قـابليت تفکيک پذيري بالا: يعني اينکه اختـلاف ايـن ويـژگي در مورد دو فرد متفاوت خيلي زياد باشد تا به راحتي قابل تفکيک باشند.

4-  پـايـداري: يعنـي اينکـه ويـژگي استخراج شــده در طـول زمـان و در اثـر تغييـراتـي در يـک شخص در طول عمرش به وجود مي آيند بدون تغيير باقي بماند.

بيومتريک هاي متداول عبارتند از:

1-  استفاده از اثر انگشت

2-  استفاده از تصاوير صورت

3-  استفاده از تصاوير عنبيه چشم

4-  استفاده از هندسه دست

5- استفاده از بو يا خواص شيميايي

6- استفاده از تصاوير شبکيه

7- استفاده از امضا

8- استفاده از صدا

9 -استفاده از اثر کف دست

البته انواع ديگري از بيومتريک ها نيز وجود دارنـد. شـکـل1 بـيـومـتـريـک هـايـي را کـه کاربرد زيادي دارند نشان مي دهد.

 تشخيص هويت افراد از روي راه رفتن

روش هاي زيادي براي تشخيص هويت افراد از روي راه رفـتــن در تـصــاويــر ويـديـويـي ارائـه شـده‌‌انـد که مي توان آن  ها را به دو دسته کلي طبقه بندي کرد: رهـيـــافـــت هــاي آمــاري و

رهيافت‌هاي مبتني بر مدل، رهيافت هاي ارائه شده شامل سه فاز کلي هستند: پيش پردازش، استخـراج ويـژگـي، تشخيص.

بررسي اين رهيافت ها نشان مي دهد که در فاز پيش پردازش معمولا  يک الگوريتم حذف زمينه ساده صورت مي پذيرد و تاکنون کار جدي در اين فاز صورت نگرفته است. در روش ارائه شده براي تشخيص هويت افراد از روي راه رفتن، از  پيش پردازش به منظور تخمين دقيق پس زمينه و براي آشکار سازي شيء از رهيافت جديد مبتني بر مجموعه هاي فازي و در فاز تشخيص نيز يک الگوريتم جديد برمبناي انحراف زماني ديناميک (DTW  (Dynamic Time Warping ، استفاده شده است. روش DTW يک تکنيک مبتني بر برنامه نويسي پويا جهت نرمال سازي غير خطي زمان است  در اين روش فاصله اقليدسي هر جزء بردار ويژگي استخراج شده از دنباله تصاوير تست، با هر جزء از بردارهاي ويژگي دنباله مرجع محاسبه مي شود.

استخراج ويژگي ها

بردار ويژگي از هر فريم در تصاوير ويدئويي راه رفتن استخراج مي شود. در ابتدا سيکل راه رفتن افراد، مطابق تصاوير دودويي استخراج مي شود. براي اين منظور از روي تصاوير دودويي، تابع (f(t که بيانگر جمع پيکسل هاي فريم شماره  t است به دست مي آيد و سپـس با يک فيلتر هموارکننده (Smoothing filter) اين تابع فيلتر مي شود. سيکل راه رفتن فاصله بين دو مينيمم متوالي است.

پــس از بـه دسـت آمـدن سيکـل راه رفتـن، دنبـالـه تصـاويـر بـه سيکـل هـاي مختلـف تقسيم‌بندي مي شوند.سپس بردار ويژگي هر فريم به صورت مجموع پيکسل هاي عرض بدن افراد در فريم هاي راه رفتن استخراج مي شود.

عرض بدن در حرکت راه رفتن افراد در دنباله تـصـاويـر يـک رخـداد متنـاوب اسـت کـه شـامـل اطلاعات دقيقي در رابطه با شيوه راه رفتن افراد است و مي تواند ويژگي هاي منحصر به فردي از راه رفتن را بيان کند. بنابراين براي توصيف هر فريم مي توان عرض بدن را استفاده کرد. براي اسـتـخـراج عـرض بـدن از تـشـخـيص دهنده لبه sobel اسـتـفاده مي‌شود(شکل2.)به اين  ترتيب عـرض بـدن بـراي سطرهاي مختلف يک فريم محاسبه شده و ماکزيمم آن ها به عنوان ويژگي توصيف کننده آن فريم در گرفته مي شود.

بـه مـنـظـور ارزيابي روش پيشنهادي تخمين پـس زمينه به روش فازي، اين روش با روشي ديگر مورد مقايسه قرار گرفت که نتايج تست دو روش در شکل3 نشان داده شده است.

‌هـمــانـطــورکـه مـشـاهـده مـي شـود در روش پيشنهادي نويزهاي تصوير حذف شده و تصوير دقيق تري حاصل شده است. استفاده از منطق فـازي سبـب شـده است، الگوريتم تخمين پس زمينه نسبت به تغييرات روشنايي تصوير قابليت تطبيق داشته باشد.

امروزه در امور مربوط به امنيت اماکني مانند دانشگاه ها، فرودگاه ها، وزارتخانه ها و حتي شبکه‌هاي کامپيوتري استفاده از روش هاي بيومتريک در تشخيص هويت يا تاييد هويت افراد بسيار متداول شده  است.

سيستم‌هاي پيشرفته حضور و غياب ادارات، سيستم‌هاي محافظتي ورود خروج اماکن خاص، نوت‌بوک‌هاي مجهز به Finger Print و … از روش‌‌هاي مختلف تشخيص هويت بيومتريک استفاده مي‌کنند.

سيستم هاي بيومتريک

سيستم‌هاي بيومتريک بايد با درصد قابل توجهي قابل اعتماد باشند تا سيستم در تشخيص افراد و اجازه دسترسي آنها اشتباه نکند.

در مقايسه با روش هاي سنتي تشخيص هويت مانند رمز عبور و کارت شناسايي مي توان به اين مزاياي بيومتريک اشاره کرد:

 

• قرض داده نمي شوند.

• دزديده نمي شوند.

• گم و يا فراموش نمي شوند

• خراب نمي شوند.

معمولا يک سيستم بيومتري به کمک الگوريتم هاي تشخيص الگو

(Pattern Recognition) سعي در استخراج ويژگي هايي(features) از رفتار يا ساختار فيزيولوژي فرد مي کند و سپس اين ويژگي ها را در ديتابيسي ( براي  تشخيص و تاييد هويت) ذخيره مي ‌کند. سيستم هايي که بر اساس علائم فيزيولوژي عمل مي کنند بسيار مطمئن‌تر از سيستم هاي رفتاري هستند.

يک سيستم بيومتريک شامل 4 بخش بنيادي است :

• Sensor Module : قسمت نمونه برداري که اطلاعات خام مورد نياز را جمع آوري مي کند. مانند تصوير اثر انگشت.

• Feature extraction Module : قسمت پردازش براي استخراج ويژگي ها از اطلاعات مرحله قبل.

• Matching Module : قسمت مطابقت که بررسي مي کند آيا اطلاعات جمع آوري شده با اطلاعات الگو مطابقت مي کند يا خير؟ مثلا تشخيص مي دهد که آيا اطلاعات بدست آمده مي تواند متعلق به يک اثر انگشت باشد يا خير، در صورت مطابقت بر حسب نياز آن را ذخيره مي کند و يا به مرحله بعدي براي تشخيص هويت مي رود.

• Decision-making Module : قسمتي که اطلاعات ورودي (ويژگي ها) را با اطلاعات ذخيره شده مقايسه مي کند و اگر شباهت از درصد معلومي بالاتر بود به فرد اجازه دسترسي مي دهد در غير اينصورت پيغام خطا مي دهد.

خصيصه هايي که به منظور بيومتريک استفاده مي شوند بايد داراي 4 ويژگي زير باشند:

 

• Universality : تمامي افراد داشته  باشند.

• Distinctiveness : در دو فرد مشابه نباشد.

• Permanence : در طول زمان تغيير نيابد.

• Collectability : قابل جمع آوري باشد.

متدهاي امروزي در بيومتريک

در اين قسمت متدهاي متداول و غير متداول بيومتريک را معرفي خواهيم کرد و از بيان جزئيات وسايل و الگوريتم‌هاي پردازشي خودداري خواهيم کرد و تنها به بيان مزايا و معايب هر روش مي پردازيم.

لازم به توضيح است که از بيومتريک در دو فيلد مجزا مي توان استفاده کرد:

تشخيص هويت(Identification): در اين فيلد سعي مي شود که هويت شخص دقيقا مشخص گردد.

تاييد هويت(Verification) : در اين فيلد بررسي مي کنند که آيا فرد مطابق با هويت ادعا شده هست يا خير؟

سيستم هايي که قادر به تشخيص هويت هستند، حتما مي توانند تاييد هويت را انجام دهند ولي بر عکس آن قطعي نيست.

تشخيص هويت با اثر انگشت

‌دوران ورود به سيستم‌هاي کامپيوتري از طريق وارد کردن گذرواژه هاي ساخته شده از حروف و ارقام از راه صفحه کليد به پايان رسيده است امروزه از برخي ويژگي‌هاي بدن که تغيير نمي‌کنند مانند، چشم، صدا يا دست‌خط براي شناسايي کاربر و تعيين صلاحيت او براي کار با سيستم‌هاي کامپيوتري استفاده خواهد شد. هدف از اين کار بالاتر بردن امنيت سيستم‌ها و جلوگيري از دسترسي کاربران غير مجاز است.

اما از اين روش‌ها نه تنها براي تامين امنيت سيستم‌هاي کامپيوتري بلکه براي افزايش ايمني شرکت‌ها و مکان‌ها نيز استفاده مي‌شود. روش‌هاي کنوني تشخيص هويت مبتني بر کارت‌هاي شناسايي ديگر مناسب نيست و بسيار نامطمئن است. از اين گذشته اين روش‌ها هم نيروي انساني و هم زمان زيادي مي‌طلبد اين کاستي‌ها را مي‌توان با کمک روش‌هاي تشخيص هويت بر طرف کرد. چون اين روش‌ها نه تنها درستي داده‌ها را بررسي مي‌کنند بلکه مي‌بينند آيا اين شخص صاحب واقعي اين مشخصات است يا نه.  به اين ترتيب سيستم‌هاي بيومتريک با ارائه کارکرد بهتر، هزينه‌هاي بالاتر خود را جبران مي‌کنند.

اثرانگشت

اثرانگشت از قديمي‌ترين و شناخته شده‌ترين روشهاي شناسايي بيومتريک افراد است. اما شناسايي افراد با استفاده از اثرانگشت در سالهاي اخير تغييرات عمده‌اي داشته است. در روشهاي جديد به جاي استامپ و کاغذ از اسکنرهاي خاص که قابليت بررسي و تطبيق سريع اثرانگشت را با نمونه ضبط شده دارند، استفاده مي‌شود. اثرانگشت هر فرد با فرد ديگر متفاوت است?. اين روش از معمول ترين روشهاي تشخيص هويت به شمار مي‌رود؛ تا حدي که حتي در سيستم‌هاي حضور و غياب کارمندان و برخي لپ تاپ هاي جديد نيز از اين روش به عنوان يکي از روشهاي مطمئن و سريع استفاده مي‌شود?.

تکنيک انگشت نگاري ژنتيکي‏:

امروزه واژه ميکروساتلايت و ميني ساتلايت براي متخصصان علم ژنتيک بسيار آشنا هستند. تعداد بازهاي موجود طبق قاعده خاصي در ژنوم تکرار مي شوند. براي چنين آزمون هايي به بررسي تمام ژنوم نياز نيست و همان طور که وجود يک خال در بدن مي تواند دليلي محکم بر شناسايي يک بي گناه يا قاتل باشد، بررسي يک ناحيه کوچک از ژنوم فرد مظنون نيز چنين مدارک ارزشمندي مهيا خواهد کرد.حال برايتان جالب خواهد بود اگر بدانيد چطور مي توان يک ژن خاص را در ميان ???هزار ژن موجود در بيليون ها جفت باز يک ژنوم انساني يافت و مورد مطالعه قرار داد.

در واقع راه حل ها در اين زمينه از دهه ???? شروع به نمايان شدن کردند. پيشرفت هاي حاصل از ده ها سال کار هزاران دانشمند در زمينه هاي ژنتيک ، بيوشيمي ، بيولوژي و شيمي فيزيک گردهم آمدند تا فناوري هايي براي تعيين موقعيت ، جداسازي ، آماده سازي و مطالعه قطعات دي ان اي مشتق از کروموزوم هاي بزرگتر ايجاد کنند؛ البته تکنيک انگشت نگاري ژنتيکي سال ???? ابداع شد.يکي از صحيح ترين روش ها براي اثبات حضور يک فرد در صحنه جنايت ، انگشت نگاري بوده است. انگشت نگاري دي ان اي براساس وجود چندشکلي هاي توالي است.

اين چندشکلي ها، حاصل تفاوت هاي کوچک در توالي هستند که به طور متوسط از فردي به فرد ديگر در هر ??? تا ???? جفت باز اتفاق مي افتد. هر تفاوتي از توالي ژنومي مشترک انسان در کسري از جمعيت انساني رخ مي دهد هر فرد تعدادي از اين تفاوت ها را در توالي ژنتيکي خود نشان مي دهد. اين تغييرات توالي منجر به تنوع اندازه قطعات دي ان اي در بين افراد متفاوت مي شود. از اين رو به اين تغييرات ، چندشکلي هاي طول قطعه محدودکننده يا (RFLPs) گويند.

در واقع با استفاده از اين تست شناسايي توالي دي ان اي ژنومي مي توان يک فرد را در کل جمعيت انساني شناسايي کرد. با وجود اين ، چنين روشي به نمونه هاي تازه دي ان اي و بيش از ميزاني نياز دارد که عموما در صحنه وقوع جرم وجود دارد. پس با استفاده از PCR که امکان ازدياد مقادير کم دي ان اي را فراهم مي آورد، حساسيت آزمون RFLP را افزايش مي دهند. امروزه حتي آناليز RFLP ، تنها روش قابل دسترسي براي تشخيص پيش از زايمان بيماري هايي است که در آنها محل عارضه روي کروموزوم شناخته شده ، ولي هنوز ژن کنترل کننده آنها تعيين نشده است.

 

تجزيه الگوهاي انگشت نگاري DNA:

نرم افزار ژن نگار طراحي شده به وسيله محققان دانشگاه علوم پزشکي تهران و صنعتي شريف قادر به مقايسه الگوهاي ژنتيکي ، برآورد فواصل ژنتيکي ، ترسيم دندروگرام و جستجوي الگوهاي جديد در بانک اطلاعاتي موجود است.

شکل هندسي دست‌ها و انگشتان

اين مدل از شناسايي بيومتريک بر پايه‌ي تفاوت حالت قرار گيري دست‌ها و انگشتان افراد با يکديگر به وجود آمده? است. در اين روش فرد مورد نظر دست خود را بر روي اسکنري مخصوص قرار مي‌دهد و اسکنر تصوير کامل دست را اسکن مي‌کند. در اين روش معمولا هنگام اسکن، دو يا سه انگشت فرد بررسي مي‌شود.

خطوطي که بر روي سرانگشتان همه انسان ها نقش بسته از دير باز مورد توجه همه بوده است، اين خطوط نقش هاي مختلفي دارند، يکي از اين وظايف ايجاد اصطکاک بين سر انگشتان و اشياء متفاوت است مانند قلم که با استفاده از اين اصطکاک مي توان اشيا را برداشت، نوشت، يا لمس کرد.شکل 1تصوير خطوط روي انگشت را نشان مي دهد.

از طرف ديگر اين خطوط براي هر شخص منحصر به فرد است، از سال ها پيش از اثر انگشت افراد در جرم شناسي استفاده مي شد، امروزه در علم بيومتريک نيز از آن استفاده مي‌شود. مانند تمام اعضاء بدن ، DNA هاي هر شخص الگوي ساخت اين خطوط را دارد  و در واقع  DNA هر شخصي نيز کاملا منحصر به فرد است و اين  قضيه تقريبا در مورد تمام ديگر اعضاء بدن صادق است. با وجود نفوذگرها و سرقت هاي اينترنتي، رمزها ابزار قابل اعتمادي نيستند.  در علم بيومتريک اعضايي از بدن مورد توجه قرار گرفته که استفاده از آن ها راحت تر و کم ضررتر باشد. هر کدام از روش هاي مورد استفاده داراي نقاط ضعف و قدرتي هستند که با ترکيب آن ها با ديگر روش هاي امنيتي مي توان ضعف هاي موجود را از بين برد.امروزه تعيين هويت قطعي افراد در مبادله اطلاعات، يک عنصر حياتي در ايمني داده ها است. بنابراين روش هاي مختلفي براي تعيين هويت افراد وجود دارد. يکي از پايه هـاي خـودکـار سـازي تعييـن هـويـت افـراد، شنـاسـايـي انسـان هـا بـر اساس ويژگي هاي بيومتريک آن‌ها مانند چهره، الگو هاي گفتاري و اثر انگشت و …است.

تعيين هويت افراد با استفاده از اثر انگشت نسبت به ساير روش هاي بيومتريک تعيين هويت به طور گسترده اي مورد استفاده قرار مي گيرد. به برآمدگي ها و فرو رفتگي هاي موجود در پوست نوک انگشت اثر انگشت گويند.روش هاي شناسايي اثر انگشت يکي از جالب توجه ترين روش هاي تشخيص الگو براي تعيين هويت افراد هستند. تکنيک هاي شناسايي اثر انگشت اطمينان و ثبات در تشخيص هويت را تضمين مي کنند و بدين ترتيب در کاربردهاي مختلف مورد استفاده قرار مي گيرد.

از جمله اثر انگشت در صنايع کامپيوتري مانند  business ,Network ,Software licensing و وسايل جانبي مانند ماوس و صفحه کليد کاربرد دارد. همچنين در روشن کردن اتومبيل‌، قفل گاو صندوق يا درب ها يا کارت هاي اعتباري استفاده مي شود.

از طرف ديگر مشکلات عملي زيادي در سيستم هاي شناسايي اثر انگشت وجود دارد. هر دفعه که يک اثر انگشت گرفته مي شود ممکن است به دليل قابليت کشساني پوست،  تحريفاتي در شکل و محل اثر انگشت ايجاد شود. علاوه بر اين اطمينان بالا و پردازش بلادرنگ، فاکتورهاي مهم مورد نياز در سيستم خودکار شناسايي اثر انگشت هستند.

براي حل اين مشکلات، استخراج دوشاخه ها از تصاوير اثر انگشت و کاربرد آن ها در تطبيق اثر انگشت مورد بررسي قرار مي گيرد.

روش‌هاي تحليل اثر انگشت

براي به حداقل رساندن داده‌هاي يک اثر انگشت در بانک اطلاعاتي، همه تصوير به طور کامل نگهداري نمي‌شود. نخست کل تصوير تحليل شده و سپس نقاط کليدي آن ذخيره مي‌شود. اين کار نقش بسيار مهمي براي جستجوي سريع در بانک‌هاي اطلاعاتي دارد. در مجمـوع هـر تصـويـر اثرانگشت حدود 35 ويژگي مهم مانند نقاط تقاطع، نقاط پاياني، انشعاب و … دارد . براي تشخيص هر اثر انگشت و اعلام آن با قطعيت بررسي 8 تا 22 ويژگي کافي است. مشخصات اثر انگشت يا به طور مستقيم روي ايستگاه يا روي کارت‌هاي هوشمند يا روي يک سرويس دهنده ذخيره مي‌شود و در صورت تطابق مشخصات دريـافتي با مشخصات ذخيره شده نسبت به صدور مجوز تصميم‌گيري مي‌شود. اين روش در علم بيومتري  MBFM يا Minutiae-Based Fingerprint ناميده مي‌شود. در اين شيوه پردازش سنگيني روي تصوير براي استخراج مشخصات کليدي انجام مي‌گيرد. اما روش ديگري نيز با نام  CBFM يا  Correlation Based Fingerprint Matching وجود دارد که در آن به جاي مقايسه تک تک نقاط کليدي با داده‌هاي اصلي، بخش‌هايي از تصوير با بخش‌هاي متناظر از شکل اصلي مقايسه مي‌شود.

اخذ تصوير

قديمي ترين روش همان روش استفاده از کاغذ و جوهر است در اين شيوه ابتدا سطح انگشت را به جوهر آغشته کرده و سپس روي کاغذ مي غلتانند. براي وارد کردن تصوير به دست آمده به يک سيستم کامپيوتري از يک پويشگر تخت استفاده مي شود. تصوير به دست آمده از اين روش بسيار اعوجاج داشته و حتي در تشخيص به صورت دستي نيز نيازمند يک فرد خبره است.روش ديگري که امروزه در بسياري از سيستم ها از آن استفاده مي شود به کارگيري دوربين هاي Charge   Coupled  Devices ) CCD ) است.

در روش اخير که اصطلاحا اسکن زنده نيز ناميده مي شود دستيابي به تصويري با کيفيت خوب امکان پذير است.چهار تکنيک براي اسکن زنده وجود دارد:

کاغذ و مرکب

تکنيک نوري و خازني

استفاده از سنسور LE

ماورا صوت

ميدان الکتريکي

تکنيک حرارتي

در کليه اين تکنيک ها سطح انگشت با قسمت خـاصـي از دستگاه در تماس قرار گرفته تصوير اخذ مي شود.

در سـال هـاي گذشته بيشتر از روش کاغذ و مرکب استفاده مي شد به اين ترتيب که در ابتدا اثر انگشت فرد با استفاده از مرکب بروي کاغذ ثبت و سـپــس تصـويـر اثـر انگشـت اسکـن شـده و فـايـل تصويري آن آماده مي شد، که اين روش اکنون به عـلـت مـشـکـلات خـاص خـود و الـبـتـه پيشرفت تکنولوژي  کم کم منسوخ مي شود. معمولا چون کيفيت تصوير به دست آمده پايين است با استفاده از تکنيک هاي پردازش تصوير اين نقيصه تا حدي مرتفع مي شود، در شکل 2 نمونه هايي از اين عمل ديده مي شود.

در تکنيک نوري انگشت بر روي يک منشور قـرار مـي گـيـرد و بـه آن نـور تـابـانـده مـي شـود. با انـدازه‌گـيـري مـيـزان نور بازگشتي از هر قسمت تصويري از اثر انگشت شکل مي گيرد.

ســيــســتـــم‌هـــايـــي کــه اثــر انـگـشــت را بــر پــايــه روش‌هاي نوري ثبت مي‌کنند، بيشتر گسترش پيدا کرده‌اند. در اين شيوه، نور از سوي يک چشم به انگشت تابانده مي‌شود. سپس دوربين CCD، پرتوهاي باز تابيده را دريافت کرده و از روي آن ها يـک عـکـس سـيـاه و سـفـيد مي‌سازد. اين عکس مـشـخـصـات بـارز اثـر انـگـشـت را نـشان مي‌دهد وضوح اين سيستم به ميزان اهميت و نوع کاربرد بـسـتـگـي دارد.  ‌در کنار روش‌هاي نوري، براي کاستن از هزينه‌ها، روش‌هايي نيز ابداع شده‌اند که در آن ها از خازن استفاده مي‌شود. در اين شيوه از صـفـحـه‌هـايـي اسـتفاده مي‌شود که تا 000/100 حـسـگـر خازني دارند و بار آن ها پس از تماس انگشت اندازه‌گيري مي‌شود. از روي نتايجي که بـه دسـت مـي‌آيـد عـکـسي از اثر انگشت ساخته مي‌شود. شکل3 روش اسکن مستقيم نوري را نشان مي دهد.

در روش استفاده از سنسور LE از تکنولوژي نيمه هادي ها  استفاده مي شود. به اين ترتيب که انگشت شخص بر روي سنسور LE که از جنس نيمه هادي است، قرار گرفته (شکل4)  و در نتيجه در محـل هـاي بـرآمـدگـي پوست انگشت که در تماس با سنسور هستند، فوتون آزاد شده و به اين ترتيب اثر انگشت ثبت مي شود.

حسگرهاي مافوق اولتراسوند و حرارتي نيز بــراي تـشـخـيــص اثــر انـگشـت بـه کـار مـي‌رونـد. وضوح اين روش‌ها هم مانند روش‌هايي است که در بخش قبل شرح داده شد. در روش حرارتي، آرايـه‌اي از حسگرها تصوير گرمايي انگشت را مي‌سازد. سپس اين تصوير بر پايه گراديان دما به يک نماي سه بعدي از اثر انگشت تبديل مي‌شود روش‌هاي مافوق اولتراسوند اکنون از دقيق‌ترين و هـمـچـنـيــن گــران‌تـريـن روش‌هـاي تـشـخـيـص هويت از روي انگشت هستند. دليل آن اين است که آلودگي يا ديگر عوامل مزاحم در کار اين روش اخـتــلالــي ايـجــاد نـمـي‌کنـد. در ايـن روش، چنـد حـسـگـر امـواج مـافـوق اولـتـراسـونـد را بـه سمت انگشت مي‌فرستند. سپس بازتاب اين امواج را دريافت کرده و براساس فاصله زماني بازتاب‌ها يک تصوير سه بعدي از اثر انگشت مي‌سازند. در شـکـل 5 اصـول اولـيه اين روش نشان داده شده است.

در روش ماورا صوت با توجه به ميزان انرژي صــوتـي مـنـعـکـس شـده از سـطـح انـگـشـت بـراي آشکار سازي لبه ها و شيارها استفاده مي شود. حــســگــــرهــــاي مــيــــدان الــکـتـــريـکـــي بـــر اســـاس انـدازه‌‌گـيـري اخـتلاف ظرفيت الکتريکي سطح انگشتي که حسگر را لمس مي کند عمل مي کنند و در نهايت حسگر هاي حرارتي با اندازه گيري اختلاف دماي سطح پوست شيارها و لبه هاي اثر انگشت را نمايان مي سازد.  ‌وضوح اين روش هم مانند روشي است که در بخش قبل شرح داده شد. در روش حرارتي، آرايه‌اي از حسگرها تصوير گرمايي انگشت را مي‌سازد. سپس اين تصوير بر پـايـه گـراديـان دمـا بـه يـک نـمـاي سه بعدي از اثر انـگشت تبديل مي‌شود. روش‌هاي اولتراسوند اکـنــون از دقـيــق‌تــريــن و هـمـچـنـيــن گــران‌تــريــن روش‌هـاي تـشـخـيـص هـويـت از روي انـگـشت هستند. دليل آن هم اين است که آلودگي يا ديگر عوامل مزاحم در کار اين روش اختلالي ايجـاد نمـي‌کنـد. در ايـن روش؛ چنـد حـس‌گـر امـواج  اولتـراسوند را به سمت انگشت مي‌فرستند. سپس بازتاب اين امواج را دريافت کرده و براساس فاصله زماني بازتاب‌ها يک تصوير سه بعدي از اثر انگشت مي‌سازند.

روش اسکن زنده ، تصوير نسبتا خوبي از اثر انگشت ارايه مي دهد. اما هنوز هم عواملي چون خشکي پوست بيماري هاي پوستي ، عرق، کثيفي و چربي باعث به وجود آمدن اعوجاج در تصوير اثر انگشت مي شوند. در هر دو روش سنتي و اسکن زنده عواملي باعث بروز اختلاف در دو نسخه از يک اثر انگشت مي شوند .

1-انتقـال: تفـاوت در مـوقعيـت مکـاني نسخه هاي مختلفي که از اثر انگشت گرفته مي‌شود.

2- چرخش: ناشي از چرخش انگشت هنگام اخذ اثر انگشت است.

3-مقياس: از اختلاف فشاري که فرد در هر بار اخذ اثر انگشت به سطح دستگاه يا کاغذ وارد مي کند ناشي مي شود.

4-اختلاف: در اثر انگشت به دليل عواملي چون بيماري هاي پوستي، سوختگي و عرق با وجود اين که اسکن زنده تصويري با کيفيت خوب از اثر انگشت در اختيار ما قرار مي دهد اما باز هم مکانيزم هايي به موازات آن براي اخذ اثر انگشت به صورت کنترل شده به کار مي‌رود. در اخذ اثر انگشت به صورت کنترل شده ميزان فشاري که فرد در هر بار اخذ به سطح دستگاه وارد مي کند توسط يک حسگر فشار اندازه گيري شده و به عنوان يک پارامتر ورودي به سيستم داده مي شود بدين طريق مي توان باز هم کارايي سيستم را افزايش داد.

قبل ازاختراع کامپيوتر و اتوماتيک شدن فعاليت ها عمل تطابق به صورت دستي و توسط انسان ها انجام مي گرفت. اين امر باعث کندي وخسته کنندگي فرايند مي شد. به هرحال ازطريق تشخيص با استفاده از کامپيوتر، مراحل کار اتوماتيک شده و انجام آن ها کاهش يافته است.

براي ثبت تصاويرانگشت افراد، در آغاز از دستگاه هاي کوپل شده بار (Charge Coupled  (Devices  CCD استفـاده مي شد، با پيشرفت تکنولوژي روش هاي تصويربرداري با رزولـوشـن بـالا بـه وجـود آمـدند که در آن از حسگرهاي سيليکوني استفاده مي شود. عـلــي‌رغــم ايـن پيشـرفـت تکنـولـوژي، معـايـب آن هـم چنـان بـاقـي مـانـده اسـت. معـايـب تصويربرداري ازانگشت عبارتست از نياز به تماس فيزيکي با حسگر نوري و احتمال به دست آمدن تصوير با کيفيت پايين به دليل کثيف بودن انگشت يا زخم يا کار سخت براي مدت طولاني که باعث تغيير شکل انگشت مي شود.

اخيرا از حسگرهاي صوتي براي تصويربرداري از انگشت استفاده مي شود که نيازي به تماس مستقيم با انگشت فرد ندارند. پيشرفت هاي حاصله در تصويربرداري بدون تماس و با استفاده از حسگرهاي صوتي امکان طراحي حسگرهاي اثر انگشت با انعطاف پذيري بالا را فراهم آورده است. علي رغم پيشرفت هاي تکنولوژي تضميني وجود ندارد که اين روش مي‌تواند براي تشخيص هويت که کاربردهاي امنيتي دارد به کار رود.

در نتيجه پيشرفٍ هاي تکنولوژيک در طراحي حسگرها، قابليت اطمينان بيومتريک اثرانگشت که توسط انجمن بين المللي بيومتريک اعلام شده است برابر 001/0FAR %= است. البته اين درجه از دقت براي کاربردهاي امنيتي  لازم است ولي بايد توجه کرد که اين دقت در شرايط آزمايشگاهي و نه در شرايط عملي و واقعي به دست آمده است، در سايرموارد (شرايط غيرآزمايشگاهي) دقت اين روش درحدود يک دهم مقدار ذکر شده است که بــاعـث شـد تصـاويـر اثـرکـف دسـت بـه جـاي اثـر انگشت استفاده شود تا درجه امنيت سيستم بالا تر رود.  از لحاظ تئوري براي يک فرد امکان اينکه اثر انگشت فرد ديگري را همراه داشته باشد وجود دارد . اين امر نشان دهنده آن است که بعضي از حـسـگـرهـاي اثـرانـگـشـت را بـه راحـتـي مي توان گـمـراه کـرد کـه باعث نامناسب بودن اين روش براي کاربردهاي امنيتي مي شود.

گـزارشـات انـجـمـن جـهـانـي بـيـومتريک نشان مي‌دهد جرايمي که با وجود استفاده از اثرانگشت رخ داده انـد از مـقـبـولـيت تکنولوژي اثرانگشت نـکاسته است،  زيرا   اين دو روش تاييد هويت کاملا با هم متفاوت هستند.

در مـورد مـسائل امنيتي همه افراد بايد امکان ثبت نام درسيستم را داشته باشند ولي در مورد کاربردهاي کنترل دسترسي، ممکن است برخي افراد تمايلي براي ثبت نام در سيستمي را که از اثر انگشت استفاده مي کنند، نداشته باشند. همچنين مـمـکــن اسـت بـعـضـي افـراد قـابـلـيـت اسـتـفـاده از سيستم اثر انگشت را نداشته باشند. بعضي افراد فــاقــد ويـژگـي هـاي منحصـر بـه فـرد کـافـي بـراي استفاده از اثر انگشت هستند. علاوه بر اين بعضي گروه هاي کاري مانند کارگران ممکن است داراي اثر انگشت هاي صدمه ديده باشند. بنـابراين بعضي گروه ها ممکن است که قابليت ثبت نام در چنين سيستمي را نداشته باشند.به طور کلي کارايي بيومتريک اثر انگشت ممکن است براي برخي کاربرد هاي کنترل دسترسي قابل قبول باشد ولي به دليل در دسترس بودن دستگاه هاي تصويربرداري و همچنين وجود افرادي که امکان استفاده از اين سيستم را ندارند، بيومتريک اثر انگشت براي مقاصدامنيتي مناسب نيست.

طبقه بندي اثر انگشت

طبقه بندي اثر انگشت در سيستم هاي تعيين هويت مورد استفاده قرار مي گيرد. هدف از طبقه بندي اثر انگشت اين است که بانک داده را تا حد امکان به بخش هاي کوچکتري تقسيم کرد. در سيستم هاي تعيين هويت تنها بخشي از بانک داده که از حيث طبقه متناظر با اثر انگشت ورودي است مورد جستجو قرار مي گيرد. در سيستم هايي که با جمعيت هاي کم کار مي کنند مي توان از رده اي که اثر انگشت به آن متعلق است به عنوان تنها ويژگي براي تعيين يا تاييد هويت فرد استفاده کرد.

تعيين طبقه براي يک اثر انگشت با توجه به جهت امتداد لبه ها در اطراف هسته و همچنين تعداد و چگونگي قرار گرفتن نقاط هسته و دلتا صورت مي گيرد. در موارد کمي نمي توان يک اثر انگشت را به يک طبقه خاص نسبت داد و همواره در هر نوع سيستم طبقه‌بندي يک طبقه با نام طبقه غير مترقبه در نظر گرفته مي شود و چنين اثر انگشتي را به اين طبقه نسبت مي دهند.

طبقه بندي ارائه شده براي فرايندي دستي طبقه بندي مناسبي است. چرا که ضوابط بيان شده براي نسبت دادن يک اثر انگشت به يک رده خاص بسيار شفاف و واضح است. در يک سيستم خودکار بهتر است تا با بيشتر کردن تعداد رده ها بانک داده را به بخش هاي کوچکتري تقسيم کرد. اما به دليل واضح بودن سيستم طبقه بندي ارائه شـده اکثـر سيستـم هـاي خـودکار امروزي نيز از همين طبقه بندي استفاده مي کنند.

علاوه بر ويژگي هاي بيان شده ، در بسياري از سيستم هاي تشخيص اثر انگشت، از ويژگي هاي سطـح بـالا نيـز استفـاده مـي شـود. ايـن امـر باعث افزايش صحت عمل تطبيق مي شود. يکي از اين ويژگي هاي مهم کلاس الگوي اثر انگشت است.

اثر انگشت به پنج کلاس اصلي تقسيم مي شود که عبارتند از:

1- کمان

2- کمان مايل

3- حلقه چپ

4- حلقه راست

5- مارپيچ

در تـصــاويــر نـويـز دار و جـزئـي ممکـن اسـت کلاس الگو نامشخص باشد، که در اين صورت از يک ويژگي سطح بالاتري به نام چگالي برآمدگي ها به جاي کلاس الگو استفاده مي شود که بيانگر تعداد برآمدگي ها در واحد طول تعريف مي شود. بـه مـنـظـور مستقل کردن چگالي برآمدگي ها از جـهـت تـصـوير، تعداد برآمدگي ها بين دو نقطه منفرد محاسبه مي شود. نقاط منفرد در اثر انگشت هـسـتـه و دلـتـا هـسـتـنـد. هـسـتـه بـالاترين نقطه در داخلي‌ترين برآمدگي و دلتا يک نقطه سه شاخه است که سه برآمدگي از کنار آن عبور مي کند. در شکل 6 اين نقاط نمايش داده شده است.

يک سيستم اتوماتيک تشخيص اثر انگشت داراي مراحل نشان داده شده در شکل 7 است.  ‌امروزه اسکنر هايي که براي ارتباط با کامپيوتر طراحي شده اند، به راحتي اطلاعات تصوير اثر انگشت را تهيه و از طريق درگاه هاي کامپيوتر در اختيار نرم افزارهاي مربوطه قرار مي دهند.

در اکثر سيستم ها از روش هاي ساختاري که بر مبناي دو شاخه شدن هستند براي استخراج ويژگي ها استفاده مي شود. در اين سيستم ها در ابتدا پيش پردازش هاي اوليه اي مانند يکنواخت کردن هيستوگرام، تشخيص برآمدگي ها و نازک کردن آن ها روي تصوير اعمال مي شود. سپس با استفاده از روش هاي زير به استخراج ويژگي ها و شناسايي اثر انگشت پرداخته مي شود:

1- روش فازي

2- روش شبکه هاي عصبي

3- ساختن گراف مربوط به هر تصوير با استفاده از ميدان جهت دار و الگوريتم راتا

پياده سازي اين روش ها يا با استفاده از کامپيوتر انجام گرفته يا از مدارات مجتمعي که به همين منظور ساخته شده است، انجام مي گيرد. نمونه اي از مدارات مجتمع در شکل 8 نشان داده شده است.

 

تطبيق اثر انگشت

تطبيق، فرايندي است که طي آن ميزان شباهت دو اثر انگشت اندازه گيري مي شود. در اکثر سيستم ها از دو شاخه ها براي تطبيق دادن دو اثر انگشت استفاده مي شود.

در روشي موسوم به بانک فيلتر (Filter Bank) ابتدا تصوير اثر انگشت به بخش هايي تقسيم مي شود سپس در هر بخش فيلتري موسوم به Gabor Filter را با زاويه هاي مختلف اعمال کرده و به ازاي هر زاويه انحراف معيار براي ناحيه مورد نظر محاسبه مي شود.

با توجه به اين که Gabor Filter يک فيلتر جهتي است و لبه هاي اثر انگشت نيز در هر ناحيه داراي يک جهت غالب است اعمال فيلتر با زاويه هاي مختلف باعث مي شود که لبه ها تضعيف يا تقويت شوند. اگر زاويه انتخاب شده براي فيلتر برابر يا نزديک به جهت غالب لبه ها در ناحيه مورد نظر باشد آن ها را تقويت خواهد کرد و در غير اين صورت باعث تضعيف يا کم رنگ تر شدن لبه ها مي شود. در هر بار به کارگيري فيلتر انحراف معيار براي ناحيه مورد نظر محاسبه شده و مجموعه انحراف معيار هاي محاسبه شده بردار ويژگي متناظر با    اثر انگشت مورد نظر را تشکيل مي دهد. در فاز تطبيق اين بردار هاي ويژگي هستند که با هم مقايسه مي شوند.

سيستم هاي تطبيق مبتني بر دو شاخه مي توانند به يکي از اين دو شيوه عمل کنند:

1- تطبيق نقاط

2- تطبيق ساختار

در تطبيق نقاط، موقعيت مکاني ، نوع دو شاخه و جهت لبه اي که دو شاخه بر روي آن قرار گرفته به عنوان خصوصيات اثر انگشت ذخيره شده و سپس در فاز تطبيق بررسي مي‌شود که چند دو شاخه به خصوصيات يکسان بر روي هم رديف مي شوند.

براي بررسي اين موضوع دو اثر انگشت به گونه اي بر روي هم قرار مي گيرند که بيشترين دو شاخه با خصوصيات يکسان بر روي هم رديف شوند.سپس اين تعداد شمرده شده و با مقدار حد آستانه مقايسه مي شود و تصميم لازم نيز اتخاذ مي شود.

در روش تطبيق ساختاري ، ديگر به موقعيت مکاني دو شاخه ها توجهي نمي شود بلکه ساختار اطراف آن يا به عبارت ديگر نوع دو شاخه هايي که در همسايگي يک دوشاخه  قرار دارند به عنوان خصوصيات آن مد نظر قرار مي گيرد. بدين صورت يک زير گراف براي يک دو شاخه تشکيل مي شود و اين زير گراف هاي دوشاخه ها هستند که با هم تطبيق داده مي‌شوند.

روش فراصوت سه بعدي براي تشخيص اثرانگشت

تصـويـر مـاوراء صـوت سـه بعـدي تشخيصـي از انگشتـان، مـي تـوانـد بـراي شناسايي بيومتريک بر اساس ساختارهاي داخلي اثرانگشت به کار رود . از اين روش مي توان در سامانه  AFIS به عنوان يک روش منحصربه فرد استفاده کرد.

براي مطالعه روي اين طرح تصوير سه بعدي20 داوطلب جمع آوري شد . يک گروه 4 نفري، شامل2 راديولوژيست عضله اي- استخواني، تلاش کردند تا با توجه به ويژگي هاي آناتوميک و فيزيولوژيک انگشت انسان تصاوير مرتبط را با هم تطبيق دهند .

عمليات تطبيق راديولوژيست ها  100% موفقيت آميز و ميانگين درصد موفقيت هر چهار نفر96% بود.

هدف از اين مطالعه، ارزيابي استفاده از ساختارهاي داخلي انگشت به صورت تصاوير فراصوتي، به عنوان يک روش مکمل روش هاي استاندارد تشخيص هويت بيومتريک بود. همچنين اين مطالعه راهي براي تشخيص حالات فيزيولوژيک و قلبي عروقي فرد را هم فراهم مي کند. به طور مثال مي توان از آن براي تشخيص زنده يا مرده بودن فرد استفاده کرد. کاري که از طريق اثرانگشت خارجي قابل انجام نيست. با توجه به قيمت ارزان حسگرهاي فراصوت اثرانگشت کاربردهاي گسترده اي براي آن از جمله در تلفن هاي همراه وجود دارد.

علاوه بر کاربردهاي زياد اين طرح در حوزه بيومتريک، از اين روش مي توان در کاربردهاي پزشکي نيز استفاده کرد . نتايج اين روش مي تواند به روشي براي شناسايي بيمار در کنار مانيتورينگ فيزيولوژيک مداوم وي تبديل شود.

تشخيص هويت؛ کف دست؛ اسکن رگ‌ها، صدا، امضا و …

مشابه اثر انگشت، دراثر کف دست از الگوي خطوط و انحناهاي موجود دردست فرد براي تشخيص هويت افراد استفاده مي کنند.  برخلاف اثر انگشت از تصاوير کف دست مي توان براي شناسايي افراد سالخورده و هم چنين کارگراني که داراي اثر انگشت صدمه ديده و در نتيجه اثر انگشت نامناسب براي استفاده از بيومتريک اثر انگشت هستند استفاده کرد. اين امر باعث مي شود که اين تکنولوژي براي کاربردهاي امنيتي بسيار مناسب باشد زيرا افراد بيشتري مي توانند در آن ثبت نام کنند.

با وجود اين که اثر کف دست براي بيش از 100 سال مورد استفاده قرار گرفته است، اما اين روش هرگز براي تشخيص افراد در سيستم هاي اتوماتيک به کار نرفته است و فقط در مواردي از شکل دست و نه الگوهاي موجود در آن استفاده شده است که نشان دهنده ناقص بودن تکنولوژي است.

آزمايشات انجام شده روي اثر کف دست نشان مي دهند که اين روش بسيار دقيق است و امکان گمراه کردن آن وجود ندارد. از طرف ديگر مشخصات هندسي با روش بسيار ساده اي اندازه گيري مي شوند. به همين دليل مي توان به راحتي از يک دست غير واقعي براي اين کار استفاده کرد. اين درجه از تفاوت ديدگاه ها نشان دهنده نا مشخص بودن دقت بيومتريک اثر کف دست است.

‌ابعاد کف دست بسيار بزرگتر ازانگشت است در نتيجه انتظار مي رود که اثر کف دست دقتي خيلي بيشتر ازاثر انگشت داشته باشد و مي توان نتيجه گرفت که دقت  FFR در مورد بيومتريک اثر کف دست بيشتر از اثر انگشت است.

در ضمن  FARنيز در اين مورد بيشتر (بدتر) است چون اين تکنولوژي امکان گمراه شدن زيادي دارد.  براي کاربرد هاي امکان دسترسي، اثر کف دست را مي توان براي ثبت نام در سيستم تهيه کرد، زيرا افراد از مراحل کار آگاه هستند و همکاري مي کنند . ولي براي جستجوي افراد تقريبا غير ممکن است که بتوان اثر انگشت يک تروريست را تهيه کرده در سيستم ثبت کرد. به علاوه از نظر عملي کار سختي است که از کف دست افراد بدون همکاري آن ها تصوير برداري کرد. بنابر اين اثر کف دست براي کاربرد هاي امنيتي مناسب نيست.

هندسه دست

در تشخيص هويت از روي هندسه دست از يک دوربين CCD براي ثبت نقاط کليدي دست استفاده مي‌شود. در اين روش  تصاوير دست از بالا و از کنار به دست آمده و مورد پـردازش قـرار مـي‌گيـرد. در طـي ايـن پردازش، نقاط و خط‌هايي روي تصوير فرض مـي‌شـود. از ايـن نقـاط و خطـوط براي اندازه‌گيري طول، پهنا و ضخامت هر يک از انگشت‌ها استفاده مي‌شود. سپس سيستم تشخيص هويت اين داده‌هاي را در يک بانک اطلاعاتي ذخيره مي‌کند تا بعدا داده‌هاي ورودي براي شناسايي شخص با آن ها مقايسه شود.

روش هندسه دست نسبت به کثيف بودن دست فرد حساس نيست و بنابراين روش مناسبي براي کارگران است. يکي ديگر از مزاياي اين روش مستقل بودن آن از پليس و مسائل جنايي است که باعث مي شود افراد زيادي تمايل به ثبت نام در چنين سيستمي داشته باشند و بنابراين براي کاربرد هاي کنترل دسترسي مناسب است.

ادعا مي شود که از تصوير دست نمي توان در جستجوي يک نفر از بين چند نفراستفاده کرد و فقط به تاييد هويت يک فرد خاص محدود مي شود که باعث ناکارآمدي در کاربرد‌هاي جستجو مي شود. علت اين امر کاملا روشن نيست ولي به هر حال مي توان نتيجه گرفت که هندسه دست نيز داراي معايب روش هاي قبل است .يعني عدم قابليت استفاده در کاربردهاي جستجو براي يک فرد به دليـل در دستـرس نبـودن بيـومتـريک هاي افراد مورد نظر.

رگ پشت دست

در ‌اين تحقيق روشي براي شناسايي افراد، مبتني بر تصوير رگ‌هاي پشت دست ارائه شده است.

‌اين روش براي استفاده در سيستم‌هاي کنترل ورودي تحت پوشش شبکه بسيار مفيد است.

‌اين بررسي در دو مرحله صورت گرفته است: مرحله ثبت و گردآوري داده‌ها و مرحله تاييد يا تصديق.در مرحله ثبت، تعداد N تصوير دست با استفاده از روش تصويربرداري نزديک به مادون قرمز براي افراد مختلف به عنوان نمونه‌هاي اصلي آموزشي جمع‌آوري شده است.

اين تصاوير طي مراحل پيش پردازش، استخراج ويژگي و مدلسازي مورد پردازش قرار مي‌گيرند تا نمونه‌هاي قابل تطبيق‌ ايجاد شوند و سپس براي مرحله تاييد از شبکه‌هاي عصبي استفاده مي‌شود.

در مرحله تصديق نمونه ورودي مورد ترديد نيز مراحل پيش پردازش و استخراج ويژگي دست را طي مي‌کند و در نهايت وارد شبکه عصبي آموزش ديده شده و تطابق يا عدم تطابق آن تعيين مي‌شود.

در روش مورد بحث قسمت پيش پردازش مشتمل برآستانه يابي تصوير، لبه‌يابي دست، از بين بردن لبه دست، استخراج اسکلت رگ‌ها، افزايش وضوح تصوير با استفاده از توابع مورفولوژيک و در نهايت دستيابي به الگوي رگ‌ها که تطابق و مقايسه در مورد آنها صورت مي‌گيرد، است.

در مرحله استخراج ويژگي بردارهاي مورد نياز پس از اعمال تبديل موجک به تصوير و استخراج ويژگي‌هاي آماري براي مقايسه در مرحله بعدي يعني مرحله تعيين يا تصديق هويت تهيه مي‌شود.

در ‌اين طرح در واقع دستاوردي جديد در فناوري تشخيص هويت تجربه شده و با استفاده از رگ‌هاي پشت دست (Vein Pattern) تصوير پشت دست توسط دوربين CCD گرفته شده است.

اين طرح مکانيسمي ‌بسيار ساده و راحت دارد و در گزارشي از آن، دو شبکه مجزا در مرحله تاييد ارائه شد. در روش اول شبکه‌اي با هدف تعيين هويت طراحي شد.

کاربرد ‌اين شبکه در سيستم‌هاي امنيتي و دولتي به لحاظ تعيين هويت افراد بسيار مفيد خواهد بود. البته چون‌ اين سيستم هنوز در مراحل ابتدايي تحقيقات است، توصيه مي‌شود به عنوان مکمل در کنار ديگر سيستم‌هاي تعيين هويت همچون اثر انگشت به کار رود.

در روش دوم شبکه‌اي باهدف تاييد هويت طراحي شد. اين شبکه به علت داشتن تعداد کمتري نورون نسبت به شبکه اول قابليت پياده‌سازي راحت‌تري دارد. ‌اين سيستم براي کاربردهاي روزمره همچون کنترل ورود و خروج، حضور و غياب و … مفيد خواهد بود.

نتايج آزمايش نشان داد هر دو سيستم به مقاديرFPR وFNR قابل قبولي دست يافتند. نتايج به دست آمده حاکي از آن بود که‌اين روش کماکان به عنوان يک روش موثر و عملي در تشخيص هويت قلمداد مي‌شود.

 

شيميايي  بو

نــوع متفـاوتـي از بيـومتـريـک هـا، تکنـولـوژي شيميايي است که به بو نيز معروف است. بوي بدن انسان ازحدود سي ماده شيميايي مختلف تـشـکـيـل شده که ميزان وجود اين مواد يا عدم وجود شان يک بوي منحصر به فردي را در افراد به وجود مي آورد. مي توان اين مواد شيميايي را شـناسايي کرده و از نتايج بررسي آن ها به يک بيومتريک شناسايي دست پيدا کرد.

کامل وجامع بودن اين تکنولوژي مورد ترديد است.  مطالعات انجام شده در اين زمينه نشان مـي‌دهـد که اين تکنولوژي در ابتداي راه خود اســت و تــا قـبــل از ســال 2006 هـيــچ مـحـصـول اقتصادي از آن توليد نخواهد شد. حتي اگر اين روش، روش مطمئني براي شناسايي باشد، اين تکنولوژي نيازمند آناليز شيميايي پيچيده و زمان بري است که باعث مشکل شدن استفاده از آن در دنياي واقعي مي شود.

قـابليـت اطمينان بو به عنوان يک بيومتريک نـا‌شنـاختـه اسـت، هـم چنيـن انعطـاف پـذيري و منحصـر بـه فـرد بودن و قابليت به کار رفتن به عـنــوان بـيــومتـريـک  بـراي بـو بـه عنـوان مسـائـل نـاشـنـاخـتـه مـطـرح مي شود. به علاوه مي توان نتيجه گرفت که پيچيدگي و زمان بر بودن روش بيان مي کند که اين بيومتريک در کاربردهاي بر خــط قــابــل اسـتـفــاده نـيـســت و بـنــابــرايـن بـراي جستجوي افراد مناسب نيست.

مـعـــايـــب ايــن روش شــامــل نــاپــايــدار بــودن ترکيبات شيميايي در نتيجه تغييرات هورموني و احساسي است. رژيم غذايي نيز باعث تغييردر اين ترکيبات مي شود. با توجه به مسائل بررسي شده نتيجه مي شود علارغم اين که ممکن است ايــن روش در آيـنـده مـورد استفـاده قـرار گيـرد، نـــواقـــص مـــوجــود درايــن تـکـنــولــوژي بــاعــث نـــــامـــنـــــاســـــب بــــودن آن بــــراي کــــاربــــردهــــاي جستجومي‌شود.

اسکن کردن رگ‌ها

حالت رگ‌هاي هر شخص مانند اثر انگشت او يک ويژگي منحصر به فرد است. وضعيت رگ‌ها حتي ميان دو دوقلوي همسان هم ناهمسان است. تنها مشخصه‌اي از رگ‌ها که با گذشت زمان تغيير مي‌کند، اندازه آن ها است. بنابراين محققان از همين ويژگي براي تشخيص هويت افراد استفاده کرده‌اند. در روش‌ شناسايي از روي رگ‌ها، نور مادون قرمز به کف دست تابانده مي‌شود. با اين کار وضعيت رگ‌هايي که زير پوست قرار دارند به دست مي‌آيد. سپس اين مشخصات با داده‌هاي مرجع مقايسه مي‌شود. شکل 1 نمايي از اين روش را نشان مي دهد.

جزئيات اين جريان به شرح زير است:

هموگلوبين موجود در خون بخش‌هايي از طيف نور را جذب مي‌کند که طول موج آن ها حدود 10*‌6/7 است. به اين ترتيب رگ‌ها خطوطي تيره رنگ مي‌شوند و حسگر، اطلاعات تصوير را دريافت و ذخيره مي‌کند. يکي از برتري‌هاي روش شناسايي از روي وضعيت رگ‌ها آن است که نيازي به تماس فيزيکي ندارد و از اين نظر روشي پاکيزه است. همچنين ميزان دقت آن تا حد قابل قبولي بالاست. به عبارت ديگر درصد خطاي آن حدود 00008/0 درصد است.

ايـن روش بـه ويـژه بـراي مـراکـز بازرگاني سودمند است. اين روش به عنوان يک جايگزين مستقيم و سريع براي انگشت نگاري، با صرفه و دقيق است و اکنون در برخي مراکز به کار برده مي‌شود.

تشخيص هويت با صدا، امضا و حالت تايپ

در روش شناسايي از روي صدا، نخست آن را تغيير داده و سپس با يک داده مرجع مقايسه مي‌کنند. روش‌هاي شناسايي از روي صدا در حال گسترش‌ هستند  تا وابستگي آن به يک متن مشخص از بين برود.

بيشتر افراد هنگامي که از تشخيص صدا صحبت مي شود به فکر فرکانس صدا و دستگاه اسيلوسکوپ (دستگاهي که موج را بر روي نموداري در روي محور افقي گرفته و با تصويري از آن بر روي محور عمودي و اندازه گيري ولتاژي، صداها را از يکديگر تميز مي دهد) مي افتند در صورتي که در فناوري جديد از دستگاه طيف نگار صدا ( Sound  Spectrogram) استفاده مي‌شود.

دستگاه طيف نگار در واقع يک گراف را متصور مي‌کند، فرکانس صدا را بر روي محور عمودي و زمان را بر روي محور افقي تصوير مي کند و در اين صورت هر صدايي گراف ويژه خودش را خواهد داشت. اين دستگاه از رنگ ها و سايه ها در تصوير کردن گراف استفاده مي کند تا دقت شناسايي بيشتر شود و شکفيت آوا شنودي صدا بالاتر رود.

هم اکنون در برخي از شرکت هاي اروپايي و آمريکايي از اين مدل تشخيص هويت استفاده مي کنند زيرا در اين مدل ديگر احتياج به حضور فيزيکي نيست و به راحتي کاربر مي تواند با فرستادن صداي خود حتي از طريق اينترنت هويت خود را نشان داده و از آرشيوهاي محرمانه استفاده کند. البته تشخيص هويت اشخاص از طريق صدا نسبت به اثر انگشت يا اسکن چشم امنيت کمتري دارد.

براي کاستن از پارازيت‌ها و عوامل مزاحم، به عنوان ابزار ورودي از يک ميکروفن با کيفيت خوب استفاده مي‌شود. به بيان ديگر در اين سيستم، صدا را بر پايه زمان (time) و دامنه (amplitude) ضبط مي‌کند و پس از استاندارد کردن مقياس زماني، بسامدها و ارتفاع صوت با داده‌هاي مرجع مقايسه مي‌شود.

از آنجا که سخن گفتن عملي پويا و قابل تغيير است حتي کوچک‌ترين عوامل مانند سرماخوردگي مي‌تواند باعث تغيير صدا و پايين آمدن وضوح آن  شود. اما اينگونه عوامل روي چيزهايي مانند لهجه، تاکيد روي کلمات يا سرعت کلام تقريبا تاثيري ندارند.

سيستم تصديق گوينده

شماي کلي يک سيستم تصديق گوينده در شکل 2 نمايش داده شده است.

سيگنال گفتار گوينده به عنوان ورودي به سيستم انتقال داده مي شود. سپس پيش پردازش و نهايتا استخراج ويژگي ها بر روي آن اعمال مي شود و به اين ترتيب به يک فضاي جديد منتقل مي شود. ويژگي هاي استخراج شده از گفتار گوينده با مدل مرجع او مقايسه مي شود.

عمل مقايسه به اين صورت انجام مي گيرد که ميزان شباهت يا اختلاف اين ويژگي ها با مدل مرجع به دست مي آيد. ميزان شباهت به دست آمده با ميزان آستانه مقايسه مي شود و با توجه به اين مقايسه خروجي سيستم مبني بر تعلق يا عدم تعلق گفتار ورودي به گوينده ادعا شده مشخص مي شود.

قـبــل از مـعــرفــي روش هــاي پيـاده سـازي سيستـم، بـه بـررسـي نکـاتـي در طـراحـي سيستم‌هاي بازشناسي (اعم از تعيين هويت يا تصديق هويت)  پرداخته مي شود.

1- انتخاب ويژگي ها: براي استخراج ويژگي هاي گوينده بايستي چند عامل مد نظر قرار گيرد؛ از جمله: اين ويژگي ها نبايستي به نويز محيط انتقال مانند کانال هاي مخابراتي حساس باشند، همچنين اين ويژگي ها نبايستي به حالات رواني و فشار هاي محيط که گوينده در آن در حال صحبت کردن است وابسته باشد. در کل روش بهينه اي براي استخراج ويژگي ها وجود ندارد و معمولا از طريق تجربه اين عمل صورت مي گيرد.

لازم به ذکر است که در بازشناسي گوينده از ويژگي هاي ديناميک که بستگي زيادي به حالات گوينده دارد استفاده مي شود، در صورتي که در روش هاي ديگر خصوصيات فـيــزيـکــي اسـتــاتـيــک و پــايــدار مــورد بــررســي قــرار مـي گـيـرنـد. بـنـابـرايـن يـک سـري محدوديت‌هاي ذاتي در مورد استفاده از اين سيگنال ها وجود دارد. براي درک اين محدوديت ها بايستي اطلاعات تمايزدهنده گوينده ها و نحوه قرار گرفتن آن ها در سيگنال گفتار مورد بررسي قرار گيرد. سيگنال گفتار از طريق حرکت اندام هاي توليد گفتار به وجود مي آيد و توسط حنجره و سيستم عـصـبـــي کـنـتـــرل مـــي‌شــود. بـنــابــرايــن‌دو‌مـنـبــع اطـلاعـات گـوينـده در سيگنـال صحبـت وجود دارد يـکــي مـربـوط بـه خصـوصيـات فيـزيکـي و سـاخـتـاري مـجـراي گـفـتار و ديگري اطلاعات کنترلي از مغز و ماهيچه هاي اندام گويايي است. اين اطلاعات همراه با اطلاعاتي مربوط به هنگام حرکت دادن مفصل هاي اندام‌هاي توليد گفتار، وارد سيگنال صحبت مي شود. در کل اطلاعات سـيـگنال گفتار را به دو دسته سطح بالا (مانند: لحن، محتواي گفتار و استيل گفتار يعني طريقه اسـتـفـاده گـرامري و نحوي از کلمات) و سطح پايين (مانند خصوصيات سيگنال گفتار از قبيل دامـنـه طيف، پهناي باند و خصوصيات تناوبي گفتار واکدار) تقسيم بندي مي کنند. اطلاعات سـطـح بـالا عـمـلا در بـازشناسي گوينده توسط انـسـان کـاربرد داشته و در عوض سيستم هاي بـازشـنـاسـي گـويـنـده اتـومـاتـيک از ويژگي هاي سطح پايين سيگنال استفاده مي شود.

2- مـدل هـاي گـويـنـدگان: در سيستم هاي بــازشـنــاســي گـويـنـده، مـدل هـر گـويـنـده شـامـل خصوصيات آماري او است. معمولا در مدل هاي گويندگان از يکي از دو مدل پارامتري (مانند مدل گــوســي) و غـيــر پــارامـتـري (مـاننـد مـدل مـراکـز خوشه‌ها يا حالات چند گانه) استفاده مي شود.

3- طـول گفتار آموزشي: که با افزايش اين زمان نتايج مطلوب تري حاصل مي شود.

4- انتخاب گفتار مناسب: پيشنهاد مي شود سکوت وبخش هاي غير گفتاري حذف شود. هـمـچـنـيـن گـفـتـارهـاي کـم انـرژي در تمايز بين گوينده ها کم اثر بوده و پيشنهاد مي شود که از اطلاعات مدل حذف شوند.

5-محيط نويزي: نويز پشت زمينه يک مشکل عمومي است و بهتر است براي تخمين آن از نويز پشت زمينه در زمان سکوت استفاده و با اعمال آن به مدل،‌تخميني از مدل بدون نويز به دست آيد.

6-تـنـوع گـوينده: اغلب سيگنال گفتار يک شخص در حالت هاي خوشحالي، ناراحتي و خستگي متفاوت و به اين ترتيب کارايي سيستم را کاهش مي دهند.بنابراين خصوصيات آماري يک فرد ثابت نيست.

روش هاي بازشناسي گفتار

1-    روش پيچش زماني Dynamic Time Warping: اين روش زماني مناسب است که تعداد افراد مورد بررسي کم باشند. اساس اين روش بر پايه الگوريتم برنامه ريزي پويا و روش تطبيق الگو است.

2- روش مــدل مـخـفــي مـارکـوف (Hidden Markov Model): ايـن روشـي بـراي مدلسازي آماري فضاي صوتي اکوستيکي گوينده است. اين مدل نسبت به مدل DTW کارا تر است.

3- روش شبکه هاي عصبي

4- روش فازي

 

تشخيص از روي امضا

روش شناسايي از روي امضا، حالت نوشتن کاربر را تحليل مي‌کند.

در اين روش حالت حرکت قلم در جهت‌هاي x و y و همچنين چگونگي تغيير فشار قلم بررسي مي‌شود.

براي اين کار از حس‌گرهاي حرکت و فشار استفاده مي‌شود که يا زير کاغذ يا درون قلم هستند.

همان‌گونه که گفته شد اين حس‌گر، فشار، جهت حرکت و سرعت را به دست مـي‌آورنـد. سپس داده‌ها پردازش شده و يک بردار از روي آن ها ساخته مي‌شود و داده‌هاي اين بردار با داده‌هاي اصلي مقايسه مي‌شوند.

روش‌هاي بازشناسي امضا به دو گروه عمده استاتيک (off-line) و ديناميک(on-line) تقسيم مي‌شوند.

روش استاتيک که بر اساس روش اول است، امضا را به صورت يک تصوير دو بعدي در نظر مي‌گيرد که محتوي هيچگونه اطلاعات وابسته به زماني نيست. بر اين اساس، خصوصيات استاتيک امضا که نامتغير با زمان است، براي بازبيني امضا به‌کار مي‌روند. در نتيجـه عمـل بـازشنـاسـي امضـا به يک فرايند بازشناسي الگوي عادي تبديل مي‌شود.با توجه با اين نکته که تغيير در الگوي امضا امري اجتناب ناپذير است، فرايند تصديق و بازبيني امضا در اين روش را مـي‌تـوان بـه تعييـن و تـرسيـم محـدوده تغييرات اصلي محدود کرد.

در مـقـابـل، روش ديـنـامـيـک از خـصوصيات ديناميک فرايند امضا کردن استفاده مي‌کند. اين روش شامل استخراج ويژگي‌هايي از اطلاعات ثــبــت شــده فــرايـنــد امـضــا و مـقــايـســه آن‌هــا بــا ويژگي‌هاي امضاي مرجع است.

انواع جعل امضا

هـدف اصـلـي بـازبـيـنـي امـضـا، تـمـايز امضاي اصلي از امضاي جعل شده است.در واقع ابزارها و نتايج بازبيني به نوع امضاي جعل شده بستگي پيدا مي کند.

اولـيّـن نـوع جعل که جعل تصادفي نام دارد (شکل b)، در واقع هيچگونه اطلاعاتي راجع به امـضـاي اصـلـي  يـا اسـم شـخـص حـقـيقي در بر نـداشـتـه و تـنـهـا نـمـونـه اي تـصـادفـي از شخص جــعـــل‌کـنـنــده اســت. نــوع دوم يــا جـعــل ســاده(شـکـل )c ، تـقـلـيـدي سـاده از طـرز شـکـل اسـم شخص اصلي است و نوع سوم يا جعل امضاي تـخـصـصــي(شـکــل d)،تـقـلـيــدي هــوشمنـدانـه و مناسب از امضاي شخص اصلي است.

هــرکــدام از روش هــاي بـازبـيـنـي  off-line و in-line ، براي گونه خاصي از انواع جعل مناسب است‌. روش هاي off-line به طور معمول براي جعل امضاهاي تصادفي و ساده به کار مي روند ، چرا که اين روش ها غالبا با فاکتورهاي مربوط به شکل و قالب بندي امضا سر وکار دارند و به علت فـقــدان اطــلاعــات زمــانــي و عــدم تــوانــايــي در مـدلسـازي خـط سيـر دسـت نـوشتـه، تمـايـز بين امضـاي اصلـي و جعـل هـاي تخصصـي در اين روش مشکل است.

در مـقــابــل بــراي بــازبـيـنــي جـعــل امضـاهـاي تخصصي، که از نظر ظاهري بسيار شبيه امضاي اصــلــــي هــســتــنــــد، روش هــــاي on-line کـــه از اطلاعات زماني امضا نيز بهره مي برند مناسب هستند.

روش هاي استاتيک و ديناميک

بازشناسي امضا

از ميان روش هاي off-line که براي بازبيني امضا به کار مي روند، مي توان به موارد زير اشاره کرد:

تبديل هاي دوبعدي، هيستوگرام اطلاعات جهت دار، بررسي انحنا، تصويرسازي افقي و عمودي رد امضا و محل يابي نقاط خاص در ساختمان امضا.

از روش هاي بازبيني ديناميک يا   on-line مي‌توان به روش هاي زير اشاره کرد:

طبقه بندي کننده هاي احتمالاتي، time warping، شبکه هاي عصبي(ANN)، مدل هاي مخفي مارکوف(HMM) ،روش هاي همبستگي سيگنال، روش هاي سلسله مراتبي ، فاصله هاي اقليدسي و غيره.

در ميان روش هاي مذکور، مدل هاي مخفي مارکوف(HMM) با نرخ خطاي کمتر از 1% بهترين نتيجه را در پي داشته است.

ويژگي هاي موجود در يک امضا

ويـژگـي هـاي مـوجـود در يک امضا را مي توان به سه گروه ويژگي هاي عمومي، ويژگي‌هاي اطلاعاتي شبکه اي و ويژگي هاي ساختاري دسته بندي کرد.

ويژگي هاي عمومي، ويژگي هايي هستند که به طور کلاسيک در مسائل بازشناسي الگو به کار مي روند. اين ويژگي ها، پس از نرماليزه سازي و شالوده بندي تصوير امضا مورد استفاده قرار مي گيرند.نمونه اي از اين ويژگي ها در ادامه آمده است.

مرکز جرم در راستاي قائم، مرکز جرم در راستاي افق، حداکثر طول تصوير عمودي، حداکثر طول تصوير افقي، پيک هاي تصوير عمودي(تعداد ماکزيمم هاي محلي موجود در تصـويـر عمـودي)، پيـک هـاي تصـويـر افقـي، زوايـاي خميـدگي سراسري، زواياي خميدگي محلي،تعداد نقاط لبه اي، تعداد نقاط گذر و تعداد حلقه هاي بسته.

مزايا ومعايب

مي توان گفت که يک سيستم تشخيص هويت بيومتريک به چهار عامل زير وابسته است :

‌مقبوليت در ميان استفاده کنندگان

‌صحت

‌هزينه و زمان پياده سازي

‌سطح امنيتي مورد نياز

در اين  ميان روش بازشناسي امضا که در اين قسمت مورد بررسي قرار گرفت ازمزيت مقبوليت گسترده در ميان استفاده کنندگان بهره مي برد که  اين امر به تاريخچه طولاني استفاده از امضا به عنوان عامل اعتبار يک سند مربوط مي شود. يکي ديگر از مزاياي اين روش ايـن اسـت کـه بيشتـر کـامپيـوتر هاي قابل حمل جــديـد از ورودي هـاي دسـت نـوشتـه اي بهـره مـي‌بـرنـد و بـنـابـر اين نياز به ابداع سيستم هاي ســخـــت افـــزاري جـــديــدي بــراي جـمــع‌آوري اطلاعات نيست. در عين حال بايد بيان کرد که سيستم هاي باز شناسي محدودي وجود دارند که نرخ صحت کافي به همراه بازده مناسب را فراهم مي سازند . در هر حال با اينکه باز شناسي امـضـا يـکي از ايمن ترين روش هاي تشخيص هـويـت اسـت ، اسـتـفـاده از آن در فـعـالـيت هاي تجاري امروزه نيز مورد تاييد است که دليل اصلي هـمـخـوانـي ايـن روش بـا اصول قبلي تشخيص هويت پذيرفته شده در ميان مردم است.

شناسايي از روي حالت تايپ کليدها

شناسايي از روي چگونگي تايپ کليدها يکي از تـازه‌تـريـن روش‌هـاي شـنـاسـايـي بـيـومـتريک است و همانگونه که از نام آن بر مي‌آيد اين روش حالت تايپ کليدها را تحليل مي‌کند. براي اين کار از کاربر خواسته مي‌شود که يک گذر واژه يا يک متن مشخص را تايپ کند. سيستم با تحليل فـاصـلـه‌هـاي زمـاني هر کليد و ميان کليدها، به داده‌هايي مي‌رسد و آن ها را به عنوان داده‌هاي مـرجـع ذخـيـره مـي‌کـنـد. بـراي کار اين سيستم، ورود دست کم هشت کاراکتر لازم است که البته ورود 12 کـاراکـتر و بيشتر توصيه مي‌شود. اين کــاراکـتــرهــا مــي‌تـوانـنـد در يـک تـا شـش رشـتـه متفـاوت مانند گذر واژه، نام کاربري يا آدرس پسـت الکتـرونيکـي (Email) بـاشند. براي بالاتر بــــردن دقــــت، ايــــن روش را بــــا فـنـــاوري‌هـــاي فـراگيرنده ترکيب مي‌کنند. يعني هر چه کاربر بـيـشـتـر بـه سـيـسـتـم وارد شـود سـيـسـتـم با دقت بيشتري او را شناسايي مي‌کند. به طور متوسط ميزان خطاي اين روش سه درصد است.

هـمـچـنـيـن مـي‌تـوان بـا چـنـد پرسش کمکي، ايمني را باز هم بالاتر برد. از آنجا که تنها، کاربر مـورد نـظـر ما پاسخ اين پرسش‌ها را مي‌داند و چـگونگي ورود اطلاعات از سوي او منحصر بخود او است، امنيت باز هم افزايش مي‌يابد.

اسکن صورت

اسـکــن از صـورت  از مـوارد ديـگـر  تـفـاوت اساسي دارد در اين روش نمونه به دست آمده بايد  سه بعدي باشد براي اين منظور از 3 دوربين که نسبت به هم زاويه 90 درجه مي سازند يا از يک دوربين متحرک که به صورت يک نيم دايره که مرکز آن صورت شخص مورد نظـر قـرار گـرفته استفاده کرد و به وسيله نرم افزار مر بوطه يک تصوير سه بعدي به دست‌آورد در تصوير به دست آمده نقاط قرار‌گيري ابروها ، چشم ها، بيني، دهان ،چانه و طول چانه و پيشاني همچنين فاصله چشم ها و ابرو ها و … ثبت و سپس با نمونه هاي ذخيره شده مقايسه مي شوند.

اين روش به علت استفاده از سخت افزار و نرم افزارهاي گران قيمت هزينه زيادي دارد ولي قابليت اعتماد بالايي دارد. در اين روش نيز مانند روش اسکن کف دست نياز  به روز شدن اطلاعات وجود دارد.

روش هاي استخراج ويژگي از صورت

الـف(  خصـوصيـات ظـاهـري : مثـل اجـزاء چهره مانند چشم ها،بيني،حلقه ها و بافت‌هاي صورت.

ب) خصوصيات جبري :  تلقي شدن هر تصوير به صورت يک ماتريس و اعمال عمليات جبري و تبديلات رياضي روي آن

ج ) خصوصيات آماري نقاط تصوير : در نظر گرفتن خصوصيات استخراج شده از تصوير به صورت آماري و بردار

کارت هاي شناسايي بيومتريک

کارت هاي شناسايي بيومتريک يا Biometric ID Cards ترکيبي از کارت هاي شناسايي معمولي و يک يا چند مشخصه بيومتريک هستند. اين کارت ها کاملا مورد اعتماد هستند و تقلب در آن ها و سوء استفاده از آن ها تقريبا غير ممکن است. اين کارت ها شامل نوع کارت ،مانند :کارت رانندگي، کارت ماشين و… هستند و سپس مشخصات دارنده کارت مانند :نام ، نام خانوادگي و … و يک عکس مربوط به دارنده کارت تمام مشخصات بعد از ورود به همراه اسکن عکس و تعيين پيکسل هاي عکس با توجه به يک الگوي مخصوص رمز گذاري که براي آن سازمان در نظر گرفته شده رمز گذاري شده و در قسمـت زيـر عکـس بـه صورت کد (bar code) ذخيره مي شود، سپس هنگام تشخيص عکس و تمام مشخصات ثبت شده برروي کارت خوانده شـده و بـه وسيلـه الگـوي رمـز‌گـذاري بـراي آن سازمان رمز گذاري مي شود و سپس bar code به وسيله دستگاه خوانده شده و رمز حاصل از آن با رمز به دست آمده از رمز گذاري مقايسه مي شود و در صورت تطبيق هويت فرد تاييد مي شود.

در اين روش چون هم رمز و هم مشخصات بر روي کـــارت ثــبــت مــي شــود ديـگــر نـيــازي بــه اطـلاعـات حـجـيـم نيست و فقط الگوهاي رمز گذاري بايد مشخص باشد و اين در مقايسه با حـجـم بـسـيـار زياد الگوهاي ذخيره شده ناچيز اســـت. اگــر در ايــن کــارت هــا يــک مـشـخـصــه بيومتريک نيز مانند اثر انگشت ثبت شود نه تنها از قـانـونـي بـودن کـارت اطمينان حاصل مي شود بـلـکـه از ايـنکه کارت به شخص تعلق دارد نيز مي‌توان مطمئن شد.

در شـمـاره بـعـد کاربردهاي ديگر بيومتريک مورد بحث و بررسي قرار مي گيرد و در نهايت تمامي روش هاي ذکر شده مورد مقايسه قرار گـرفـتـه و نـقـاط ضـعـف و قوت هر کاربرد بيان مي‌شود.

انواع شناسايي بيومتريک

شناسايي بيومتريک انواع مختلفي دارد?. از جمله اين روشها مي‌توان به اسکن عنبيه، اسکن شبکيه، شناسايي چهره، شناسايي صوت، اثر انگشت و ترکيب دست اشاره کرد. اين خصوصيات در هر شخص منحصر به فرد هستند و به همين خاطر در شمار موارد قابل قياس در تشخيص هويت افراد قرار گرفته‌اند. در هر کدام از روشهاي ذکر شده پردازش هاي خاصي بر روي اطلاعات ورودي انجام مي‌شود که در اينجا به برخي از آنها اشاره مي‌کنيم.

 

اسکن شبکيه

در اين روش طرح مويرگ هاي پشت چشم (شبکيه) اسکن مي شود. براي اسکن اين قسمت از چشم نوري ويژه و به ميزان مشخص به چشم کاربر تابانده مي شود. براي بالا بردن دقت اين عکسبرداري، چشم فرد بايد در فاصله چند سانتي متري دستگاه اسکن شبکيه قرار داشته باشد. البته شناسايي افراد از اين راه از روشهاي غيرمعمول به حساب مي‌آيد.

 

شبکيه(Retina)

در اين روش از سطح شبکيه تصويربرداري مي شود و ساختار رگ‌هاي پشت شبکيه مورد پردازش قرار مي گيرد. ساختار اين رگ‌ها براي هر فرد با فرد ديگري، حتي در دو قلوهاي همسان نيز فرق دارد. از آن جهت که امکان دسترسي به شبکيه وجود ندارد، اين روش در مقايسه با روش هاي ديگر مانند اثر انگشت، عنبيه و … از امنيت بالاتري برخوردار است. بطور مثال در اثر انگشت مي توان از لايه هاي پوست مصنوعي و در عنبيه از لنزهاي خاص براي تقلب استفاده کرد، ولي امکان دسترسي به شبکيه براي تقلب وجود ندارد.

محدوديت هاي تصويربرداري همانند عنبيه است ولي با حساسيت کمتر. از طرفي به دليل تابش نور اندکي به درون مردمک براي تصويربرداري اين روش تا حدودي آزار دهنده است و مانع عموميت يافتن آن شده  است.

اين سيستم توانايي تشخيص هويت را دارد.

اسکن عنبيه

ساختار شکل گيري عنبيه از ماه سوم جنين آغاز و تا ماه هشتم کاملا تثبيت مي گردد. ظاهر و ساختار ( Pattern ) پيچيده عنبيه به ما اين امکان را مي دهد تا ويژيگي هاي قابل قياس زيادي از آن استخراج کنيم. تصويربرداري از سطح عنبيه کار چندان سختي نيست ولي نکات دردسر سازي دارد. مثلا اگر نور محيط تغيير کرده  باشد و يا زاويه چرخش چشم مناسب نباشد و همچنين اگر کنتراست، رزولوشن و فوکوس تصوير تغيير کرده  باشد، امکان خطا بسيار بالا مي رود. اين روش توانايي تشخيص هويت را نيز دارد.

عنبيه هر فرد از لحاظ رنگ و الگوي بافتي براي او منحصر به فرد و با افراد ديگر متفاوت است. بنابراين اسکن عنبيه افراد روش مناسبي براي شناسايي دقيق افراد محسوب مي‌شود. براي اين کار بخش هاي رنگي چشم فرد اسکن و مورد تحليل قرار مي گيرد.

تشخيص چهره( Face recognition)

انسان ها به طور معمول بيش از هر روش بيومتريکي از تشخيص چهره براي شناخت و شناسايي همديگر استفاده مي کنند.از چهره به چندين نحو مختلف به منظور بيومتريک استفاده مي شود:

• ساختار هندسي چهره(Facial Geometry Recognition): در اين شيوه مشخصات فيزيکي صورت مانند مکان چشم، بيني، لب، … و ارتباط بين آنها را تحليل مي کنند. تصاوير تهيه شده مي توانند سه بعدي نيز باشنداين شيوه بسيار پرکاربردتر از بقيه متدهاست.

ساختار ظاهري پوست(Skin Pattern Recognition ): در اين روش چين و چروک هاي صورت بررسي مي‌شود. اين ساختار همانند اثر انگشت در افراد مختلف متفاوت است.

مشخصه گرمايي صورت (Facial Thermogram): در اين مدل توسط دوربين هاي مادون قرمز از صورت تصويربرداري مي شود. نقاط مختلف صورت براساس ميزان حرارت و دمايي که دارند در تصوير ديده مي‌شوند(نقشه اي از سطح صورت تهيه مي شود). از آنجا که تجمع رگ‌هاي زير پوست صورت در هر فرد شکل متفاوتي دارد، تمايز رنگ بين نقاط مختلف صورت ثابت مي ماند. به عنوان مثال در شکل 12 سمت چپ فرد حالت عادي دارد و در سمت راست حالت عصبي دارد، با اين حال کاملا مي توان مشاهده کرد که نقاطي که در تصوير سمت چپ قرمز تر از بقيه نقاط بودند باز هم در تصوير سمت راست قرمزتر از باقي نقاط هستنند. با اين حال تمايز و اختلاف رنگ در نقشه صورت تغيير نکرده است. البته اين سيستم به دليل محدوديت‌هاي مختلفي که دارد چندان عموميت نيافته است .

• لبخند(Smile): تفاوت بين چهره در حالت عادي و هنگامي که لبخند مي زنيم را تحليل مي کنند.

شناسايي از طريق صدا

اين نوع از شناسايي بيومتريک با توجه به صدا و لحن گفتار افراد در تلفظ عبارتي خاص، انجام مي‌شود. البته در صورت وجود اختلال و صداهاي اضافه هنگام ضبط صدا، دقت اين روش در شناسايي صحيح کم مي‌شود.

طرز حرکت (Gait)

اين متد يکي از روش هاي جديد است که تا به  حال بطور رسمي از آن استفاده

نشده و مستلزم تحقيقات بيشتري است. اين روش دقت بالايي ندارد و مي تواند در مواردي که احتياج به امنيت بالايي نيست، استفاده شود.

مهمترين مزيت اين روش اينست که مي توانند از فاصله غير نزديک هويت فرد را تشخيص دهند( مانند تصاوير در شبکه دوربين هاي مدار بسته) در حاليکه بقيه متدهاي بيومتريک مانند اثر انگشت احتياج به همکاري شخص و نزديک بودن او براي ضبط اطلاعات مي باشد. در اين سيستم نحوه تحرک اندام هاي مختلف بدن هنگام راه رفتن بررسي و تحليل مي گردد.

طرز راه رفتن يکي از اعمال رفتاري است و امکان دارد در گذر زمان تغيير يابد. از طرفي از آنجا که براي پردازش اين روش احتياج به پردازش بر روي تصاوير ويديويي است، روشي با پردازش سنگين و در نتيجه گرانقيمت است. به همين دلايل اين روش اصلا رايج نشده است.

گوش(Ear)

از گوش به دو شکل براي تشخيص هويت استفاده مي شود:

• شکل و ساختار لاله گوش در افراد مختلف متفاوت است.

•اکوي صداي خروجي از کانال گوش براي هر فرد با فرد ديگري متفاوت است.

تا به حال اين روش کارايي زياد و قابل اعتمادي براي تشخيص هويت نداشته است و مواردي اندک براي تاييد هويت از آن استفاده شده است.

 

وريد و رگ‌ها (Vein & Vascular Patterns)

در اين روش از رگ هاي زير پوست فرد تصوير تهيه مي شود و ساختار آنها مورد پردازش و تحليل قرار مي گيرند. ساختار اين رگ‌ها براي افراد مختلف منحصربفرد است. روش هاي مختلفي براي تصويربرداري وجود دارد که معمول ترين آنها دوربين هاي مادون قرمز و سنسورهاي حرارتي لمسي مادون قرمز است.

 

لب ها (Lips)

تا به حال اين نوع از بيومتريک پيشرفت و کاربرد خاصي نيافته است. از لب به عنوان بيومتريک به يکي از سه طريق زير استفاده مي شود :

• اثر لب (Lips Print) : همانند اثر انگشت است با اين تفاوت که اثر لب را ثبت مي¬کنند. لب نيز همانند انگشت داراي منحني ها و خط و خطوط مختص به هر فرد است. اين روش تا حد زيادي قابل اعتماد است.

• نحوه تحرک لب ها(Lips Movement): اين روش همانند Gait يک روش رفتاري است و در تشخيص گوينده به ما کمک مي کند؟ روش دقيقي نيست و مي تواند تنها براي تاييد هويت استفاده شود.

• شکل لب ها(Lips Shape): مي تواند براي تاييد هويت به  کار رود و مرسوم نيست.

تشخيص دو بعدي چهره

در هر چهره مشخصات چانه، دهان، بيني، چشم و پيشاني، منحصر به فرد هستند. اما براي تشخيص هويت از روي چهره برخي عوامل مانند ريش و سبيل، عينک و زاويه تابش نور، کار را دشوار مي‏کنند. از همين رو، سيستم ما بايد اين اطلاعات قابل تغيير را حذف کرده و روي ويژگي‏هاي ثابت هر چهره متمرکز شود.

در روش نخست، ويژگي‏هاي کليدي چهره با کمک گراف به دست مي‏آيد.براي اين‏کار يک شبکه روي چهره قرار مي‏گيرد. سپس نقاط تلاقي اين شبکه که روي نقاط کليدي چهره مانند چشم‏ها، انحناي لب يا نوک بيني قرار گرفته‏اند ثبت مي‏شوند. اين نقاط يک شبکه الاستيکي با نسبت‏هاي ثابت مي‏سازند. اين تناسب‏ها حتي با تغيير حالت چهره يا موقعيت دوربين نيز ثابت مي‏مانند. درون عکس‏هاي گرفته شده از چهره شخص مي‏توان اين نقاط را پيدا کرد. در پايان، سيستم با مقايسه مشخصات به دست آمده با مشخصاتي که از پيش ذخيره شده در باره شخص داوري مي‏کند.

در روش دوم تلاش مي‏شود تا عکس اسکن شده صورت با اطلاعات پايه‏اي از قبل ذخيره شده مطابقت داده شود.برداري که در پايان به دست مي‏آيد، ملاک خوبي براي شناسايي چهره است.

افزون بر اين، بايد هنگام پردازش به حالت چهره (شاد، غمگين و …) نيز توجه داشت براي رسيدن به يک نتيجه قابل اطمينان در تشخيص چهره، دو روش وجود دارد:

1- Elastic Graph Matching 

2- Eigen- Faces

تشخيص سه بعدي چهره

برخلاف روش تشخيص دو بعدي، روش سه بعدي به تجهيزات بسيار پيچيده‏تري نياز دارد. در اين روش، انحراف داده‏هاي ورودي از داده‏هاي ذخيره شده زيادتر است و روش‏ با دقت بيشتري عمل مي‏کند.

 روش تشخيص سه بعدي چهره از يک چشمه نور مادون قرمز و يک اسکنر به عنوان دريافت کننده استفاده مي‏کند. فرستنده شبکه‏اي از نورهاي مادون قرمز که براي انسان قابل رويت نيست را روي صورت شخص مي‏تاباند. سپس يک اسکنر ويژه پرتوهاي بازتاب را دريافت کرده و اطلاعات تصوير را پردازش مي‏کند. دريافت بازتاب و تصويربرداري باسرعت ?? فريم در ثانيه انجام مي‏گيرد.

برتري روش سه بعدي در همين سرعت بالاي شناسايي و عدم وابستگي به حرکت و جا به جايي صورت است.

شناسايي فرد حدود ? تا ? ثانيه طول مي‏کشد.

انتقال و نصب سيستم تصويربرداري هم بسيار ساده است. زاويه ديد سيستم چندان مهم نيست. همچنين آينه‏اي شدن يا نورپردازي نامناسب تاثيري در اين شيوه ندارد. همچنين عمليات آن براي اشخاص ساده بوده و کاملاً پذيرفتني است. سيستم براي شناسايي دقيق اشخاص، براي هر نفر برداري‏هاي سه بعدي مي‏سازد.

ناخن(Nail)

اين متد کاملا جديد است و تحقيقات گسترده اي روي آن صورت نگرفته است. از ناخن به دو شکل براي بيومتريک استفاده مي¬کنند:

• رشته هاي گوشت زير ناخن(Nail Bed): اگر در ابعاد ميکروسکوپي به سطح نرم زير ناخن نگاه کنيم، در مي‌يابيم اين سطح داراي برآمدگي هايي موازي و رشته  مانند است. اين قسمت شامل مويرگ‌ها، اعصاب و …است (شکل 16).در طول سن اين برآمدگي ها يا رشد طولي دارند يا پهن تر مي گردند ولي در هرحال وجود دارند. ادعا مي شود که ساختار و شکل اين رشته ها همانند اثر انگشت و عنبيه در افراد مختلف، متفاوت است.

• Nail RFID: اين روش بسيار به ندرت استفاده شده است. در اين روش يک ميکرو چيپ RFID بر روي سطح ناخن قرار مي گيرد و ميزان خاصيت خازني بين سطح بالايي ناخن و سطح گوشت را مي سنجد. اين ميزان خازن براي هر فرد منحصربفرد است.

طيف الکترو مغناطيسي پوست(Skin Spectrum)

در اين روش توسط ديودهاي نوري (LED) به سطح پوست يک سري نور خالص با طول موج هاي مختلف مي‌تابانند وتوسط تعدادي فتو ديود(photo diode) ميزان شدت موج برگشتي از سطح پوست را ثبت و سپس اطلاعات را تحليل مي کنند. ميزان جذب و انعکاس نور (به طور کلي هر موجي متناسب با طول موجش) توسط پوست هر فرد متفاوت با ديگران است و اين مطلب اساس روش مذکور است.

تار مو:

محققان دانشگاه کوئينزلند اعلام کردند با ابداع سيستمي امکان تشخيص هويت افراد مجرم يا قربانيان صحنه‌هاي جرم را با استفاده از يک رشته موي انسان ممکن ساخته‌اند.

به گزارش خبرگزاري مهر، دانشمندان دانشگاه کوئينزلند با استفاده از تکنولوژي طيف نگاري شبه مادون قرمز ابزاري قابل حمل توليد کرده اند که مي‌تواند به عنوان ابزار تشخيص هويتي سريع در تحليلهاي جنايي مورد استفاده قرار گيرد.

به گفته دانشمندان اين ابزار عملکردي متفاوت از تحليل دي ان اي داشته و مي‌تواند در هنگام وقوع حوادث مختلف بسيار موثر واقع شود زيرا موي انسان در شرايط نامساعد محيطي مقاومت بالايي از خود نشان مي‌دهد در حالي که دي ان اي در چنين شرايطي به سرعت نابود مي‌شود.

در گذشته امکان استفاده از طيف نگاري شبه مادون قرمز براي تحليل يک رشته از موي انسان به اثبات رسيده بود اما تجهيزات کافي براي استفاده از آن در محيطهاي نامساعد وجود نداشت. سيستم جديد حتي قادر است مو با رنگ طبيعي را از مويي که با استفاده از رنگهاي مختلف پوشش داده شده است را از هم تميز دهد.

اين سيستم جديد مي‌تواند خصوصيات مختلف تار مو و مالک آن را تنها با در اختيار داشتن يک قطعه کوچک از موي انسان تعيين کند و سپس اطلاعات به دست آمده را با کمک شيوه‌هاي تخصصي محاسبه‌اي با خصوصيات نمونه‌هاي موي انسان که در گذشته جمع آوري شده است مطابقت دهد. در اين شرايط اطلاعاتي از قبيل جنسيت فرد، امکان استفاده از مواد شيميايي در مو و رنگ طبيعي مو تعيين خواهد شد.

بر اساس گزارش زي نيوز، سيستم جديد طيف نگار همچنين مي‌تواند قربانيان بلاياي طبيعي از جمله طوفانها و سونامي را که موي آنها در ميان آب قرار گرفته است را از ديگر افراد تشخيص دهد.

 

DNA

بدون شک Deoxyribonucleic Acid يکي از مطمئن‌ترين روش هاي تاييد هويت است.

DNA، کدي يک بعدي و منحصر به هر فرد است. در حاليکه اين روش دقيق ترين شکل بيومتريک است ولي از آن در تامين امنيت شبکه ها و اماکن و… استفاده نمي شود، زيرا اين روش اصلا سريع نيست و همچنين تا به حال فرايندي اتوماتيک و مقرون به صرفه براي آن معرفي نشده  است ( فرايند به  دست آوردن اين کد، احتياج به ابزار و مواد شيميايي خاصي دارد).

البته ساختار DNA در دوقلوها تا حد زيادي شبيه است و در دوقلوهاي همسان کاملا يکسان است و عيب بزرگي براي اين متد است ولي از دقت و صحت اين روش در تشخيص هويت نمي کاهد.

نمايشگر دماي نقاط بدن (Infrared thermogram)

نقاط مختلف يک جسم يا بدن بر اساس نوع و ميزان حرارتش امواج مادون قرمز تابش مي کند. اين روش يک روش کلي براي بدست آوردن اطلاعات تصوير است و مي تواند براي تصويربرداري در خيلي از فيلدهاي اشاره شده در بالا مانند اثرانگشت، کف دست، رگ‌هاي زير پوست، گوش و … به  کار رود.

در اين روش ها الگوي حرارتي تابش شده از صورت فرد، دست ها و يا حتي رگ‌هاي فرد را به کمک يک دوبين مادون قرمز ضبط و سپس پردازش مناسب را انجام مي دهند. اين الگوها براي هر فرد منحصر به او مي باشد. به دست آوردن اين نوع اطلاعات خام از افراد مشکل نيست ولي دقت در تصويربرداري مشکل خواهد بود. چرا که، اگر فرد در محيطي با يک منبع حرارتي قوي باشد و يا در دستش يک فنجان چاي گرم باشد، تمامي محاسبات اشتباه مي شوند. از اين رو براي استفاده از اين شکل بيومتريک، اتاقک هاي مخصوصي در نظر مي گيرند که يقينا سبب صرف وقت، هزينه، و همچنين عدم راحتي کاربر مي شود.

روش هاي ديگر

در اين قسمت روش هاي غير متداول و تحت مطالعه را فقط نام مي بريم:

• سيگنال قلبي و خون (electrocardiogram)

• عطر و بو مربوط به هر فرد (odour)

• انعکاس صوت در مغز (Reflection of acoustic waves in the head)

• مقاوت الکتريکي پوست (Skin impedance)

• شکل ظاهري دست مشت شده (Knuckle creases Articulations)

• چين خوردگي هاي پوست انگشت (Finger wrinkles)

• چگونگي در دست گرفتن اجسام (Dynamic Grip Recognition)

• صداي منتقل شده از استخوان هاي انگشت پس از تحريک يک پالس صوتي

(Bone sound transmission)

• موج مغناطيسي منتشر شده از انسان(Bioelectric field)

• نحوه رد گيري چشم (Eye movement tracking)

• توپوگرافي سطح قرنيه (Corneal surface topography)

• شکل سه بعدي انگشت (3D Finger surface)

• طيف حاصل از سيگنال هاي مغزيEEG

• شکل سينوس هاي جلويي سر (Frontal Sinus Recognition)

 

شناسايي از روي تپش‏هاي قلب

پژوهشگران دانشگاه ويسکانسين – ماديسون يک روش بيومتريک تازه براي شناسايي افراد پيدا کرده‏اند. اين پژوهشگران تپش‏هاي قلب را مبناي کار خود قرار داده‏اند. آنها دريافته‏اند که هر قلب الگوي يکتاي خود را براي تپش دارد.

آنها از اين کشف براي ساختن يک روش بيومتريک براي شناسايي افراد استفاده کرده‏اند. تقريباً مانند همه روش‏هاي بيومتريک، سيستم نخست يک الگو از تپش قلب مي‏سازد. براي اين کار از ويژگي‏هاي خاص که با حسگرهاي متعارف مانندECG جمع‏آوري مي‏شوند، استفاده مي‏شود

هر قلب الگوي يکتاي خود را براي تپش دارد.

سپس داده‏هاي کليدي کارديوگرام براي مقايسه بعدي در بانک اطلاعاتي ذخيره مي‏شود. براي هر چه بالاتر بردن ضريب اطمينان اين روش، عمليات pre-processingو pre-screening اهميت ويژه‏اي دارند. در اين مرحله، تپش‏هاي قلب به گونه‏اي فيلتر شده و در مورد پردازش قرار مي‏گيرد که بتوان داده‏هاي حاصل را در يک بانک اطلاعاتي ذخيره کرد. البته اين روش هنوز دقت و اطمينان کافي را ندارد و هنوز در آغاز راه خود است. اما همه اين پژوهش‏گران مطمئن هستند که شناسايي از روي تپش‏هاي قلب کاملاً شدني است.

شناسايي از روي دندانها

به گزارش خبرگزاري فرانسه از شيکاگو، “ايکو کاسوج” دندان‌پزشک و پرتوشناس دانشکده دندان‌پزشکي کاناگاوا در ژاپن و سرپرست اين تحقيق مي‌گويد اين ابزار رايانه‌اي تصاوير دندانهاي قربانيان را اسکن مي‌کند و با تصاوير دندان‌هاي افراد مجهول الهويه مطابقت مي‌دهد.

زماني که تعداد زيادي از افراد در يک فاجعه مثل زلزله، سقوط هواپيما يا حمله جان مي‌سپارند، کارشناسان آنها را يکي يکي از طريق شناسايي بدن آنها و با مقايسه دندانهاي آنها با تصاوير راديوگرافي يا قالب دنداني که دندان‌پزشکان قربانيان ارايه کرده‌اند شناسايي مي‌کنند.

اما اين فرايند مي‌تواند هفته‌ها به طول انجامد و کاملا مطمئن نيست.

سامانه جديد مي‌تواند بطور خودکار تصوير دندانهاي فرد قرباني را با پرونده‌هاي دندان‌پزشکي مقايسه کند و کمتر از چهار ثانيه مشخص کند تصوير متعلق به کدام پرونده است. اين کار زحمت کارشناسان پزشکي قانوني را تا ??? درصد کمتر کند.

در اين سامانه از يک شيوه بسيار دقيق تطبيق تصوير به نام

“ “Phase only Correlationاستفاده شده است.

اين سامانه جديد در نشست ساليانه انجمن پرتوشناسي شمال آمريکا در شيکاگو ارايه شد.

 

شناسايي از طريق نانوذراتي

گروهي از محققان دانشگاه ايالتي ميشيگان به رهبري دکتر ژوئفي هوآنگ با استفاده از نانوذراتي که براي تشخيص مولکول‌هاي خاص متصل‌شونده به قند در سطح سلول ها طراحي شده‌اند، فرايندي توسعه داده‌اند که از تصويربرداري تشديد مغناطيسي (MRI) براي رمزگشايي کدهاي مبتني بر قند که نشان‌دهنده نوع سلول‌هاي سرطاني و سالم است، بهره مي‌برد.

اين پژوهشگران کار خود را با سنتز مجموعه‌اي از نانوذرات مغناطيسي که هر يک با نوع متفاوتي از مولکول‌هاي قند پوشانده شده بود، آغاز کردند. هر يک از سلول‌هاي پستانداران روي سطح خود مجموعه‌اي از گيرنده‌هاي متصل‌شونده به قند به نام لکتين‌ها دارند و هر لکتين تمايل خاصي به يک ياچند نوع قند از خود نشان مي‌دهد.

گروه تحقيقاتي دکتر هوآنگ با بهره‌گيري از چندين نانوذره که هر يک با نوع متفاوتي از مولکول‌هاي قند پوشانده شده بودند، توانستند يک امضاي اتصال به قند را که ويژگي هر نوع خاص از سلول‌هاست، شناسايي کنند. چون اين نانوذرات به شدت مغناطيسي هستند، به‌راحتي با استفاده از تصويربرداري تشديد مغناطيسي (MRI) شناسايي مي‌شوند؛ در ضمن هر نانوذره سيگنال MRI خاص خود را دارد.

اين دانشمندان با استفاده از ? نانوذره مغناطيسي روکش‌دهي شده با مولکول‌هاي مختلفِ قند، توانايي خود را در تشخيص ميان ?? نوع سلول مختلف بررسي کردند. آنها نشان دادند که با استفاده از يک روش رياضي به نام آناليز تشخيص خطي (linear discriminant ana Lysis مي‌توانند با بررسي سيگنال‌هاي ترکيبي MRI که توسط هر نانوذره توليد مي‌شود، هر ?? نوع سلول مختلف را تشخيص دهند.

اين روش نه تنها مي‌تواند سلول هاي بدخيم و سالم را از هم تشخيص دهد، بلکه اين قابليت را دارد که ميان سلول‌هاي سرطاني بسيار شبيه هم که با استفاده از روش هاي مبتني بر آناليز کيفي ترکيب قند يا پروتئين خود قابل تشخيص نيستند، تمايز قائل شود.

نتيجه :

زيست‌سنجي در واقع علمي‌ است که در زمينه تشخيص هويت از ويژگي‌هاي حياتي و مشخصات ذاتي منحصربه‌فرد وابسته به هر فرد استفاده مي‌کند.

 

در‌ اين ميان امروزه فناوري‌هاي بيومتريک مختلفي همچون شناسايي با اثر انگشت، عنبيه يا شبکيه، هندسه دست و… مورد استفاده گسترده قرار گرفته‌اند و به نظر مي‌رسد تشخيص هويت با استفاده از رگ‌هاي پشت دست جديدترين روش زيست‌سنجي است که پژوهشگران کشورمان در دانشکده فيزيک و مهندسي هسته‌اي دانشگاه صنعتي اميرکبير موفقيت‌هايي در زمينه آن کسب کرده‌اند.

زيست‌سنجي، روش خودکار تشخيص هويت افراد بر اساس خصوصيات زيستي يا رفتاري آنهاست. از جمله ‌اين خصوصيات مي‌توان به اثر انگشت، تصوير چهره، هندسه دست، عنبيه، شبکيه، رگ‌هاي دست و… اشاره کرد.

 

فناوري زيست‌سنجي در واقع روش‌هاي بسيار ‌ايمن شناسايي يا تاييد هويت خودکار با استفاده از ويژگي‌هاي زيست‌سنجي افراد است. در ‌اين سيستم‌ها دو گزينه تاييد و تعيين هويت مطرح است.

تاييد هويت در واقع پاسخ به ‌اين سوال است که «آيا او همان فردي است که ادعا مي‌کند؟» در ‌اينجا مشخصات زيست‌سنجي هر فرد با اطلاعات ثبت شده هويت مورد ادعاي او مقايسه مي‌شود، لذا تاييد هويت يک مقايسه 1:1 ناميده مي‌شود.

 

اما تعيين هويت، پاسخ به ‌اين سوال است که «او چه کسي است؟» به علت مقايسه داده‌هاي فرد با کل اطلاعات بانک، به تعيين هويت مقايسه 1: N اطلاق مي‌شود. به‌طور کلي سيستم‌هاي تاييد هويت سريع‌تر و صحيح‌تر از سيستم‌هاي تعيين هويت هستند، چرا که به‌جاي هزاران مقايسه در برابر داده ورودي براي سيستم تعيين هويت، فقط به مقايسه داده‌هاي شخص مدعي با داده‌هاي شخص مورد ادعا در سيستم تاييد هويتنياز است.