بیومتریک - Biometrics

بیومتریک Biometrics

1 ستاره2 ستاره3 ستاره4 ستاره5 ستاره (به این مطلب امتیاز دهید!)
Loading...

بیومتریک Biometrics

سیستم های شناسایی بیومتریك از مشخصه های فیزیكی فرد همانند اثر انگشت الگوی دست، ساختار عنبیه، رگ های دست فرد یا از مشخصه های رفتاری مانند: صدا دست خط یا حتی آهنگ و ریتم نوشتن استفاده می كند.

یک مقاله مختصر در مورد بیومتریک براتون اوردم که میتونید از لینک زیر دانلودش کنید برای فهم کامل هم مطلب بعد از اون به کارتون میاد:

این مقاله شامل موضوعات زیر است:

  • بیومتریک تشخیص هویت
  • نحوه عملکرد شناسایی از طرق مختلف
  • آینده بیومتریک
  • آیا بیومتریک به حریم شخصی تجاوز میکند
  • تصدیق هویت،تشخیص هویت
  • بیومتریک چه میکند
  • ترکیب چند اسکن با یکدیگر

حجم فایل: 117 Kb

http://acgih.persiangig.com/download-icon-Taktemp-10.gif

[divider]

 

بیو متریک از کلمه یونانی biosبه معنای زندگی و کلمه metrikos به معنای اندازه گیری تشکیل شده است و با عنوان زیست سنج معرفی می شود.

مقدمه :

بیومتریک (Biometric)

بیو متریک از کلمه یونانی biosبه معنای زندگی و کلمه metrikos به معنای اندازه گیری تشکیل شده است و با عنوان زیست سنج معرفی می شود.
یک سیستم بیو متری اساسا یک سیستم تشخیص الگو است که یک شخص را بر اساس بردار ویژگی های خاص، فیزیولوژیک خاص، یا رفتاری که دارد باز شناسی می کند. بردار ویژگی ها پس از استخراج  معمولا در پایگاه داده ذخیره می شود. یک سیستم بیومتری بر اساس ویژگی های فیزیولوژیک اصولا دارای ضریب اطمینان بالایی است .

سیستم های بیومتری می توانند در دو مد تایید و شناسایی کار کنند. در حالی که شناسایی شامل مقایسه اطلاعات کسب شده در قالب خاصی با تمام کاربران در پایگاه داده است ، تایید فقط شامل مقایسه با یک قالب خاصی که ادعا شده است خواهد بود. بنابراین لازم است که به این دو مسئله به صورت جدا پرداخته شود. تکنولوژی بیومتریک به دو دسته کلی تقسیم می شود:
1- تکنیک های بیومتریک فیزیولوژیک

2- تکنیـک هـای بیـومتـریـک رفتـاری

 

معرفی علم بیومتریک

 این مقاله به معرفی سیستمهای تشخیص هویت که مهمترین و دقیق‌ترین آنها بیومتریک است خواهد پرداخت. پس از تعریف بیومتریک به تعریف معماری سیستم‌های بیومتریک می پردازیم و درمی یابیم که هر سیستم بیومتریک با چه معماری ای کار می‌کند. در این مقاله همچنین در مورد چند تکنولوژی بیومتریک هم توضیح داده می‌شود مانند اثر انگشت ، عنبیه چشم ، نحوه راه رفتن، چهره و … اما به دلیل اینکه سیستم اثر انگشت از اهمیت بیشتری نسبت به دیگر سیستم‌ها برخوردار است بیشتر به تجزیه و تحلیل این سیستم خواهیم پرداخت و ابتدا به معرفی خطوط و نقاط مشخصه انگشت که در اصطلاح به آنها ریزه کاری گفته می‌شود می پردازیم و سپس روش‌های پردازش این نقاط برای رسیدن به الگویی برای شناسایی هویت را بیان خواهیم نمود. پس از آن سنسورهای مختلف که همگی همراه با شکل برای فهم بیشتر مطرح شده اند مورد بحث قرار خواهند گرفت و سپس این سنسورها با هم مقایسه می‌شوند و مزیت هر یک بیان می‌شود.

سپس به معرفی سایر سیستم‌ها خواهیم پرداخت و در انتها به معرفی مفهوم ترکیبات بیومتریک و روش‌های متنوع آن خواهیم پرداخت .استفاده از روش ترکیب بیومتریک کارایی، امنیت، دقت سیستم را افزایش می‌دهد.

2- مقدمه

از دیر باز انسان برای بقا، نیاز به تشخیص دوست از دشمن داشته است و تشخیص هویت برای وی امری حیاتی بوده و هست، لذا امروزه سعی در مکانیزه سازی سیستمهای شناسایی یا تشخیص هویت شده است. “این پیشرفتها دلیل بر نیاز جامعه و جهان است”.[۱] نیازی که پیشرفت در آن باعث کاهش تخلفات، افزایش امنیت، تسریع در امور روزمره و … شده است. در گذشته جهت شناسایی جرم و جنایتکار، از روال شناسایی اثر انگشت و چهره نگاری استفاده می شده ، اما اکنون سیستمهای مکانیزه ای ایجاد شده است.

3- سیستمهای تشخیص هویت

توکن معمولاً چیزی است که شما به همراه خود دارید و میتوان گفت سند هویت شماست، مانند: کارتهای هوشمند ، کارتهای مغناطیسی ، کلید ، پاسپورت ، شناسنامه و … این اشیاء دارای نواقصی هستند همچون: گم شدن، عدم همراه بودن شخص، فرسوده شدن و جعل شدن.

دومین نوع سیستمهای شناسایی دانش نام دارد، یعنی چیزی که شما بخاطر میسپارید مانند:پسورد و پین کد. البته این سری نیز دارای نواقصی هستند مانند: فراموش کردن و لو رفتن.

دسته سوم سیستمهای مبتنی بر بیومتریک است. این سیستمها از خصیصه‌های فیزیولوژیکی و رفتاری انسان جهت شناسایی استفاده می کنند. این روش دیگر معایب روشهای قبل را ندارد و امنیت و دقت را تا حد بسیار زیادی افزایش داده است.

4- بیومتریک چیست؟

  • اندازه گیری و تحلیل آماری داده‌های بیولوژیکی بیومتریک اشاره دارد به تکنولوژیی برای اندازه گیری و آنالیز مشخصات بدن افراد جهت تشخیص هویت شخص شناسایی اتوماتیک یک شخص با استفاده از ویژگیهای اختصاصی (مشخصات فیزیولوژیکی یا رفتاری)(تعریف در کنسرسیوم بیومتریک)

دو اصطلاح مهم در بیومتریک: تطابق یک به یک ، عمل تطابق الگوهای کاربر با داده‌های ذخیره شده . تطابق یک به چند ، یافتن یک الگو از میان الگوهای ذخیره شده جهت شناسایی کاربر.

5- طبقه بندی متدهای بیومتریک

عموما در سیستمهای بیومتریک از دو نوع ویژگی مختلف افراد جهت شناسایی استفاده می‌شود که در ذیل به آنها اشاره می کنیم. • (پارامترهای فیزیولوژیکی) اساس شناسایی در این کلاس، اندازه گیری و آنالیز مشخصه‌های ثابت یک شخص می باشد. • (پارامترهای رفتاری) شناسایی الگوهای رفتاری مشخص یک فرد پارامترهای فیزیولوژیکی : ¡ (شناسایی از طرق عنبیه چشم) ¡ (شناسایی از روی شبکیه چشم) ¡ (اثر انگشت) ¡ ¡ (شناسایی از طریق امضاء) ¡(شناسایی از روی هندسه دست ) پارامترهای رفتاری:   (شناسایی از روی شدت ضربه شخص بر روی کیبورد) در این مقاله¡(شناسایی از طریق صدا)  ما سعی بر معرفی این سیتمها داریم.

6- معماری سیستمهای بیومتریک

تمامی سیستمهای بیومتریک دارای یک معماری کلی یکسان در ساخت هستند که ¡ تصمیم گیری ¡ تطبیق ¡ پردازش سیگنال ¡ درخواست داده‌ها ¡به آنها اشاره میکنیم.   محیط انتقال داده ها زیر سیستم درخواست داده در این زیر سیستم¡فضای ذخیره سازی  داده‌های خام، که از یک فرد، توسط یک سنسور ویژه اسکن شده است، وارد سیستم می شود. فرایندی که در این زیر سیستم انجام می شود:

  • دریافت داده‌ها توسط سنسور
  • تبدیل داده های(سیگنالها) دریافتی از سنسورها به فرم مناسبی(A/D) جهت ارسال به زیر سیستم پردازش سیگنال

زیرسیستم پردازش سیگنال عملیات این زیر سیستم به شرح ذیل می باشد: ۱- دریافت داده‌های خام از زیر سیستم جمع آوری داده ۲- استخراج خصیصه ۳- عملیات فیلترینگ جهت حذف نویز ۴- اصلاح داده ها ۵- تبدیل داده‌های دریافتی به فرم لازم(تولید الگو ) برای زیر سیستم تطبیق. لازم بذکر است که از داده‌های دریافت شده در این زیر سیستم، پس از پردازش، یک الگو از برخی ویژگیهای موجود تولید و ذخیره می شود. در واقع این الگوی تولید شده مورد مقایسه و شناسایی قرار می گیرد. ماهیت این الگو که از روی یک شابلون از پیش تعریف شده تولید می شود( یک استاندارد ثابت)، ماتریسی از صفر و یک می باشد. در واقع این شابلون قسمتهای مورد اندازه گیری از یک نمونه را بر می گرداند. زیرسیستم تطبیق خروجی این زیر سیستم از مقایسه دو الگو بدست می آید. فرایند این زیر سیستم شامل: دریافت داده‌های پردازش شده(الگو) از زیر سیستم قبل و دریافت الگوهای ذخیره شده مقایسه الگوی تولید شده در زیر سیستم قبل، با الگوهای موجود زیر سیستم تصمیم گیری این زیر سیستم پس از اجرای زیر سیستم قبل فراخوانی می‌شود که وظیفه آن تصمیم گیری بر روی تطابق انجام شده متناسب با درخواست است. در این مرحله یک حد یا آستانه در نظر گرفته شده است. اگر امتیاز بیشتر یا برابر این آستانه باشد، کاربر تائید می‌شود در غیر اینصورت کاربر پذیرفته نمی شود. زیر سیستم فضای ذخیره سازی شامل الگوهایی است که در هنگام ثبت نام از کاربران بدست آمده است. ممکن است برای هر کاربر یک یا چند الگو ذخیره شده باشد. زیر سیستم محیط انتقال وظیفه این بخش انتقال داده ها، بین اجزاء یک سیستم بیومتریک است.

7- پارامترهای مهم در سیستم‌های بیومتریک

در همه سیستمهای بیومتریک پارامترهایی موجودند که ویژگیها و قابلیتهای سیستم شما را معرفی میکنند. ۱- نرخ پذیرش اشتباه این پارامتر تعیین کننده امکان پذیرش کاربر جعلی از کاربر اصلی می باشد. این پارامتر باید تا جای ممکن کوچک باشد. ۲- نرخ عدم پذیرش اشتباه این مقیاس نمایانگر اینست که تا چه اندازه شخص اصلی اشتباها پذیرش نمی شود (حساسیت بسیار بالا). این پارامتر نیز باید تا حد مورد نیاز کم باشد. ۳- نرخ خطای مساوی: کاهش نرخ پذیرش اشتباه باعث افزایش غیر تعمدی نرخ عدم پذیرش اشتباه میشود. نقطه ای که میزان نرخ عدم پذیرش اشتباه با نرخ پذیرش اشتباه برابر می‌شود نقطه نرخ خطای مساوی است. هرچه میزان این پارامتر کمتر باشد نمایانگر اینست که سیستم دارای یک حساسیت بهتر و توازن خوبی است. ۴- نرخ ثبت نام نادرست احتمال خطایی که در هنگام نمونه بردای جهت ثبت در پایگاه داده، در خصوص تشخیص صحیح ممکن است رخ هد.

 تکنولوژیهای بیومتریک 8-

 

تکنیک های بیومتریک فیزیولوژیک: اثر انگشت ، اسکن عنبیه ، اسکن یا هندسه دست ،اسکن صورت ، اسکن صدا  و  اسکن شبکیه

تکنیـک هـای بیـومتـریـک رفتـاری: اسکـن صـورت یا تحلیل گفتار،حرکات لب،امضای دستی،زدن کلید
یک سیستم بیومتری ساده دارای چهار بخش اساسی است :
1- بلوک سنسور: کار دریافت اطلاعات بیومتری را بر عهده دارد.
2- بلوک استخراج ویژگی ها: اطلاعات گرفته شده را می گیرد و بردار ویژگی های آن را استخراج می کند.

3- بلوک مقایسه: کار مقایسه بردار حاصل شده با قالب ها را بر عهده دارد.
4- بلوک تصمیم: این قسمت هویت را شناسایی می کند بنابراین یا هویت را قبول کرده یا رد می کند.
تشخیص هویت افراد از زمان های قدیم مورد توجه بشر بوده است. با پیشرفت تکنولوژی در دنیای جدید فعالیت و برخوردهای افراد به گونه ای توسعه یافته است که در آن تشخیـص افـراد بـه صـورت سـریـع و مطمئن مورد نیاز است. کنترل گذرنامه، سیستم‌های بانکی اتوماتیک و سیستم های امنیتی مثال هایی از کاربرد تشخیص هویت هستند که توسط علم مهندسی پزشکی می توان کمک فراوانی به بخش کنترل در اینگونه صنعـت‌ها کرد .  اتوماتیک بودن، سرعت و قابلیت اطمینان از اهداف مشترک همه روش‌های شناسایی افراد است.
برای تشخیص هویت افراد در مکان های عمومی مثلا در فرودگاه ها معمولا از مدارکی مانند گذرنامه که حاوی مشخصات صاحب آن است استفاده می شود. این نوع معیارهای شناسایی قابلیت اطمینان پایینی دارند چون می توان آن ها را به راحتی جعل کرد. به همین دلیل لازم است که از روشی که بر مبنای بدن انسان است برای شناسایی استفاده کرد. روشی که هم منحصر به فرد باشد هم به راحتی قابل اندازه گیری باشد و در طول زمان تغییر نکند.
علـم بیـومتـریـک بـه دنبـال روشـی اسـت کـه شنـاسـایـی افـراد را بـه بـدن انسان یعنی ویژگی‌های منحصر به فرد آن مربوط کند. انتظاری که از این روش ها می رود این است که بهتر از روش های مرسوم عمل کنند.
معمـولا منظـور از بیـومتـریـک استفـاده اتـومـاتیـک یا نیمه اتوماتیک از ویژگی های فیزیولوژیک یا ویژگی های رفتاری که به بدن انسان بستگی دارند برای تشخیص یا تأیید هویت فرد است.  در مورد مشکلات روش های قدیمی که از شماره رمز عبور به جای سامانه بیومتریک استفاده می کنند مثل سامانه های کارت خودپرداز بانکی، وقتی فرد می‌خواهد از کارت خود استفاده کند لازم است که شماره تشخیص هویت شخصی خود  (PIN) را وارد کند. در این سامانه تایید یا تشخیص هویت بر مبنای چیزی که شخص به همـراه دارد (کـارت) اسـت، که این یک مشکل بـالقـوه در ایـن سیستم است زیرا کارت ممکن است دزدیده شود وشماره رمز را هم فرد دیگری مـی تـوانـد بـا خود داشته باشد. در حالی که در سـامـانـه هـای بیـومتـریـک ایـن مشکلات وجود ندارند و امکان تقلب در آن ها خیلی کم است و می توانند به عنوان سامانه های ایده آل تشخیص هویت مورد استفاده قرار گیرند.
سامانه های بیومتریک معمولا برای مقاصد نـظــارت و کـنـتــرل ورود و خــروج افــراد مـورد استفاده قرار می گیرند.
در این سیستم ها ویژگی بیومتریک فرد توسط دستگاه گرفته شده و کد آن استخراج می شود. سـپــس بـا کـدهـای ذخـیـره شـده در پـایـگـاه داده مقایسه می شود و در صورتی که فرد مورد نظر شناسایی شود دستگاه، اپراتور را آگاه می کند. برای شناسایی معمولا یک انسان نیز در چرخه شـنــاســایــی وجــود دارد کــه تـصـمـیــم نـهــایـی را می‌گیرد. در کاربردهای عملی، کارایی سیستم عبارت است از: تعادل بین درصد تشخیص دادن به اشتباه  (FAR) و نرخ تشخیص ندادن به اشتباه. ‌که FRR عبارت است از: تعداد افرادی که اشتباه تشخیص داده شده اند و FAR برابر با  تعداد افرادی است که در پایگاه داده وجود داشتند ولی تایید هویت نشده اند.
سامانه های بیومتریک دارای دو خصوصیت بسیار مهم هستند که قابلیت اطمینان آن‌ها را بالا می‌برند و عبارتند از: اینکه 1- شخصی که می‌خواهد تایید هویت شود باید شخصا در هنگام فرایند حضور داشته باشد و 2-  تشخیص هویت نیازی ندارد که شخص اطلاعاتی را حفظ یا یادآوری کند یا اینکه چیزی را با خود همراه داشته باشد.
در سامانه های بیومتریک دو مساله مورد توجه است:
1- اثبات اینکه شخصی که ادعا می کنید هستید یا نه.

2-  اثبات اینکه شخصی نیستید که ادعا می کنید.
یک سامانه بیومتریک شامل یک مرحله پیش ثبت نام است و شخص پس از این مرحله می تواند به دفعات توسط سامانه تایید هویت شود. در سامانه هایی که از خصوصیات رفتاری شخص استفاده می کنند، این ویژگی ها نباید نسبت به تغییرات حساس باشند. این تغییرات می توانند سلامتی فرد یا حالت روحی فرد در طول زمان باشد. هر سامانه بیومتریک باید توانایی انجام دو کار را داشته باشد:
1-  تشخیص هویت
2-  تایید هویت
مرحله تشخیص هویت یک جستجوی یک در چند است و بدین صورت است که سـامـانـه ابتـدا بـایـد مشخـص کنـد کـه آیـا فرد در بانک اطلاعاتی موجود است یا نه و درصورت وجود فرد در بانک اطلاعاتی باید مشخص کند که این شخص شناسایی شده چه کسی است.
در مرحله تایید هویت که یک مقایسه یک به یک است، سامانه کد ورودی را با کد موجود و ادعا شده مقایسه می کند و مشخص می کند که آیا تشخیص داده شده درست است یا نه.
در بیشتر سامانه های بیومتریک مرحله ثبت نام در سامانه از مرحله تشخیص هویت جدا شده است، زیرا در مرحله ثبت نام باید مساله اینکه آیا فرد قبلا در سامانه ثبت نام کرده است یا نه مد نظر قرار گیرد تا از ثبت نام یک نفر در سامانه با چند هویت مختلف جلوگیری شود و قابلیت اطمینان سامانه بالا رود، در حالی که در مرحله تشخیص هویت مساله مهم فقط یافتن فرد از بین کدهای ذخیره شده در پایگاه داده است.
یک شناسه بیومتریک خوب که می تواند به عنوان ویژگی در سامانه بیومتریک مورد استفاده قرار گیرد باید خصوصیات زیر را داشته باشد.
1- منحصر به فرد بودن: هر فرد آن ویژگی را به طـور منحصـر بـه فرد و متمایز با دیگران داشته باشد.
2-  استخراج پذیری: بتوان آن ویژگی را در مورد هر فرد به راحتی، با سرعت بالا و بدون نیاز به پردازش های زیاد به دست آورد.
3- قـابلیت تفکیک پذیری بالا: یعنی اینکه اختـلاف ایـن ویـژگی در مورد دو فرد متفاوت خیلی زیاد باشد تا به راحتی قابل تفکیک باشند.
4-  پـایـداری: یعنـی اینکـه ویـژگی استخراج شــده در طـول زمـان و در اثـر تغییـراتـی در یـک شخص در طول عمرش به وجود می آیند بدون تغییر باقی بماند.
بیومتریک های متداول عبارتند از:
1-  استفاده از اثر انگشت
2-  استفاده از تصاویر صورت
3-  استفاده از تصاویر عنبیه چشم
4-  استفاده از هندسه دست
5- استفاده از بو یا خواص شیمیایی
6- استفاده از تصاویر شبکیه
7- استفاده از امضا
8- استفاده از صدا
9 -استفاده از اثر کف دست
البته انواع دیگری از بیومتریک ها نیز وجود دارنـد. شـکـل1 بـیـومـتـریـک هـایـی را کـه کاربرد زیادی دارند نشان می دهد.

 تشخیص هویت افراد از روی راه رفتن

روش های زیادی برای تشخیص هویت افراد از روی راه رفـتــن در تـصــاویــر ویـدیـویـی ارائـه شـده‌‌انـد که می توان آن  ها را به دو دسته کلی طبقه بندی کرد: رهـیـــافـــت هــای آمــاری و

رهیافت‌های مبتنی بر مدل، رهیافت های ارائه شده شامل سه فاز کلی هستند: پیش پردازش، استخـراج ویـژگـی، تشخیص.

بررسی این رهیافت ها نشان می دهد که در فاز پیش پردازش معمولا  یک الگوریتم حذف زمینه ساده صورت می پذیرد و تاکنون کار جدی در این فاز صورت نگرفته است. در روش ارائه شده برای تشخیص هویت افراد از روی راه رفتن، از  پیش پردازش به منظور تخمین دقیق پس زمینه و برای آشکار سازی شیء از رهیافت جدید مبتنی بر مجموعه های فازی و در فاز تشخیص نیز یک الگوریتم جدید برمبنای انحراف زمانی دینامیک (DTW  (Dynamic Time Warping ، استفاده شده است. روش DTW یک تکنیک مبتنی بر برنامه نویسی پویا جهت نرمال سازی غیر خطی زمان است  در این روش فاصله اقلیدسی هر جزء بردار ویژگی استخراج شده از دنباله تصاویر تست، با هر جزء از بردارهای ویژگی دنباله مرجع محاسبه می شود.

استخراج ویژگی ها

بردار ویژگی از هر فریم در تصاویر ویدئویی راه رفتن استخراج می شود. در ابتدا سیکل راه رفتن افراد، مطابق تصاویر دودویی استخراج می شود. برای این منظور از روی تصاویر دودویی، تابع (f(t که بیانگر جمع پیکسل های فریم شماره  t است به دست می آید و سپـس با یک فیلتر هموارکننده (Smoothing filter) این تابع فیلتر می شود. سیکل راه رفتن فاصله بین دو مینیمم متوالی است.
پــس از بـه دسـت آمـدن سیکـل راه رفتـن، دنبـالـه تصـاویـر بـه سیکـل هـای مختلـف تقسیم‌بندی می شوند.سپس بردار ویژگی هر فریم به صورت مجموع پیکسل های عرض بدن افراد در فریم های راه رفتن استخراج می شود.
عرض بدن در حرکت راه رفتن افراد در دنباله تـصـاویـر یـک رخـداد متنـاوب اسـت کـه شـامـل اطلاعات دقیقی در رابطه با شیوه راه رفتن افراد است و می تواند ویژگی های منحصر به فردی از راه رفتن را بیان کند. بنابراین برای توصیف هر فریم می توان عرض بدن را استفاده کرد. برای اسـتـخـراج عـرض بـدن از تـشـخـیص دهنده لبه sobel اسـتـفاده می‌شود(شکل2.)به این  ترتیب عـرض بـدن بـرای سطرهای مختلف یک فریم محاسبه شده و ماکزیمم آن ها به عنوان ویژگی توصیف کننده آن فریم در گرفته می شود.
بـه مـنـظـور ارزیابی روش پیشنهادی تخمین پـس زمینه به روش فازی، این روش با روشی دیگر مورد مقایسه قرار گرفت که نتایج تست دو روش در شکل3 نشان داده شده است.
‌هـمــانـطــورکـه مـشـاهـده مـی شـود در روش پیشنهادی نویزهای تصویر حذف شده و تصویر دقیق تری حاصل شده است. استفاده از منطق فـازی سبـب شـده است، الگوریتم تخمین پس زمینه نسبت به تغییرات روشنایی تصویر قابلیت تطبیق داشته باشد.

امروزه در امور مربوط به امنیت اماکنی مانند دانشگاه ها، فرودگاه ها، وزارتخانه ها و حتی شبکه‌های کامپیوتری استفاده از روش های بیومتریک در تشخیص هویت یا تایید هویت افراد بسیار متداول شده  است.
سیستم‌های پیشرفته حضور و غیاب ادارات، سیستم‌های محافظتی ورود خروج اماکن خاص، نوت‌بوک‌های مجهز به Finger Print و … از روش‌‌های مختلف تشخیص هویت بیومتریک استفاده می‌کنند.

سیستم های بیومتریک

سیستم‌های بیومتریک باید با درصد قابل توجهی قابل اعتماد باشند تا سیستم در تشخیص افراد و اجازه دسترسی آنها اشتباه نکند.
در مقایسه با روش های سنتی تشخیص هویت مانند رمز عبور و کارت شناسایی می توان به این مزایای بیومتریک اشاره کرد:

 

· قرض داده نمی شوند.

 دزدیده نمی شوند.
 گم و یا فراموش نمی شوند
 خراب نمی شوند.

معمولا یک سیستم بیومتری به کمک الگوریتم های تشخیص الگو
(Pattern Recognition) سعی در استخراج ویژگی هایی(features) از رفتار یا ساختار فیزیولوژی فرد می کند و سپس این ویژگی ها را در دیتابیسی ( برای  تشخیص و تایید هویت) ذخیره می ‌کند. سیستم هایی که بر اساس علائم فیزیولوژی عمل می کنند بسیار مطمئن‌تر از سیستم های رفتاری هستند.
یک سیستم بیومتریک شامل 4 بخش بنیادی است :
 Sensor Module : قسمت نمونه برداری که اطلاعات خام مورد نیاز را جمع آوری می کند. مانند تصویر اثر انگشت.
 Feature extraction Module : قسمت پردازش برای استخراج ویژگی ها از اطلاعات مرحله قبل.
 Matching Module : قسمت مطابقت که بررسی می کند آیا اطلاعات جمع آوری شده با اطلاعات الگو مطابقت می کند یا خیر؟ مثلا تشخیص می دهد که آیا اطلاعات بدست آمده می تواند متعلق به یک اثر انگشت باشد یا خیر، در صورت مطابقت بر حسب نیاز آن را ذخیره می کند و یا به مرحله بعدی برای تشخیص هویت می رود.
 Decision-making Module : قسمتی که اطلاعات ورودی (ویژگی ها) را با اطلاعات ذخیره شده مقایسه می کند و اگر شباهت از درصد معلومی بالاتر بود به فرد اجازه دسترسی می دهد در غیر اینصورت پیغام خطا می دهد.

خصیصه هایی که به منظور بیومتریک استفاده می شوند باید دارای 4 ویژگی زیر باشند:

· Universality : تمامی افراد داشته  باشند.

· Distinctiveness : در دو فرد مشابه نباشد.

· Permanence : در طول زمان تغییر نیابد.

 Collectability : قابل جمع آوری باشد.

متدهای امروزی در بیومتریک

در این قسمت متدهای متداول و غیر متداول بیومتریک را معرفی خواهیم کرد و از بیان جزئیات وسایل و الگوریتم‌های پردازشی خودداری خواهیم کرد و تنها به بیان مزایا و معایب هر روش می پردازیم.
لازم به توضیح است که از بیومتریک در دو فیلد مجزا می توان استفاده کرد:
تشخیص هویت(Identification): در این فیلد سعی می شود که هویت شخص دقیقا مشخص گردد.
تایید هویت(Verification) : در این فیلد بررسی می کنند که آیا فرد مطابق با هویت ادعا شده هست یا خیر؟
سیستم هایی که قادر به تشخیص هویت هستند، حتما می توانند تایید هویت را انجام دهند ولی بر عکس آن قطعی نیست.

تشخیص هویت با اثر انگشت

‌دوران ورود به سیستم‌های کامپیوتری از طریق وارد کردن گذرواژه های ساخته شده از حروف و ارقام از راه صفحه کلید به پایان رسیده است امروزه از برخی ویژگی‌های بدن که تغییر نمی‌کنند مانند، چشم، صدا یا دست‌خط برای شناسایی کاربر و تعیین صلاحیت او برای کار با سیستم‌های کامپیوتری استفاده خواهد شد. هدف از این کار بالاتر بردن امنیت سیستم‌ها و جلوگیری از دسترسی کاربران غیر مجاز است.
اما از این روش‌ها نه تنها برای تامین امنیت سیستم‌های کامپیوتری بلکه برای افزایش ایمنی شرکت‌ها و مکان‌ها نیز استفاده می‌شود. روش‌های کنونی تشخیص هویت مبتنی بر کارت‌های شناسایی دیگر مناسب نیست و بسیار نامطمئن است. از این گذشته این روش‌ها هم نیروی انسانی و هم زمان زیادی می‌طلبد این کاستی‌ها را می‌توان با کمک روش‌های تشخیص هویت بر طرف کرد. چون این روش‌ها نه تنها درستی داده‌ها را بررسی می‌کنند بلکه می‌بینند آیا این شخص صاحب واقعی این مشخصات است یا نه.  به این ترتیب سیستم‌های بیومتریک با ارائه کارکرد بهتر، هزینه‌های بالاتر خود را جبران می‌کنند.

اثرانگشت

اثرانگشت از قدیمی‌ترین و شناخته شده‌ترین روشهای شناسایی بیومتریک افراد است. اما شناسایی افراد با استفاده از اثرانگشت در سالهای اخیر تغییرات عمده‌ای داشته است. در روشهای جدید به جای استامپ و کاغذ از اسکنرهای خاص که قابلیت بررسی و تطبیق سریع اثرانگشت را با نمونه ضبط شده دارند، استفاده می‌شود. اثرانگشت هر فرد با فرد دیگر متفاوت است‫. این روش از معمول ترین روشهای تشخیص هویت به شمار می‌رود؛ تا حدی که حتی در سیستم‌های حضور و غیاب کارمندان و برخی لپ تاپ های جدید نیز از این روش به عنوان یکی از روشهای مطمئن و سریع استفاده می‌شود‫.
تکنیک انگشت نگاری ژنتیکی‏:

امروزه واژه میکروساتلایت و مینی ساتلایت برای متخصصان علم ژنتیک بسیار آشنا هستند. تعداد بازهای موجود طبق قاعده خاصی در ژنوم تکرار می شوند. برای چنین آزمون هایی به بررسی تمام ژنوم نیاز نیست و همان طور که وجود یک خال در بدن می تواند دلیلی محکم بر شناسایی یک بی گناه یا قاتل باشد، بررسی یک ناحیه کوچک از ژنوم فرد مظنون نیز چنین مدارک ارزشمندی مهیا خواهد کرد.حال برایتان جالب خواهد بود اگر بدانید چطور می توان یک ژن خاص را در میان ۱۰۰هزار ژن موجود در بیلیون ها جفت باز یک ژنوم انسانی یافت و مورد مطالعه قرار داد.

در واقع راه حل ها در این زمینه از دهه ۱۹۷۰ شروع به نمایان شدن کردند. پیشرفت های حاصل از ده ها سال کار هزاران دانشمند در زمینه های ژنتیک ، بیوشیمی ، بیولوژی و شیمی فیزیک گردهم آمدند تا فناوری هایی برای تعیین موقعیت ، جداسازی ، آماده سازی و مطالعه قطعات دی ان ای مشتق از کروموزوم های بزرگتر ایجاد کنند؛ البته تکنیک انگشت نگاری ژنتیکی سال ۱۹۸۵ ابداع شد.یکی از صحیح ترین روش ها برای اثبات حضور یک فرد در صحنه جنایت ، انگشت نگاری بوده است. انگشت نگاری دی ان ای براساس وجود چندشکلی های توالی است.
این چندشکلی ها، حاصل تفاوت های کوچک در توالی هستند که به طور متوسط از فردی به فرد دیگر در هر ۵۰۰ تا ۱۰۰۰ جفت باز اتفاق می افتد. هر تفاوتی از توالی ژنومی مشترک انسان در کسری از جمعیت انسانی رخ می دهد هر فرد تعدادی از این تفاوت ها را در توالی ژنتیکی خود نشان می دهد. این تغییرات توالی منجر به تنوع اندازه قطعات دی ان ای در بین افراد متفاوت می شود. از این رو به این تغییرات ، چندشکلی های طول قطعه محدودکننده یا (RFLPs) گویند.

در واقع با استفاده از این تست شناسایی توالی دی ان ای ژنومی می توان یک فرد را در کل جمعیت انسانی شناسایی کرد. با وجود این ، چنین روشی به نمونه های تازه دی ان ای و بیش از میزانی نیاز دارد که عموما در صحنه وقوع جرم وجود دارد. پس با استفاده از PCR که امکان ازدیاد مقادیر کم دی ان ای را فراهم می آورد، حساسیت آزمون RFLP را افزایش می دهند. امروزه حتی آنالیز RFLP ، تنها روش قابل دسترسی برای تشخیص پیش از زایمان بیماری هایی است که در آنها محل عارضه روی کروموزوم شناخته شده ، ولی هنوز ژن کنترل کننده آنها تعیین نشده است.

 

تجزیه الگوهای انگشت نگاری DNA:

نرم افزار ژن نگار طراحی شده به وسیله محققان دانشگاه علوم پزشکی تهران و صنعتی شریف قادر به مقایسه الگوهای ژنتیکی ، برآورد فواصل ژنتیکی ، ترسیم دندروگرام و جستجوی الگوهای جدید در بانک اطلاعاتی موجود است.

شکل هندسی دست‌ها و انگشتان

این مدل از شناسایی بیومتریک بر پایه‌ی تفاوت حالت قرار گیری دست‌ها و انگشتان افراد با یکدیگر به وجود آمده‫ است. در این روش فرد مورد نظر دست خود را بر روی اسکنری مخصوص قرار می‌دهد و اسکنر تصویر کامل دست را اسکن می‌کند. در این روش معمولا هنگام اسکن، دو یا سه انگشت فرد بررسی می‌شود.
خطوطی که بر روی سرانگشتان همه انسان ها نقش بسته از دیر باز مورد توجه همه بوده است، این خطوط نقش های مختلفی دارند، یکی از این وظایف ایجاد اصطکاک بین سر انگشتان و اشیاء متفاوت است مانند قلم که با استفاده از این اصطکاک می توان اشیا را برداشت، نوشت، یا لمس کرد.شکل 1تصویر خطوط روی انگشت را نشان می دهد.
از طرف دیگر این خطوط برای هر شخص منحصر به فرد است، از سال ها پیش از اثر انگشت افراد در جرم شناسی استفاده می شد، امروزه در علم بیومتریک نیز از آن استفاده می‌شود. مانند تمام اعضاء بدن ، DNA های هر شخص الگوی ساخت این خطوط را دارد  و در واقع  DNA هر شخصی نیز کاملا منحصر به فرد است و این  قضیه تقریبا در مورد تمام دیگر اعضاء بدن صادق است. با وجود نفوذگرها و سرقت های اینترنتی، رمزها ابزار قابل اعتمادی نیستند.  در علم بیومتریک اعضایی از بدن مورد توجه قرار گرفته که استفاده از آن ها راحت تر و کم ضررتر باشد. هر کدام از روش های مورد استفاده دارای نقاط ضعف و قدرتی هستند که با ترکیب آن ها با دیگر روش های امنیتی می توان ضعف های موجود را از بین برد.امروزه تعیین هویت قطعی افراد در مبادله اطلاعات، یک عنصر حیاتی در ایمنی داده ها است. بنابراین روش های مختلفی برای تعیین هویت افراد وجود دارد. یکی از پایه هـای خـودکـار سـازی تعییـن هـویـت افـراد، شنـاسـایـی انسـان هـا بـر اساس ویژگی های بیومتریک آن‌ها مانند چهره، الگو های گفتاری و اثر انگشت و …است.
تعیین هویت افراد با استفاده از اثر انگشت نسبت به سایر روش های بیومتریک تعیین هویت به طور گسترده ای مورد استفاده قرار می گیرد. به برآمدگی ها و فرو رفتگی های موجود در پوست نوک انگشت اثر انگشت گویند.روش های شناسایی اثر انگشت یکی از جالب توجه ترین روش های تشخیص الگو برای تعیین هویت افراد هستند. تکنیک های شناسایی اثر انگشت اطمینان و ثبات در تشخیص هویت را تضمین می کنند و بدین ترتیب در کاربردهای مختلف مورد استفاده قرار می گیرد.
از جمله اثر انگشت در صنایع کامپیوتری مانند  business ,Network ,Software licensing و وسایل جانبی مانند ماوس و صفحه کلید کاربرد دارد. همچنین در روشن کردن اتومبیل‌، قفل گاو صندوق یا درب ها یا کارت های اعتباری استفاده می شود.
از طرف دیگر مشکلات عملی زیادی در سیستم های شناسایی اثر انگشت وجود دارد. هر دفعه که یک اثر انگشت گرفته می شود ممکن است به دلیل قابلیت کشسانی پوست،  تحریفاتی در شکل و محل اثر انگشت ایجاد شود. علاوه بر این اطمینان بالا و پردازش بلادرنگ، فاکتورهای مهم مورد نیاز در سیستم خودکار شناسایی اثر انگشت هستند.
برای حل این مشکلات، استخراج دوشاخه ها از تصاویر اثر انگشت و کاربرد آن ها در تطبیق اثر انگشت مورد بررسی قرار می گیرد.

روش‌های تحلیل اثر انگشت

برای به حداقل رساندن داده‌های یک اثر انگشت در بانک اطلاعاتی، همه تصویر به طور کامل نگهداری نمی‌شود. نخست کل تصویر تحلیل شده و سپس نقاط کلیدی آن ذخیره می‌شود. این کار نقش بسیار مهمی برای جستجوی سریع در بانک‌های اطلاعاتی دارد. در مجمـوع هـر تصـویـر اثرانگشت حدود 35 ویژگی مهم مانند نقاط تقاطع، نقاط پایانی، انشعاب و … دارد . برای تشخیص هر اثر انگشت و اعلام آن با قطعیت بررسی 8 تا 22 ویژگی کافی است. مشخصات اثر انگشت یا به طور مستقیم روی ایستگاه یا روی کارت‌های هوشمند یا روی یک سرویس دهنده ذخیره می‌شود و در صورت تطابق مشخصات دریـافتی با مشخصات ذخیره شده نسبت به صدور مجوز تصمیم‌گیری می‌شود. این روش در علم بیومتری  MBFM یا Minutiae-Based Fingerprint نامیده می‌شود. در این شیوه پردازش سنگینی روی تصویر برای استخراج مشخصات کلیدی انجام می‌گیرد. اما روش دیگری نیز با نام  CBFM یا  Correlation Based Fingerprint Matching وجود دارد که در آن به جای مقایسه تک تک نقاط کلیدی با داده‌های اصلی، بخش‌هایی از تصویر با بخش‌های متناظر از شکل اصلی مقایسه می‌شود.

اخذ تصویر

قدیمی ترین روش همان روش استفاده از کاغذ و جوهر است در این شیوه ابتدا سطح انگشت را به جوهر آغشته کرده و سپس روی کاغذ می غلتانند. برای وارد کردن تصویر به دست آمده به یک سیستم کامپیوتری از یک پویشگر تخت استفاده می شود. تصویر به دست آمده از این روش بسیار اعوجاج داشته و حتی در تشخیص به صورت دستی نیز نیازمند یک فرد خبره است.روش دیگری که امروزه در بسیاری از سیستم ها از آن استفاده می شود به کارگیری دوربین های Charge   Coupled  Devices ) CCD ) است.
در روش اخیر که اصطلاحا اسکن زنده نیز نامیده می شود دستیابی به تصویری با کیفیت خوب امکان پذیر است.چهار تکنیک برای اسکن زنده وجود دارد:
کاغذ و مرکب
تکنیک نوری و خازنی
استفاده از سنسور LE
ماورا صوت
میدان الکتریکی
تکنیک حرارتی
در کلیه این تکنیک ها سطح انگشت با قسمت خـاصـی از دستگاه در تماس قرار گرفته تصویر اخذ می شود.
در سـال هـای گذشته بیشتر از روش کاغذ و مرکب استفاده می شد به این ترتیب که در ابتدا اثر انگشت فرد با استفاده از مرکب بروی کاغذ ثبت و سـپــس تصـویـر اثـر انگشـت اسکـن شـده و فـایـل تصویری آن آماده می شد، که این روش اکنون به عـلـت مـشـکـلات خـاص خـود و الـبـتـه پیشرفت تکنولوژی  کم کم منسوخ می شود. معمولا چون کیفیت تصویر به دست آمده پایین است با استفاده از تکنیک های پردازش تصویر این نقیصه تا حدی مرتفع می شود، در شکل 2 نمونه هایی از این عمل دیده می شود.
در تکنیک نوری انگشت بر روی یک منشور قـرار مـی گـیـرد و بـه آن نـور تـابـانـده مـی شـود. با انـدازه‌گـیـری مـیـزان نور بازگشتی از هر قسمت تصویری از اثر انگشت شکل می گیرد.
ســیــســتـــم‌هـــایـــی کــه اثــر انـگـشــت را بــر پــایــه روش‌های نوری ثبت می‌کنند، بیشتر گسترش پیدا کرده‌اند. در این شیوه، نور از سوی یک چشم به انگشت تابانده می‌شود. سپس دوربین CCD، پرتوهای باز تابیده را دریافت کرده و از روی آن ها یـک عـکـس سـیـاه و سـفـید می‌سازد. این عکس مـشـخـصـات بـارز اثـر انـگـشـت را نـشان می‌دهد وضوح این سیستم به میزان اهمیت و نوع کاربرد بـسـتـگـی دارد.  ‌در کنار روش‌های نوری، برای کاستن از هزینه‌ها، روش‌هایی نیز ابداع شده‌اند که در آن ها از خازن استفاده می‌شود. در این شیوه از صـفـحـه‌هـایـی اسـتفاده می‌شود که تا 000/100 حـسـگـر خازنی دارند و بار آن ها پس از تماس انگشت اندازه‌گیری می‌شود. از روی نتایجی که بـه دسـت مـی‌آیـد عـکـسی از اثر انگشت ساخته می‌شود. شکل3 روش اسکن مستقیم نوری را نشان می دهد.
در روش استفاده از سنسور LE از تکنولوژی نیمه هادی ها  استفاده می شود. به این ترتیب که انگشت شخص بر روی سنسور LE که از جنس نیمه هادی است، قرار گرفته (شکل4)  و در نتیجه در محـل هـای بـرآمـدگـی پوست انگشت که در تماس با سنسور هستند، فوتون آزاد شده و به این ترتیب اثر انگشت ثبت می شود.
حسگرهای مافوق اولتراسوند و حرارتی نیز بــرای تـشـخـیــص اثــر انـگشـت بـه کـار مـی‌رونـد. وضوح این روش‌ها هم مانند روش‌هایی است که در بخش قبل شرح داده شد. در روش حرارتی، آرایـه‌ای از حسگرها تصویر گرمایی انگشت را می‌سازد. سپس این تصویر بر پایه گرادیان دما به یک نمای سه بعدی از اثر انگشت تبدیل می‌شود روش‌های مافوق اولتراسوند اکنون از دقیق‌ترین و هـمـچـنـیــن گــران‌تـریـن روش‌هـای تـشـخـیـص هویت از روی انگشت هستند. دلیل آن این است که آلودگی یا دیگر عوامل مزاحم در کار این روش اخـتــلالــی ایـجــاد نـمـی‌کنـد. در ایـن روش، چنـد حـسـگـر امـواج مـافـوق اولـتـراسـونـد را بـه سمت انگشت می‌فرستند. سپس بازتاب این امواج را دریافت کرده و براساس فاصله زمانی بازتاب‌ها یک تصویر سه بعدی از اثر انگشت می‌سازند. در شـکـل 5 اصـول اولـیه این روش نشان داده شده است.
در روش ماورا صوت با توجه به میزان انرژی صــوتـی مـنـعـکـس شـده از سـطـح انـگـشـت بـرای آشکار سازی لبه ها و شیارها استفاده می شود. حــســگــــرهــــای مــیــــدان الــکـتـــریـکـــی بـــر اســـاس انـدازه‌‌گـیـری اخـتلاف ظرفیت الکتریکی سطح انگشتی که حسگر را لمس می کند عمل می کنند و در نهایت حسگر های حرارتی با اندازه گیری اختلاف دمای سطح پوست شیارها و لبه های اثر انگشت را نمایان می سازد.  ‌وضوح این روش هم مانند روشی است که در بخش قبل شرح داده شد. در روش حرارتی، آرایه‌ای از حسگرها تصویر گرمایی انگشت را می‌سازد. سپس این تصویر بر پـایـه گـرادیـان دمـا بـه یـک نـمـای سه بعدی از اثر انـگشت تبدیل می‌شود. روش‌های اولتراسوند اکـنــون از دقـیــق‌تــریــن و هـمـچـنـیــن گــران‌تــریــن روش‌هـای تـشـخـیـص هـویـت از روی انـگـشت هستند. دلیل آن هم این است که آلودگی یا دیگر عوامل مزاحم در کار این روش اختلالی ایجـاد نمـی‌کنـد. در ایـن روش؛ چنـد حـس‌گـر امـواج  اولتـراسوند را به سمت انگشت می‌فرستند. سپس بازتاب این امواج را دریافت کرده و براساس فاصله زمانی بازتاب‌ها یک تصویر سه بعدی از اثر انگشت می‌سازند.
روش اسکن زنده ، تصویر نسبتا خوبی از اثر انگشت ارایه می دهد. اما هنوز هم عواملی چون خشکی پوست بیماری های پوستی ، عرق، کثیفی و چربی باعث به وجود آمدن اعوجاج در تصویر اثر انگشت می شوند. در هر دو روش سنتی و اسکن زنده عواملی باعث بروز اختلاف در دو نسخه از یک اثر انگشت می شوند .

1-انتقـال: تفـاوت در مـوقعیـت مکـانی نسخه های مختلفی که از اثر انگشت گرفته می‌شود.
2- چرخش: ناشی از چرخش انگشت هنگام اخذ اثر انگشت است.
3-مقیاس: از اختلاف فشاری که فرد در هر بار اخذ اثر انگشت به سطح دستگاه یا کاغذ وارد می کند ناشی می شود.
4-اختلاف: در اثر انگشت به دلیل عواملی چون بیماری های پوستی، سوختگی و عرق با وجود این که اسکن زنده تصویری با کیفیت خوب از اثر انگشت در اختیار ما قرار می دهد اما باز هم مکانیزم هایی به موازات آن برای اخذ اثر انگشت به صورت کنترل شده به کار می‌رود. در اخذ اثر انگشت به صورت کنترل شده میزان فشاری که فرد در هر بار اخذ به سطح دستگاه وارد می کند توسط یک حسگر فشار اندازه گیری شده و به عنوان یک پارامتر ورودی به سیستم داده می شود بدین طریق می توان باز هم کارایی سیستم را افزایش داد.
قبل ازاختراع کامپیوتر و اتوماتیک شدن فعالیت ها عمل تطابق به صورت دستی و توسط انسان ها انجام می گرفت. این امر باعث کندی وخسته کنندگی فرایند می شد. به هرحال ازطریق تشخیص با استفاده از کامپیوتر، مراحل کار اتوماتیک شده و انجام آن ها کاهش یافته است.
برای ثبت تصاویرانگشت افراد، در آغاز از دستگاه های کوپل شده بار (Charge Coupled  (Devices  CCD استفـاده می شد، با پیشرفت تکنولوژی روش های تصویربرداری با رزولـوشـن بـالا بـه وجـود آمـدند که در آن از حسگرهای سیلیکونی استفاده می شود. عـلــی‌رغــم ایـن پیشـرفـت تکنـولـوژی، معـایـب آن هـم چنـان بـاقـی مـانـده اسـت. معـایـب تصویربرداری ازانگشت عبارتست از نیاز به تماس فیزیکی با حسگر نوری و احتمال به دست آمدن تصویر با کیفیت پایین به دلیل کثیف بودن انگشت یا زخم یا کار سخت برای مدت طولانی که باعث تغییر شکل انگشت می شود.
اخیرا از حسگرهای صوتی برای تصویربرداری از انگشت استفاده می شود که نیازی به تماس مستقیم با انگشت فرد ندارند. پیشرفت های حاصله در تصویربرداری بدون تماس و با استفاده از حسگرهای صوتی امکان طراحی حسگرهای اثر انگشت با انعطاف پذیری بالا را فراهم آورده است. علی رغم پیشرفت های تکنولوژی تضمینی وجود ندارد که این روش می‌تواند برای تشخیص هویت که کاربردهای امنیتی دارد به کار رود.
در نتیجه پیشرفٍ های تکنولوژیک در طراحی حسگرها، قابلیت اطمینان بیومتریک اثرانگشت که توسط انجمن بین المللی بیومتریک اعلام شده است برابر 001/0FAR %= است. البته این درجه از دقت برای کاربردهای امنیتی  لازم است ولی باید توجه کرد که این دقت در شرایط آزمایشگاهی و نه در شرایط عملی و واقعی به دست آمده است، در سایرموارد (شرایط غیرآزمایشگاهی) دقت این روش درحدود یک دهم مقدار ذکر شده است که بــاعـث شـد تصـاویـر اثـرکـف دسـت بـه جـای اثـر انگشت استفاده شود تا درجه امنیت سیستم بالا تر رود.  از لحاظ تئوری برای یک فرد امکان اینکه اثر انگشت فرد دیگری را همراه داشته باشد وجود دارد . این امر نشان دهنده آن است که بعضی از حـسـگـرهـای اثـرانـگـشـت را بـه راحـتـی می توان گـمـراه کـرد کـه باعث نامناسب بودن این روش برای کاربردهای امنیتی می شود.
گـزارشـات انـجـمـن جـهـانـی بـیـومتریک نشان می‌دهد جرایمی که با وجود استفاده از اثرانگشت رخ داده انـد از مـقـبـولـیت تکنولوژی اثرانگشت نـکاسته است،  زیرا   این دو روش تایید هویت کاملا با هم متفاوت هستند.
در مـورد مـسائل امنیتی همه افراد باید امکان ثبت نام درسیستم را داشته باشند ولی در مورد کاربردهای کنترل دسترسی، ممکن است برخی افراد تمایلی برای ثبت نام در سیستمی را که از اثر انگشت استفاده می کنند، نداشته باشند. همچنین مـمـکــن اسـت بـعـضـی افـراد قـابـلـیـت اسـتـفـاده از سیستم اثر انگشت را نداشته باشند. بعضی افراد فــاقــد ویـژگـی هـای منحصـر بـه فـرد کـافـی بـرای استفاده از اثر انگشت هستند. علاوه بر این بعضی گروه های کاری مانند کارگران ممکن است دارای اثر انگشت های صدمه دیده باشند. بنـابراین بعضی گروه ها ممکن است که قابلیت ثبت نام در چنین سیستمی را نداشته باشند.به طور کلی کارایی بیومتریک اثر انگشت ممکن است برای برخی کاربرد های کنترل دسترسی قابل قبول باشد ولی به دلیل در دسترس بودن دستگاه های تصویربرداری و همچنین وجود افرادی که امکان استفاده از این سیستم را ندارند، بیومتریک اثر انگشت برای مقاصدامنیتی مناسب نیست.

طبقه بندی اثر انگشت

طبقه بندی اثر انگشت در سیستم های تعیین هویت مورد استفاده قرار می گیرد. هدف از طبقه بندی اثر انگشت این است که بانک داده را تا حد امکان به بخش های کوچکتری تقسیم کرد. در سیستم های تعیین هویت تنها بخشی از بانک داده که از حیث طبقه متناظر با اثر انگشت ورودی است مورد جستجو قرار می گیرد. در سیستم هایی که با جمعیت های کم کار می کنند می توان از رده ای که اثر انگشت به آن متعلق است به عنوان تنها ویژگی برای تعیین یا تایید هویت فرد استفاده کرد.
تعیین طبقه برای یک اثر انگشت با توجه به جهت امتداد لبه ها در اطراف هسته و همچنین تعداد و چگونگی قرار گرفتن نقاط هسته و دلتا صورت می گیرد. در موارد کمی نمی توان یک اثر انگشت را به یک طبقه خاص نسبت داد و همواره در هر نوع سیستم طبقه‌بندی یک طبقه با نام طبقه غیر مترقبه در نظر گرفته می شود و چنین اثر انگشتی را به این طبقه نسبت می دهند.
طبقه بندی ارائه شده برای فرایندی دستی طبقه بندی مناسبی است. چرا که ضوابط بیان شده برای نسبت دادن یک اثر انگشت به یک رده خاص بسیار شفاف و واضح است. در یک سیستم خودکار بهتر است تا با بیشتر کردن تعداد رده ها بانک داده را به بخش های کوچکتری تقسیم کرد. اما به دلیل واضح بودن سیستم طبقه بندی ارائه شـده اکثـر سیستـم هـای خـودکار امروزی نیز از همین طبقه بندی استفاده می کنند.
علاوه بر ویژگی های بیان شده ، در بسیاری از سیستم های تشخیص اثر انگشت، از ویژگی های سطـح بـالا نیـز استفـاده مـی شـود. ایـن امـر باعث افزایش صحت عمل تطبیق می شود. یکی از این ویژگی های مهم کلاس الگوی اثر انگشت است.
اثر انگشت به پنج کلاس اصلی تقسیم می شود که عبارتند از:
1- کمان
2- کمان مایل
3- حلقه چپ
4- حلقه راست
5- مارپیچ
در تـصــاویــر نـویـز دار و جـزئـی ممکـن اسـت کلاس الگو نامشخص باشد، که در این صورت از یک ویژگی سطح بالاتری به نام چگالی برآمدگی ها به جای کلاس الگو استفاده می شود که بیانگر تعداد برآمدگی ها در واحد طول تعریف می شود. بـه مـنـظـور مستقل کردن چگالی برآمدگی ها از جـهـت تـصـویر، تعداد برآمدگی ها بین دو نقطه منفرد محاسبه می شود. نقاط منفرد در اثر انگشت هـسـتـه و دلـتـا هـسـتـنـد. هـسـتـه بـالاترین نقطه در داخلی‌ترین برآمدگی و دلتا یک نقطه سه شاخه است که سه برآمدگی از کنار آن عبور می کند. در شکل 6 این نقاط نمایش داده شده است.
یک سیستم اتوماتیک تشخیص اثر انگشت دارای مراحل نشان داده شده در شکل 7 است.  ‌امروزه اسکنر هایی که برای ارتباط با کامپیوتر طراحی شده اند، به راحتی اطلاعات تصویر اثر انگشت را تهیه و از طریق درگاه های کامپیوتر در اختیار نرم افزارهای مربوطه قرار می دهند.
در اکثر سیستم ها از روش های ساختاری که بر مبنای دو شاخه شدن هستند برای استخراج ویژگی ها استفاده می شود. در این سیستم ها در ابتدا پیش پردازش های اولیه ای مانند یکنواخت کردن هیستوگرام، تشخیص برآمدگی ها و نازک کردن آن ها روی تصویر اعمال می شود. سپس با استفاده از روش های زیر به استخراج ویژگی ها و شناسایی اثر انگشت پرداخته می شود:
1- روش فازی
2- روش شبکه های عصبی
3- ساختن گراف مربوط به هر تصویر با استفاده از میدان جهت دار و الگوریتم راتا
پیاده سازی این روش ها یا با استفاده از کامپیوتر انجام گرفته یا از مدارات مجتمعی که به همین منظور ساخته شده است، انجام می گیرد. نمونه ای از مدارات مجتمع در شکل 8 نشان داده شده است.

 

تطبیق اثر انگشت

تطبیق، فرایندی است که طی آن میزان شباهت دو اثر انگشت اندازه گیری می شود. در اکثر سیستم ها از دو شاخه ها برای تطبیق دادن دو اثر انگشت استفاده می شود.
در روشی موسوم به بانک فیلتر (Filter Bank) ابتدا تصویر اثر انگشت به بخش هایی تقسیم می شود سپس در هر بخش فیلتری موسوم به Gabor Filter را با زاویه های مختلف اعمال کرده و به ازای هر زاویه انحراف معیار برای ناحیه مورد نظر محاسبه می شود.
با توجه به این که Gabor Filter یک فیلتر جهتی است و لبه های اثر انگشت نیز در هر ناحیه دارای یک جهت غالب است اعمال فیلتر با زاویه های مختلف باعث می شود که لبه ها تضعیف یا تقویت شوند. اگر زاویه انتخاب شده برای فیلتر برابر یا نزدیک به جهت غالب لبه ها در ناحیه مورد نظر باشد آن ها را تقویت خواهد کرد و در غیر این صورت باعث تضعیف یا کم رنگ تر شدن لبه ها می شود. در هر بار به کارگیری فیلتر انحراف معیار برای ناحیه مورد نظر محاسبه شده و مجموعه انحراف معیار های محاسبه شده بردار ویژگی متناظر با    اثر انگشت مورد نظر را تشکیل می دهد. در فاز تطبیق این بردار های ویژگی هستند که با هم مقایسه می شوند.
سیستم های تطبیق مبتنی بر دو شاخه می توانند به یکی از این دو شیوه عمل کنند:
1- تطبیق نقاط
2- تطبیق ساختار
در تطبیق نقاط، موقعیت مکانی ، نوع دو شاخه و جهت لبه ای که دو شاخه بر روی آن قرار گرفته به عنوان خصوصیات اثر انگشت ذخیره شده و سپس در فاز تطبیق بررسی می‌شود که چند دو شاخه به خصوصیات یکسان بر روی هم ردیف می شوند.
برای بررسی این موضوع دو اثر انگشت به گونه ای بر روی هم قرار می گیرند که بیشترین دو شاخه با خصوصیات یکسان بر روی هم ردیف شوند.سپس این تعداد شمرده شده و با مقدار حد آستانه مقایسه می شود و تصمیم لازم نیز اتخاذ می شود.
در روش تطبیق ساختاری ، دیگر به موقعیت مکانی دو شاخه ها توجهی نمی شود بلکه ساختار اطراف آن یا به عبارت دیگر نوع دو شاخه هایی که در همسایگی یک دوشاخه  قرار دارند به عنوان خصوصیات آن مد نظر قرار می گیرد. بدین صورت یک زیر گراف برای یک دو شاخه تشکیل می شود و این زیر گراف های دوشاخه ها هستند که با هم تطبیق داده می‌شوند.

روش فراصوت سه بعدی برای تشخیص اثرانگشت
تصـویـر مـاوراء صـوت سـه بعـدی تشخیصـی از انگشتـان، مـی تـوانـد بـرای شناسایی بیومتریک بر اساس ساختارهای داخلی اثرانگشت به کار رود . از این روش می توان در سامانه  AFIS به عنوان یک روش منحصربه فرد استفاده کرد.
برای مطالعه روی این طرح تصویر سه بعدی20 داوطلب جمع آوری شد . یک گروه 4 نفری، شامل2 رادیولوژیست عضله ای- استخوانی، تلاش کردند تا با توجه به ویژگی های آناتومیک و فیزیولوژیک انگشت انسان تصاویر مرتبط را با هم تطبیق دهند .
عملیات تطبیق رادیولوژیست ها  100% موفقیت آمیز و میانگین درصد موفقیت هر چهار نفر96% بود.
هدف از این مطالعه، ارزیابی استفاده از ساختارهای داخلی انگشت به صورت تصاویر فراصوتی، به عنوان یک روش مکمل روش های استاندارد تشخیص هویت بیومتریک بود. همچنین این مطالعه راهی برای تشخیص حالات فیزیولوژیک و قلبی عروقی فرد را هم فراهم می کند. به طور مثال می توان از آن برای تشخیص زنده یا مرده بودن فرد استفاده کرد. کاری که از طریق اثرانگشت خارجی قابل انجام نیست. با توجه به قیمت ارزان حسگرهای فراصوت اثرانگشت کاربردهای گسترده ای برای آن از جمله در تلفن های همراه وجود دارد.
علاوه بر کاربردهای زیاد این طرح در حوزه بیومتریک، از این روش می توان در کاربردهای پزشکی نیز استفاده کرد . نتایج این روش می تواند به روشی برای شناسایی بیمار در کنار مانیتورینگ فیزیولوژیک مداوم وی تبدیل شود.

تشخیص هویت؛ کف دست؛ اسکن رگ‌ها، صدا، امضا و …

مشابه اثر انگشت، دراثر کف دست از الگوی خطوط و انحناهای موجود دردست فرد برای تشخیص هویت افراد استفاده می کنند.  برخلاف اثر انگشت از تصاویر کف دست می توان برای شناسایی افراد سالخورده و هم چنین کارگرانی که دارای اثر انگشت صدمه دیده و در نتیجه اثر انگشت نامناسب برای استفاده از بیومتریک اثر انگشت هستند استفاده کرد. این امر باعث می شود که این تکنولوژی برای کاربردهای امنیتی بسیار مناسب باشد زیرا افراد بیشتری می توانند در آن ثبت نام کنند.

با وجود این که اثر کف دست برای بیش از 100 سال مورد استفاده قرار گرفته است، اما این روش هرگز برای تشخیص افراد در سیستم های اتوماتیک به کار نرفته است و فقط در مواردی از شکل دست و نه الگوهای موجود در آن استفاده شده است که نشان دهنده ناقص بودن تکنولوژی است.
آزمایشات انجام شده روی اثر کف دست نشان می دهند که این روش بسیار دقیق است و امکان گمراه کردن آن وجود ندارد. از طرف دیگر مشخصات هندسی با روش بسیار ساده ای اندازه گیری می شوند. به همین دلیل می توان به راحتی از یک دست غیر واقعی برای این کار استفاده کرد. این درجه از تفاوت دیدگاه ها نشان دهنده نا مشخص بودن دقت بیومتریک اثر کف دست است.
‌ابعاد کف دست بسیار بزرگتر ازانگشت است در نتیجه انتظار می رود که اثر کف دست دقتی خیلی بیشتر ازاثر انگشت داشته باشد و می توان نتیجه گرفت که دقت  FFR در مورد بیومتریک اثر کف دست بیشتر از اثر انگشت است.
در ضمن  FARنیز در این مورد بیشتر (بدتر) است چون این تکنولوژی امکان گمراه شدن زیادی دارد.  برای کاربرد های امکان دسترسی، اثر کف دست را می توان برای ثبت نام در سیستم تهیه کرد، زیرا افراد از مراحل کار آگاه هستند و همکاری می کنند . ولی برای جستجوی افراد تقریبا غیر ممکن است که بتوان اثر انگشت یک تروریست را تهیه کرده در سیستم ثبت کرد. به علاوه از نظر عملی کار سختی است که از کف دست افراد بدون همکاری آن ها تصویر برداری کرد. بنابر این اثر کف دست برای کاربرد های امنیتی مناسب نیست.

هندسه دست

در تشخیص هویت از روی هندسه دست از یک دوربین CCD برای ثبت نقاط کلیدی دست استفاده می‌شود. در این روش  تصاویر دست از بالا و از کنار به دست آمده و مورد پـردازش قـرار مـی‌گیـرد. در طـی ایـن پردازش، نقاط و خط‌هایی روی تصویر فرض مـی‌شـود. از ایـن نقـاط و خطـوط برای اندازه‌گیری طول، پهنا و ضخامت هر یک از انگشت‌ها استفاده می‌شود. سپس سیستم تشخیص هویت این داده‌های را در یک بانک اطلاعاتی ذخیره می‌کند تا بعدا داده‌های ورودی برای شناسایی شخص با آن ها مقایسه شود.
روش هندسه دست نسبت به کثیف بودن دست فرد حساس نیست و بنابراین روش مناسبی برای کارگران است. یکی دیگر از مزایای این روش مستقل بودن آن از پلیس و مسائل جنایی است که باعث می شود افراد زیادی تمایل به ثبت نام در چنین سیستمی داشته باشند و بنابراین برای کاربرد های کنترل دسترسی مناسب است.
ادعا می شود که از تصویر دست نمی توان در جستجوی یک نفر از بین چند نفراستفاده کرد و فقط به تایید هویت یک فرد خاص محدود می شود که باعث ناکارآمدی در کاربرد‌های جستجو می شود. علت این امر کاملا روشن نیست ولی به هر حال می توان نتیجه گرفت که هندسه دست نیز دارای معایب روش های قبل است .یعنی عدم قابلیت استفاده در کاربردهای جستجو برای یک فرد به دلیـل در دستـرس نبـودن بیـومتـریک های افراد مورد نظر.

رگ پشت دست
در ‌این تحقیق روشی برای شناسایی افراد، مبتنی بر تصویر رگ‌های پشت دست ارائه شده است.

‌این روش برای استفاده در سیستم‌های کنترل ورودی تحت پوشش شبکه بسیار مفید است.

‌این بررسی در دو مرحله صورت گرفته است: مرحله ثبت و گردآوری داده‌ها و مرحله تایید یا تصدیق.در مرحله ثبت، تعداد N تصویر دست با استفاده از روش تصویربرداری نزدیک به مادون قرمز برای افراد مختلف به عنوان نمونه‌های اصلی آموزشی جمع‌آوری شده است.

این تصاویر طی مراحل پیش پردازش، استخراج ویژگی و مدلسازی مورد پردازش قرار می‌گیرند تا نمونه‌های قابل تطبیق‌ ایجاد شوند و سپس برای مرحله تایید از شبکه‌های عصبی استفاده می‌شود.

در مرحله تصدیق نمونه ورودی مورد تردید نیز مراحل پیش پردازش و استخراج ویژگی دست را طی می‌کند و در نهایت وارد شبکه عصبی آموزش دیده شده و تطابق یا عدم تطابق آن تعیین می‌شود.

در روش مورد بحث قسمت پیش پردازش مشتمل برآستانه یابی تصویر، لبه‌یابی دست، از بین بردن لبه دست، استخراج اسکلت رگ‌ها، افزایش وضوح تصویر با استفاده از توابع مورفولوژیک و در نهایت دستیابی به الگوی رگ‌ها که تطابق و مقایسه در مورد آنها صورت می‌گیرد، است.

در مرحله استخراج ویژگی بردارهای مورد نیاز پس از اعمال تبدیل موجک به تصویر و استخراج ویژگی‌های آماری برای مقایسه در مرحله بعدی یعنی مرحله تعیین یا تصدیق هویت تهیه می‌شود.

در ‌این طرح در واقع دستاوردی جدید در فناوری تشخیص هویت تجربه شده و با استفاده از رگ‌های پشت دست (Vein Pattern) تصویر پشت دست توسط دوربین CCD گرفته شده است.‌

این طرح مکانیسمی ‌بسیار ساده و راحت دارد و در گزارشی از آن، دو شبکه مجزا در مرحله تایید ارائه شد. در روش اول شبکه‌ای با هدف تعیین هویت طراحی شد.

کاربرد ‌این شبکه در سیستم‌های امنیتی و دولتی به لحاظ تعیین هویت افراد بسیار مفید خواهد بود. البته چون‌ این سیستم هنوز در مراحل ابتدایی تحقیقات است، توصیه می‌شود به عنوان مکمل در کنار دیگر سیستم‌های تعیین هویت همچون اثر انگشت به کار رود.

در روش دوم شبکه‌ای باهدف تایید هویت طراحی شد. این شبکه به علت داشتن تعداد کمتری نورون نسبت به شبکه اول قابلیت پیاده‌سازی راحت‌تری دارد. ‌این سیستم برای کاربردهای روزمره همچون کنترل ورود و خروج، حضور و غیاب و … مفید خواهد بود.
نتایج آزمایش نشان داد هر دو سیستم به مقادیرFPR وFNR قابل قبولی دست یافتند. نتایج به دست آمده حاکی از آن بود که‌این روش کماکان به عنوان یک روش موثر و عملی در تشخیص هویت قلمداد می‌شود.

 

شیمیایی  بو

نــوع متفـاوتـی از بیـومتـریـک هـا، تکنـولـوژی شیمیایی است که به بو نیز معروف است. بوی بدن انسان ازحدود سی ماده شیمیایی مختلف تـشـکـیـل شده که میزان وجود این مواد یا عدم وجود شان یک بوی منحصر به فردی را در افراد به وجود می آورد. می توان این مواد شیمیایی را شـناسایی کرده و از نتایج بررسی آن ها به یک بیومتریک شناسایی دست پیدا کرد.
کامل وجامع بودن این تکنولوژی مورد تردید است.  مطالعات انجام شده در این زمینه نشان مـی‌دهـد که این تکنولوژی در ابتدای راه خود اســت و تــا قـبــل از ســال 2006 هـیــچ مـحـصـول اقتصادی از آن تولید نخواهد شد. حتی اگر این روش، روش مطمئنی برای شناسایی باشد، این تکنولوژی نیازمند آنالیز شیمیایی پیچیده و زمان بری است که باعث مشکل شدن استفاده از آن در دنیای واقعی می شود.
قـابلیـت اطمینان بو به عنوان یک بیومتریک نـا‌شنـاختـه اسـت، هـم چنیـن انعطـاف پـذیری و منحصـر بـه فـرد بودن و قابلیت به کار رفتن به عـنــوان بـیــومتـریـک  بـرای بـو بـه عنـوان مسـائـل نـاشـنـاخـتـه مـطـرح می شود. به علاوه می توان نتیجه گرفت که پیچیدگی و زمان بر بودن روش بیان می کند که این بیومتریک در کاربردهای بر خــط قــابــل اسـتـفــاده نـیـســت و بـنــابــرایـن بـرای جستجوی افراد مناسب نیست.
مـعـــایـــب ایــن روش شــامــل نــاپــایــدار بــودن ترکیبات شیمیایی در نتیجه تغییرات هورمونی و احساسی است. رژیم غذایی نیز باعث تغییردر این ترکیبات می شود. با توجه به مسائل بررسی شده نتیجه می شود علارغم این که ممکن است ایــن روش در آیـنـده مـورد استفـاده قـرار گیـرد، نـــواقـــص مـــوجــود درایــن تـکـنــولــوژی بــاعــث نـــــامـــنـــــاســـــب بــــودن آن بــــرای کــــاربــــردهــــای جستجومی‌شود.

اسکن کردن رگ‌ها

حالت رگ‌های هر شخص مانند اثر انگشت او یک ویژگی منحصر به فرد است. وضعیت رگ‌ها حتی میان دو دوقلوی همسان هم ناهمسان است. تنها مشخصه‌ای از رگ‌ها که با گذشت زمان تغییر می‌کند، اندازه آن ها است. بنابراین محققان از همین ویژگی برای تشخیص هویت افراد استفاده کرده‌اند. در روش‌ شناسایی از روی رگ‌ها، نور مادون قرمز به کف دست تابانده می‌شود. با این کار وضعیت رگ‌هایی که زیر پوست قرار دارند به دست می‌آید. سپس این مشخصات با داده‌های مرجع مقایسه می‌شود. شکل 1 نمایی از این روش را نشان می دهد.
جزئیات این جریان به شرح زیر است:
هموگلوبین موجود در خون بخش‌هایی از طیف نور را جذب می‌کند که طول موج آن ها حدود 10*‌6/7 است. به این ترتیب رگ‌ها خطوطی تیره رنگ می‌شوند و حسگر، اطلاعات تصویر را دریافت و ذخیره می‌کند. یکی از برتری‌های روش شناسایی از روی وضعیت رگ‌ها آن است که نیازی به تماس فیزیکی ندارد و از این نظر روشی پاکیزه است. همچنین میزان دقت آن تا حد قابل قبولی بالاست. به عبارت دیگر درصد خطای آن حدود 00008/0 درصد است.
ایـن روش بـه ویـژه بـرای مـراکـز بازرگانی سودمند است. این روش به عنوان یک جایگزین مستقیم و سریع برای انگشت نگاری، با صرفه و دقیق است و اکنون در برخی مراکز به کار برده می‌شود.

تشخیص هویت با صدا، امضا و حالت تایپ

در روش شناسایی از روی صدا، نخست آن را تغییر داده و سپس با یک داده مرجع مقایسه می‌کنند. روش‌های شناسایی از روی صدا در حال گسترش‌ هستند  تا وابستگی آن به یک متن مشخص از بین برود.
بیشتر افراد هنگامی که از تشخیص صدا صحبت می شود به فکر فرکانس صدا و دستگاه اسیلوسکوپ (دستگاهی که موج را بر روی نموداری در روی محور افقی گرفته و با تصویری از آن بر روی محور عمودی و اندازه گیری ولتاژی، صداها را از یکدیگر تمیز می دهد) می افتند در صورتی که در فناوری جدید از دستگاه طیف نگار صدا ( Sound  Spectrogram) استفاده می‌شود.
دستگاه طیف نگار در واقع یک گراف را متصور می‌کند، فرکانس صدا را بر روی محور عمودی و زمان را بر روی محور افقی تصویر می کند و در این صورت هر صدایی گراف ویژه خودش را خواهد داشت. این دستگاه از رنگ ها و سایه ها در تصویر کردن گراف استفاده می کند تا دقت شناسایی بیشتر شود و شکفیت آوا شنودی صدا بالاتر رود.
هم اکنون در برخی از شرکت های اروپایی و آمریکایی از این مدل تشخیص هویت استفاده می کنند زیرا در این مدل دیگر احتیاج به حضور فیزیکی نیست و به راحتی کاربر می تواند با فرستادن صدای خود حتی از طریق اینترنت هویت خود را نشان داده و از آرشیوهای محرمانه استفاده کند. البته تشخیص هویت اشخاص از طریق صدا نسبت به اثر انگشت یا اسکن چشم امنیت کمتری دارد.
برای کاستن از پارازیت‌ها و عوامل مزاحم، به عنوان ابزار ورودی از یک میکروفن با کیفیت خوب استفاده می‌شود. به بیان دیگر در این سیستم، صدا را بر پایه زمان (time) و دامنه (amplitude) ضبط می‌کند و پس از استاندارد کردن مقیاس زمانی، بسامدها و ارتفاع صوت با داده‌های مرجع مقایسه می‌شود.
از آنجا که سخن گفتن عملی پویا و قابل تغییر است حتی کوچک‌ترین عوامل مانند سرماخوردگی می‌تواند باعث تغییر صدا و پایین آمدن وضوح آن  شود. اما اینگونه عوامل روی چیزهایی مانند لهجه، تاکید روی کلمات یا سرعت کلام تقریبا تاثیری ندارند.

سیستم تصدیق گوینده

شمای کلی یک سیستم تصدیق گوینده در شکل 2 نمایش داده شده است.
سیگنال گفتار گوینده به عنوان ورودی به سیستم انتقال داده می شود. سپس پیش پردازش و نهایتا استخراج ویژگی ها بر روی آن اعمال می شود و به این ترتیب به یک فضای جدید منتقل می شود. ویژگی های استخراج شده از گفتار گوینده با مدل مرجع او مقایسه می شود.
عمل مقایسه به این صورت انجام می گیرد که میزان شباهت یا اختلاف این ویژگی ها با مدل مرجع به دست می آید. میزان شباهت به دست آمده با میزان آستانه مقایسه می شود و با توجه به این مقایسه خروجی سیستم مبنی بر تعلق یا عدم تعلق گفتار ورودی به گوینده ادعا شده مشخص می شود.
قـبــل از مـعــرفــی روش هــای پیـاده سـازی سیستـم، بـه بـررسـی نکـاتـی در طـراحـی سیستم‌های بازشناسی (اعم از تعیین هویت یا تصدیق هویت)  پرداخته می شود.
1- انتخاب ویژگی ها: برای استخراج ویژگی های گوینده بایستی چند عامل مد نظر قرار گیرد؛ از جمله: این ویژگی ها نبایستی به نویز محیط انتقال مانند کانال های مخابراتی حساس باشند، همچنین این ویژگی ها نبایستی به حالات روانی و فشار های محیط که گوینده در آن در حال صحبت کردن است وابسته باشد. در کل روش بهینه ای برای استخراج ویژگی ها وجود ندارد و معمولا از طریق تجربه این عمل صورت می گیرد.
لازم به ذکر است که در بازشناسی گوینده از ویژگی های دینامیک که بستگی زیادی به حالات گوینده دارد استفاده می شود، در صورتی که در روش های دیگر خصوصیات فـیــزیـکــی اسـتــاتـیــک و پــایــدار مــورد بــررســی قــرار مـی گـیـرنـد. بـنـابـرایـن یـک سـری محدودیت‌های ذاتی در مورد استفاده از این سیگنال ها وجود دارد. برای درک این محدودیت ها بایستی اطلاعات تمایزدهنده گوینده ها و نحوه قرار گرفتن آن ها در سیگنال گفتار مورد بررسی قرار گیرد. سیگنال گفتار از طریق حرکت اندام های تولید گفتار به وجود می آید و توسط حنجره و سیستم عـصـبـــی کـنـتـــرل مـــی‌شــود. بـنــابــرایــن‌دو‌مـنـبــع اطـلاعـات گـوینـده در سیگنـال صحبـت وجود دارد یـکــی مـربـوط بـه خصـوصیـات فیـزیکـی و سـاخـتـاری مـجـرای گـفـتار و دیگری اطلاعات کنترلی از مغز و ماهیچه های اندام گویایی است. این اطلاعات همراه با اطلاعاتی مربوط به هنگام حرکت دادن مفصل های اندام‌های تولید گفتار، وارد سیگنال صحبت می شود. در کل اطلاعات سـیـگنال گفتار را به دو دسته سطح بالا (مانند: لحن، محتوای گفتار و استیل گفتار یعنی طریقه اسـتـفـاده گـرامری و نحوی از کلمات) و سطح پایین (مانند خصوصیات سیگنال گفتار از قبیل دامـنـه طیف، پهنای باند و خصوصیات تناوبی گفتار واکدار) تقسیم بندی می کنند. اطلاعات سـطـح بـالا عـمـلا در بـازشناسی گوینده توسط انـسـان کـاربرد داشته و در عوض سیستم های بـازشـنـاسـی گـویـنـده اتـومـاتـیک از ویژگی های سطح پایین سیگنال استفاده می شود.
2- مـدل هـای گـویـنـدگان: در سیستم های بــازشـنــاســی گـویـنـده، مـدل هـر گـویـنـده شـامـل خصوصیات آماری او است. معمولا در مدل های گویندگان از یکی از دو مدل پارامتری (مانند مدل گــوســی) و غـیــر پــارامـتـری (مـاننـد مـدل مـراکـز خوشه‌ها یا حالات چند گانه) استفاده می شود.
3- طـول گفتار آموزشی: که با افزایش این زمان نتایج مطلوب تری حاصل می شود.
4- انتخاب گفتار مناسب: پیشنهاد می شود سکوت وبخش های غیر گفتاری حذف شود. هـمـچـنـیـن گـفـتـارهـای کـم انـرژی در تمایز بین گوینده ها کم اثر بوده و پیشنهاد می شود که از اطلاعات مدل حذف شوند.
5-محیط نویزی: نویز پشت زمینه یک مشکل عمومی است و بهتر است برای تخمین آن از نویز پشت زمینه در زمان سکوت استفاده و با اعمال آن به مدل،‌تخمینی از مدل بدون نویز به دست آید.
6-تـنـوع گـوینده: اغلب سیگنال گفتار یک شخص در حالت های خوشحالی، ناراحتی و خستگی متفاوت و به این ترتیب کارایی سیستم را کاهش می دهند.بنابراین خصوصیات آماری یک فرد ثابت نیست.

روش های بازشناسی گفتار

1-    روش پیچش زمانی Dynamic Time Warping: این روش زمانی مناسب است که تعداد افراد مورد بررسی کم باشند. اساس این روش بر پایه الگوریتم برنامه ریزی پویا و روش تطبیق الگو است.
2- روش مــدل مـخـفــی مـارکـوف (Hidden Markov Model): ایـن روشـی بـرای مدلسازی آماری فضای صوتی اکوستیکی گوینده است. این مدل نسبت به مدل DTW کارا تر است.
3- روش شبکه های عصبی
4- روش فازی

 

تشخیص از روی امضا

روش شناسایی از روی امضا، حالت نوشتن کاربر را تحلیل می‌کند.
در این روش حالت حرکت قلم در جهت‌های x و y و همچنین چگونگی تغییر فشار قلم بررسی می‌شود.
برای این کار از حس‌گرهای حرکت و فشار استفاده می‌شود که یا زیر کاغذ یا درون قلم هستند.
همان‌گونه که گفته شد این حس‌گر، فشار، جهت حرکت و سرعت را به دست مـی‌آورنـد. سپس داده‌ها پردازش شده و یک بردار از روی آن ها ساخته می‌شود و داده‌های این بردار با داده‌های اصلی مقایسه می‌شوند.
روش‌های بازشناسی امضا به دو گروه عمده استاتیک (off-line) و دینامیک(on-line) تقسیم می‌شوند.
روش استاتیک که بر اساس روش اول است، امضا را به صورت یک تصویر دو بعدی در نظر می‌گیرد که محتوی هیچگونه اطلاعات وابسته به زمانی نیست. بر این اساس، خصوصیات استاتیک امضا که نامتغیر با زمان است، برای بازبینی امضا به‌کار می‌روند. در نتیجـه عمـل بـازشنـاسـی امضـا به یک فرایند بازشناسی الگوی عادی تبدیل می‌شود.با توجه با این نکته که تغییر در الگوی امضا امری اجتناب ناپذیر است، فرایند تصدیق و بازبینی امضا در این روش را مـی‌تـوان بـه تعییـن و تـرسیـم محـدوده تغییرات اصلی محدود کرد.
در مـقـابـل، روش دیـنـامـیـک از خـصوصیات دینامیک فرایند امضا کردن استفاده می‌کند. این روش شامل استخراج ویژگی‌هایی از اطلاعات ثــبــت شــده فــرایـنــد امـضــا و مـقــایـســه آن‌هــا بــا ویژگی‌های امضای مرجع است.

انواع جعل امضا

هـدف اصـلـی بـازبـیـنـی امـضـا، تـمـایز امضای اصلی از امضای جعل شده است.در واقع ابزارها و نتایج بازبینی به نوع امضای جعل شده بستگی پیدا می کند.
اولـیّـن نـوع جعل که جعل تصادفی نام دارد (شکل b)، در واقع هیچگونه اطلاعاتی راجع به امـضـای اصـلـی  یـا اسـم شـخـص حـقـیقی در بر نـداشـتـه و تـنـهـا نـمـونـه ای تـصـادفـی از شخص جــعـــل‌کـنـنــده اســت. نــوع دوم یــا جـعــل ســاده(شـکـل )c ، تـقـلـیـدی سـاده از طـرز شـکـل اسـم شخص اصلی است و نوع سوم یا جعل امضای تـخـصـصــی(شـکــل d)،تـقـلـیــدی هــوشمنـدانـه و مناسب از امضای شخص اصلی است.
هــرکــدام از روش هــای بـازبـیـنـی  off-line و in-line ، برای گونه خاصی از انواع جعل مناسب است‌. روش های off-line به طور معمول برای جعل امضاهای تصادفی و ساده به کار می روند ، چرا که این روش ها غالبا با فاکتورهای مربوط به شکل و قالب بندی امضا سر وکار دارند و به علت فـقــدان اطــلاعــات زمــانــی و عــدم تــوانــایــی در مـدلسـازی خـط سیـر دسـت نـوشتـه، تمـایـز بین امضـای اصلـی و جعـل هـای تخصصـی در این روش مشکل است.
در مـقــابــل بــرای بــازبـیـنــی جـعــل امضـاهـای تخصصی، که از نظر ظاهری بسیار شبیه امضای اصــلــــی هــســتــنــــد، روش هــــای on-line کـــه از اطلاعات زمانی امضا نیز بهره می برند مناسب هستند.

روش های استاتیک و دینامیک

بازشناسی امضا

از میان روش های off-line که برای بازبینی امضا به کار می روند، می توان به موارد زیر اشاره کرد:
تبدیل های دوبعدی، هیستوگرام اطلاعات جهت دار، بررسی انحنا، تصویرسازی افقی و عمودی رد امضا و محل یابی نقاط خاص در ساختمان امضا.
از روش های بازبینی دینامیک یا   on-line می‌توان به روش های زیر اشاره کرد:
طبقه بندی کننده های احتمالاتی، time warping، شبکه های عصبی(ANN)، مدل های مخفی مارکوف(HMM) ،روش های همبستگی سیگنال، روش های سلسله مراتبی ، فاصله های اقلیدسی و غیره.
در میان روش های مذکور، مدل های مخفی مارکوف(HMM) با نرخ خطای کمتر از 1% بهترین نتیجه را در پی داشته است.

ویژگی های موجود در یک امضا

ویـژگـی هـای مـوجـود در یک امضا را می توان به سه گروه ویژگی های عمومی، ویژگی‌های اطلاعاتی شبکه ای و ویژگی های ساختاری دسته بندی کرد.
ویژگی های عمومی، ویژگی هایی هستند که به طور کلاسیک در مسائل بازشناسی الگو به کار می روند. این ویژگی ها، پس از نرمالیزه سازی و شالوده بندی تصویر امضا مورد استفاده قرار می گیرند.نمونه ای از این ویژگی ها در ادامه آمده است.
مرکز جرم در راستای قائم، مرکز جرم در راستای افق، حداکثر طول تصویر عمودی، حداکثر طول تصویر افقی، پیک های تصویر عمودی(تعداد ماکزیمم های محلی موجود در تصـویـر عمـودی)، پیـک هـای تصـویـر افقـی، زوایـای خمیـدگی سراسری، زوایای خمیدگی محلی،تعداد نقاط لبه ای، تعداد نقاط گذر و تعداد حلقه های بسته.

مزایا ومعایب

می توان گفت که یک سیستم تشخیص هویت بیومتریک به چهار عامل زیر وابسته است :
‌مقبولیت در میان استفاده کنندگان
‌صحت
‌هزینه و زمان پیاده سازی
‌سطح امنیتی مورد نیاز
در این  میان روش بازشناسی امضا که در این قسمت مورد بررسی قرار گرفت ازمزیت مقبولیت گسترده در میان استفاده کنندگان بهره می برد که  این امر به تاریخچه طولانی استفاده از امضا به عنوان عامل اعتبار یک سند مربوط می شود. یکی دیگر از مزایای این روش ایـن اسـت کـه بیشتـر کـامپیـوتر های قابل حمل جــدیـد از ورودی هـای دسـت نـوشتـه ای بهـره مـی‌بـرنـد و بـنـابـر این نیاز به ابداع سیستم های ســخـــت افـــزاری جـــدیــدی بــرای جـمــع‌آوری اطلاعات نیست. در عین حال باید بیان کرد که سیستم های باز شناسی محدودی وجود دارند که نرخ صحت کافی به همراه بازده مناسب را فراهم می سازند . در هر حال با اینکه باز شناسی امـضـا یـکی از ایمن ترین روش های تشخیص هـویـت اسـت ، اسـتـفـاده از آن در فـعـالـیت های تجاری امروزه نیز مورد تایید است که دلیل اصلی هـمـخـوانـی ایـن روش بـا اصول قبلی تشخیص هویت پذیرفته شده در میان مردم است.

شناسایی از روی حالت تایپ کلیدها

شناسایی از روی چگونگی تایپ کلیدها یکی از تـازه‌تـریـن روش‌هـای شـنـاسـایـی بـیـومـتریک است و همانگونه که از نام آن بر می‌آید این روش حالت تایپ کلیدها را تحلیل می‌کند. برای این کار از کاربر خواسته می‌شود که یک گذر واژه یا یک متن مشخص را تایپ کند. سیستم با تحلیل فـاصـلـه‌هـای زمـانی هر کلید و میان کلیدها، به داده‌هایی می‌رسد و آن ها را به عنوان داده‌های مـرجـع ذخـیـره مـی‌کـنـد. بـرای کار این سیستم، ورود دست کم هشت کاراکتر لازم است که البته ورود 12 کـاراکـتر و بیشتر توصیه می‌شود. این کــاراکـتــرهــا مــی‌تـوانـنـد در یـک تـا شـش رشـتـه متفـاوت مانند گذر واژه، نام کاربری یا آدرس پسـت الکتـرونیکـی (Email) بـاشند. برای بالاتر بــــردن دقــــت، ایــــن روش را بــــا فـنـــاوری‌هـــای فـراگیرنده ترکیب می‌کنند. یعنی هر چه کاربر بـیـشـتـر بـه سـیـسـتـم وارد شـود سـیـسـتـم با دقت بیشتری او را شناسایی می‌کند. به طور متوسط میزان خطای این روش سه درصد است.
هـمـچـنـیـن مـی‌تـوان بـا چـنـد پرسش کمکی، ایمنی را باز هم بالاتر برد. از آنجا که تنها، کاربر مـورد نـظـر ما پاسخ این پرسش‌ها را می‌داند و چـگونگی ورود اطلاعات از سوی او منحصر بخود او است، امنیت باز هم افزایش می‌یابد.

اسکن صورت

اسـکــن از صـورت  از مـوارد دیـگـر  تـفـاوت اساسی دارد در این روش نمونه به دست آمده باید  سه بعدی باشد برای این منظور از 3 دوربین که نسبت به هم زاویه 90 درجه می سازند یا از یک دوربین متحرک که به صورت یک نیم دایره که مرکز آن صورت شخص مورد نظـر قـرار گـرفته استفاده کرد و به وسیله نرم افزار مر بوطه یک تصویر سه بعدی به دست‌آورد در تصویر به دست آمده نقاط قرار‌گیری ابروها ، چشم ها، بینی، دهان ،چانه و طول چانه و پیشانی همچنین فاصله چشم ها و ابرو ها و … ثبت و سپس با نمونه های ذخیره شده مقایسه می شوند.
این روش به علت استفاده از سخت افزار و نرم افزارهای گران قیمت هزینه زیادی دارد ولی قابلیت اعتماد بالایی دارد. در این روش نیز مانند روش اسکن کف دست نیاز  به روز شدن اطلاعات وجود دارد.

روش های استخراج ویژگی از صورت

الـف(  خصـوصیـات ظـاهـری : مثـل اجـزاء چهره مانند چشم ها،بینی،حلقه ها و بافت‌های صورت.
ب) خصوصیات جبری :  تلقی شدن هر تصویر به صورت یک ماتریس و اعمال عملیات جبری و تبدیلات ریاضی روی آن
ج ) خصوصیات آماری نقاط تصویر : در نظر گرفتن خصوصیات استخراج شده از تصویر به صورت آماری و بردار

کارت های شناسایی بیومتریک

کارت های شناسایی بیومتریک یا Biometric ID Cards ترکیبی از کارت های شناسایی معمولی و یک یا چند مشخصه بیومتریک هستند. این کارت ها کاملا مورد اعتماد هستند و تقلب در آن ها و سوء استفاده از آن ها تقریبا غیر ممکن است. این کارت ها شامل نوع کارت ،مانند :کارت رانندگی، کارت ماشین و… هستند و سپس مشخصات دارنده کارت مانند :نام ، نام خانوادگی و … و یک عکس مربوط به دارنده کارت تمام مشخصات بعد از ورود به همراه اسکن عکس و تعیین پیکسل های عکس با توجه به یک الگوی مخصوص رمز گذاری که برای آن سازمان در نظر گرفته شده رمز گذاری شده و در قسمـت زیـر عکـس بـه صورت کد (bar code) ذخیره می شود، سپس هنگام تشخیص عکس و تمام مشخصات ثبت شده برروی کارت خوانده شـده و بـه وسیلـه الگـوی رمـز‌گـذاری بـرای آن سازمان رمز گذاری می شود و سپس bar code به وسیله دستگاه خوانده شده و رمز حاصل از آن با رمز به دست آمده از رمز گذاری مقایسه می شود و در صورت تطبیق هویت فرد تایید می شود.
در این روش چون هم رمز و هم مشخصات بر روی کـــارت ثــبــت مــی شــود دیـگــر نـیــازی بــه اطـلاعـات حـجـیـم نیست و فقط الگوهای رمز گذاری باید مشخص باشد و این در مقایسه با حـجـم بـسـیـار زیاد الگوهای ذخیره شده ناچیز اســـت. اگــر در ایــن کــارت هــا یــک مـشـخـصــه بیومتریک نیز مانند اثر انگشت ثبت شود نه تنها از قـانـونـی بـودن کـارت اطمینان حاصل می شود بـلـکـه از ایـنکه کارت به شخص تعلق دارد نیز می‌توان مطمئن شد.
در شـمـاره بـعـد کاربردهای دیگر بیومتریک مورد بحث و بررسی قرار می گیرد و در نهایت تمامی روش های ذکر شده مورد مقایسه قرار گـرفـتـه و نـقـاط ضـعـف و قوت هر کاربرد بیان می‌شود.

انواع شناسایی بیومتریک

شناسایی بیومتریک انواع مختلفی دارد‫. از جمله این روشها می‌توان به اسکن عنبیه، اسکن شبکیه، شناسایی چهره، شناسایی صوت، اثر انگشت و ترکیب دست اشاره کرد. این خصوصیات در هر شخص منحصر به فرد هستند و به همین خاطر در شمار موارد قابل قیاس در تشخیص هویت افراد قرار گرفته‌اند. در هر کدام از روشهای ذکر شده پردازش های خاصی بر روی اطلاعات ورودی انجام می‌شود که در اینجا به برخی از آنها اشاره می‌کنیم.

 

اسکن شبکیه

در این روش طرح مویرگ های پشت چشم (شبکیه) اسکن می شود. برای اسکن این قسمت از چشم نوری ویژه و به میزان مشخص به چشم کاربر تابانده می شود. برای بالا بردن دقت این عکسبرداری، چشم فرد باید در فاصله چند سانتی متری دستگاه اسکن شبکیه قرار داشته باشد. البته شناسایی افراد از این راه از روشهای غیرمعمول به حساب می‌آید.

 

شبکیه(Retina)

در این روش از سطح شبکیه تصویربرداری می شود و ساختار رگ‌های پشت شبکیه مورد پردازش قرار می گیرد. ساختار این رگ‌ها برای هر فرد با فرد دیگری، حتی در دو قلوهای همسان نیز فرق دارد. از آن جهت که امکان دسترسی به شبکیه وجود ندارد، این روش در مقایسه با روش های دیگر مانند اثر انگشت، عنبیه و … از امنیت بالاتری برخوردار است. بطور مثال در اثر انگشت می توان از لایه های پوست مصنوعی و در عنبیه از لنزهای خاص برای تقلب استفاده کرد، ولی امکان دسترسی به شبکیه برای تقلب وجود ندارد.

محدودیت های تصویربرداری همانند عنبیه است ولی با حساسیت کمتر. از طرفی به دلیل تابش نور اندکی به درون مردمک برای تصویربرداری این روش تا حدودی آزار دهنده است و مانع عمومیت یافتن آن شده  است.
این سیستم توانایی تشخیص هویت را دارد.

اسکن عنبیه

ساختار شکل گیری عنبیه از ماه سوم جنین آغاز و تا ماه هشتم کاملا تثبیت می گردد. ظاهر و ساختار ( Pattern ) پیچیده عنبیه به ما این امکان را می دهد تا ویژیگی های قابل قیاس زیادی از آن استخراج کنیم. تصویربرداری از سطح عنبیه کار چندان سختی نیست ولی نکات دردسر سازی دارد. مثلا اگر نور محیط تغییر کرده  باشد و یا زاویه چرخش چشم مناسب نباشد و همچنین اگر کنتراست، رزولوشن و فوکوس تصویر تغییر کرده  باشد، امکان خطا بسیار بالا می رود. این روش توانایی تشخیص هویت را نیز دارد.
عنبیه هر فرد از لحاظ رنگ و الگوی بافتی برای او منحصر به فرد و با افراد دیگر متفاوت است. بنابراین اسکن عنبیه افراد روش مناسبی برای شناسایی دقیق افراد محسوب می‌شود. برای این کار بخش های رنگی چشم فرد اسکن و مورد تحلیل قرار می گیرد.

تشخیص چهره( Face recognition)

انسان ها به طور معمول بیش از هر روش بیومتریکی از تشخیص چهره برای شناخت و شناسایی همدیگر استفاده می کنند.از چهره به چندین نحو مختلف به منظور بیومتریک استفاده می شود:
 ساختار هندسی چهره(Facial Geometry Recognition): در این شیوه مشخصات فیزیکی صورت مانند مکان چشم، بینی، لب، … و ارتباط بین آنها را تحلیل می کنند. تصاویر تهیه شده می توانند سه بعدی نیز باشنداین شیوه بسیار پرکاربردتر از بقیه متدهاست.

ساختار ظاهری پوست(Skin Pattern Recognition ): در این روش چین و چروک های صورت بررسی می‌شود. این ساختار همانند اثر انگشت در افراد مختلف متفاوت است.

مشخصه گرمایی صورت (Facial Thermogram): در این مدل توسط دوربین های مادون قرمز از صورت تصویربرداری می شود. نقاط مختلف صورت براساس میزان حرارت و دمایی که دارند در تصویر دیده می‌شوند(نقشه ای از سطح صورت تهیه می شود). از آنجا که تجمع رگ‌های زیر پوست صورت در هر فرد شکل متفاوتی دارد، تمایز رنگ بین نقاط مختلف صورت ثابت می ماند. به عنوان مثال در شکل 12 سمت چپ فرد حالت عادی دارد و در سمت راست حالت عصبی دارد، با این حال کاملا می توان مشاهده کرد که نقاطی که در تصویر سمت چپ قرمز تر از بقیه نقاط بودند باز هم در تصویر سمت راست قرمزتر از باقی نقاط هستنند. با این حال تمایز و اختلاف رنگ در نقشه صورت تغییر نکرده است. البته این سیستم به دلیل محدودیت‌های مختلفی که دارد چندان عمومیت نیافته است .
 لبخند(Smile): تفاوت بین چهره در حالت عادی و هنگامی که لبخند می زنیم را تحلیل می کنند.

شناسایی از طریق صدا

این نوع از شناسایی بیومتریک با توجه به صدا و لحن گفتار افراد در تلفظ عبارتی خاص، انجام می‌شود. البته در صورت وجود اختلال و صداهای اضافه هنگام ضبط صدا، دقت این روش در شناسایی صحیح کم می‌شود.

طرز حرکت (Gait)

این متد یکی از روش های جدید است که تا به  حال بطور رسمی از آن استفاده

نشده و مستلزم تحقیقات بیشتری است. این روش دقت بالایی ندارد و می تواند در مواردی که احتیاج به امنیت بالایی نیست، استفاده شود.
مهمترین مزیت این روش اینست که می توانند از فاصله غیر نزدیک هویت فرد را تشخیص دهند( مانند تصاویر در شبکه دوربین های مدار بسته) در حالیکه بقیه متدهای بیومتریک مانند اثر انگشت احتیاج به همکاری شخص و نزدیک بودن او برای ضبط اطلاعات می باشد. در این سیستم نحوه تحرک اندام های مختلف بدن هنگام راه رفتن بررسی و تحلیل می گردد.

طرز راه رفتن یکی از اعمال رفتاری است و امکان دارد در گذر زمان تغییر یابد. از طرفی از آنجا که برای پردازش این روش احتیاج به پردازش بر روی تصاویر ویدیویی است، روشی با پردازش سنگین و در نتیجه گرانقیمت است. به همین دلایل این روش اصلا رایج نشده است.

گوش(Ear)

از گوش به دو شکل برای تشخیص هویت استفاده می شود:
 شکل و ساختار لاله گوش در افراد مختلف متفاوت است.
اکوی صدای خروجی از کانال گوش برای هر فرد با فرد دیگری متفاوت است.
تا به حال این روش کارایی زیاد و قابل اعتمادی برای تشخیص هویت نداشته است و مواردی اندک برای تایید هویت از آن استفاده شده است.

 

ورید و رگ‌ها (Vein & Vascular Patterns)

در این روش از رگ های زیر پوست فرد تصویر تهیه می شود و ساختار آنها مورد پردازش و تحلیل قرار می گیرند. ساختار این رگ‌ها برای افراد مختلف منحصربفرد است. روش های مختلفی برای تصویربرداری وجود دارد که معمول ترین آنها دوربین های مادون قرمز و سنسورهای حرارتی لمسی مادون قرمز است.

 

لب ها (Lips)

تا به حال این نوع از بیومتریک پیشرفت و کاربرد خاصی نیافته است. از لب به عنوان بیومتریک به یکی از سه طریق زیر استفاده می شود :
 اثر لب (Lips Print) : همانند اثر انگشت است با این تفاوت که اثر لب را ثبت می¬کنند. لب نیز همانند انگشت دارای منحنی ها و خط و خطوط مختص به هر فرد است. این روش تا حد زیادی قابل اعتماد است.
 نحوه تحرک لب ها(Lips Movement): این روش همانند Gait یک روش رفتاری است و در تشخیص گوینده به ما کمک می کند؟ روش دقیقی نیست و می تواند تنها برای تایید هویت استفاده شود.
 شکل لب ها(Lips Shape): می تواند برای تایید هویت به  کار رود و مرسوم نیست.

تشخیص دو بعدی چهره

در هر چهره مشخصات چانه، دهان، بینی، چشم و پیشانی، منحصر به فرد هستند. اما برای تشخیص هویت از روی چهره برخی عوامل مانند ریش و سبیل، عینک و زاویه تابش نور، کار را دشوار می‏کنند. از همین رو، سیستم ما باید این اطلاعات قابل تغییر را حذف کرده و روی ویژگی‏های ثابت هر چهره متمرکز شود.

در روش نخست، ویژگی‏های کلیدی چهره با کمک گراف به دست می‏آید.برای این‏کار یک شبکه روی چهره قرار می‏گیرد. سپس نقاط تلاقی این شبکه که روی نقاط کلیدی چهره مانند چشم‏ها، انحنای لب یا نوک بینی قرار گرفته‏اند ثبت می‏شوند. این نقاط یک شبکه الاستیکی با نسبت‏های ثابت می‏سازند. این تناسب‏ها حتی با تغییر حالت چهره یا موقعیت دوربین نیز ثابت می‏مانند. درون عکس‏های گرفته شده از چهره شخص می‏توان این نقاط را پیدا کرد. در پایان، سیستم با مقایسه مشخصات به دست آمده با مشخصاتی که از پیش ذخیره شده در باره شخص داوری می‏کند.
در روش دوم تلاش می‏شود تا عکس اسکن شده صورت با اطلاعات پایه‏ای از قبل ذخیره شده مطابقت داده شود.برداری که در پایان به دست می‏آید، ملاک خوبی برای شناسایی چهره است.
افزون بر این، باید هنگام پردازش به حالت چهره (شاد، غمگین و …) نیز توجه داشت برای رسیدن به یک نتیجه قابل اطمینان در تشخیص چهره، دو روش وجود دارد:

1- Elastic Graph Matching
2- Eigen- Faces

تشخیص سه بعدی چهره

برخلاف روش تشخیص دو بعدی، روش سه بعدی به تجهیزات بسیار پیچیده‏تری نیاز دارد. در این روش، انحراف داده‏های ورودی از داده‏های ذخیره شده زیادتر است و روش‏ با دقت بیشتری عمل می‏کند.

 روش تشخیص سه بعدی چهره از یک چشمه نور مادون قرمز و یک اسکنر به عنوان دریافت کننده استفاده می‏کند. فرستنده شبکه‏ای از نورهای مادون قرمز که برای انسان قابل رویت نیست را روی صورت شخص می‏تاباند. سپس یک اسکنر ویژه پرتوهای بازتاب را دریافت کرده و اطلاعات تصویر را پردازش می‏کند. دریافت بازتاب و تصویربرداری با سرعت ۲۵ فریم در ثانیه انجام می‏گیرد.

برتری روش سه بعدی در همین سرعت بالای شناسایی و عدم وابستگی به حرکت و جا به جایی صورت است.
شناسایی فرد حدود ۲ تا ۳ ثانیه طول میکشد.
انتقال و نصب سیستم تصویربرداری هم بسیار ساده است. زاویه دید سیستم چندان مهم نیست. همچنین آینه‏ای شدن یا نورپردازی نامناسب تاثیری در این شیوه ندارد. همچنین عملیات آن برای اشخاص ساده بوده و کاملاً پذیرفتنی است. سیستم برای شناسایی دقیق اشخاص، برای هر نفر برداری‏های سه بعدی می‏سازد.

ناخن(Nail)

این متد کاملا جدید است و تحقیقات گسترده ای روی آن صورت نگرفته است. از ناخن به دو شکل برای بیومتریک استفاده می¬کنند:
 رشته های گوشت زیر ناخن(Nail Bed): اگر در ابعاد میکروسکوپی به سطح نرم زیر ناخن نگاه کنیم، در می‌یابیم این سطح دارای برآمدگی هایی موازی و رشته  مانند است. این قسمت شامل مویرگ‌ها، اعصاب و …است (شکل 16).در طول سن این برآمدگی ها یا رشد طولی دارند یا پهن تر می گردند ولی در هرحال وجود دارند. ادعا می شود که ساختار و شکل این رشته ها همانند اثر انگشت و عنبیه در افراد مختلف، متفاوت است.
 Nail RFID: این روش بسیار به ندرت استفاده شده است. در این روش یک میکرو چیپ RFID بر روی سطح ناخن قرار می گیرد و میزان خاصیت خازنی بین سطح بالایی ناخن و سطح گوشت را می سنجد. این میزان خازن برای هر فرد منحصربفرد است.

طیف الکترو مغناطیسی پوست(Skin Spectrum)

در این روش توسط دیودهای نوری (LED) به سطح پوست یک سری نور خالص با طول موج های مختلف می‌تابانند وتوسط تعدادی فتو دیود(photo diode) میزان شدت موج برگشتی از سطح پوست را ثبت و سپس اطلاعات را تحلیل می کنند. میزان جذب و انعکاس نور (به طور کلی هر موجی متناسب با طول موجش) توسط پوست هر فرد متفاوت با دیگران است و این مطلب اساس روش مذکور است.

تار مو:

محققان دانشگاه کوئینزلند اعلام کردند با ابداع سیستمی امکان تشخیص هویت افراد مجرم یا قربانیان صحنه‌های جرم را با استفاده از یک رشته موی انسان ممکن ساخته‌اند.

به گزارش خبرگزاری مهر، دانشمندان دانشگاه کوئینزلند با استفاده از تکنولوژی طیف نگاری شبه مادون قرمز ابزاری قابل حمل تولید کرده اند که می‌تواند به عنوان ابزار تشخیص هویتی سریع در تحلیلهای جنایی مورد استفاده قرار گیرد.

به گفته دانشمندان این ابزار عملکردی متفاوت از تحلیل دی ان ای داشته و می‌تواند در هنگام وقوع حوادث مختلف بسیار موثر واقع شود زیرا موی انسان در شرایط نامساعد محیطی مقاومت بالایی از خود نشان می‌دهد در حالی که دی ان ای در چنین شرایطی به سرعت نابود می‌شود.

در گذشته امکان استفاده از طیف نگاری شبه مادون قرمز برای تحلیل یک رشته از موی انسان به اثبات رسیده بود اما تجهیزات کافی برای استفاده از آن در محیطهای نامساعد وجود نداشت. سیستم جدید حتی قادر است مو با رنگ طبیعی را از مویی که با استفاده از رنگهای مختلف پوشش داده شده است را از هم تمیز دهد.

این سیستم جدید می‌تواند خصوصیات مختلف تار مو و مالک آن را تنها با در اختیار داشتن یک قطعه کوچک از موی انسان تعیین کند و سپس اطلاعات به دست آمده را با کمک شیوه‌های تخصصی محاسبه‌ای با خصوصیات نمونه‌های موی انسان که در گذشته جمع آوری شده است مطابقت دهد. در این شرایط اطلاعاتی از قبیل جنسیت فرد، امکان استفاده از مواد شیمیایی در مو و رنگ طبیعی مو تعیین خواهد شد.

بر اساس گزارش زی نیوز، سیستم جدید طیف نگار همچنین می‌تواند قربانیان بلایای طبیعی از جمله طوفانها و سونامی را که موی آنها در میان آب قرار گرفته است را از دیگر افراد تشخیص دهد.

 

DNA

بدون شک Deoxyribonucleic Acid یکی از مطمئن‌ترین روش های تایید هویت است.
DNA، کدی یک بعدی و منحصر به هر فرد است. در حالیکه این روش دقیق ترین شکل بیومتریک است ولی از آن در تامین امنیت شبکه ها و اماکن و… استفاده نمی شود، زیرا این روش اصلا سریع نیست و همچنین تا به حال فرایندی اتوماتیک و مقرون به صرفه برای آن معرفی نشده  است ( فرایند به  دست آوردن این کد، احتیاج به ابزار و مواد شیمیایی خاصی دارد).
البته ساختار DNA در دوقلوها تا حد زیادی شبیه است و در دوقلوهای همسان کاملا یکسان است و عیب بزرگی برای این متد است ولی از دقت و صحت این روش در تشخیص هویت نمی کاهد.

نمایشگر دمای نقاط بدن (Infrared thermogram)

نقاط مختلف یک جسم یا بدن بر اساس نوع و میزان حرارتش امواج مادون قرمز تابش می کند. این روش یک روش کلی برای بدست آوردن اطلاعات تصویر است و می تواند برای تصویربرداری در خیلی از فیلدهای اشاره شده در بالا مانند اثرانگشت، کف دست، رگ‌های زیر پوست، گوش و … به  کار رود.
در این روش ها الگوی حرارتی تابش شده از صورت فرد، دست ها و یا حتی رگ‌های فرد را به کمک یک دوبین مادون قرمز ضبط و سپس پردازش مناسب را انجام می دهند. این الگوها برای هر فرد منحصر به او می باشد. به دست آوردن این نوع اطلاعات خام از افراد مشکل نیست ولی دقت در تصویربرداری مشکل خواهد بود. چرا که، اگر فرد در محیطی با یک منبع حرارتی قوی باشد و یا در دستش یک فنجان چای گرم باشد، تمامی محاسبات اشتباه می شوند. از این رو برای استفاده از این شکل بیومتریک، اتاقک های مخصوصی در نظر می گیرند که یقینا سبب صرف وقت، هزینه، و همچنین عدم راحتی کاربر می شود.

روش های دیگر

در این قسمت روش های غیر متداول و تحت مطالعه را فقط نام می بریم:
 سیگنال قلبی و خون (electrocardiogram)
 عطر و بو مربوط به هر فرد (odour)
 انعکاس صوت در مغز (Reflection of acoustic waves in the head)
 مقاوت الکتریکی پوست (Skin impedance)
 شکل ظاهری دست مشت شده (Knuckle creases Articulations)
 چین خوردگی های پوست انگشت (Finger wrinkles)
 چگونگی در دست گرفتن اجسام (Dynamic Grip Recognition)
 صدای منتقل شده از استخوان های انگشت پس از تحریک یک پالس صوتی
(Bone sound transmission)
 موج مغناطیسی منتشر شده از انسان(Bioelectric field)
 نحوه رد گیری چشم (Eye movement tracking)
 توپوگرافی سطح قرنیه (Corneal surface topography)
 شکل سه بعدی انگشت (3D Finger surface)
 طیف حاصل از سیگنال های مغزیEEG
 شکل سینوس های جلویی سر (Frontal Sinus Recognition)

 

شناسایی از روی تپش‏های قلب

پژوهشگران دانشگاه ویسکانسین – مادیسون یک روش بیومتریک تازه برای شناسایی افراد پیدا کرده‏اند. این پژوهشگران تپش‏های قلب را مبنای کار خود قرار داده‏اند. آنها دریافته‏اند که هر قلب الگوی یکتای خود را برای تپش دارد.
آنها از این کشف برای ساختن یک روش بیومتریک برای شناسایی افراد استفاده کرده‏اند. تقریباً مانند همه روش‏های بیومتریک، سیستم نخست یک الگو از تپش قلب می‏سازد. برای این کار از ویژگی‏های خاص که با حسگرهای متعارف مانندECG جمع‏آوری می‏شوند، استفاده می‏شود

هر قلب الگوی یکتای خود را برای تپش دارد.
سپس داده‏های کلیدی کاردیوگرام برای مقایسه بعدی در بانک اطلاعاتی ذخیره می‏شود. برای هر چه بالاتر بردن ضریب اطمینان این روش، عملیات pre-processing و pre-screening اهمیت ویژه‏ای دارند. در این مرحله، تپش‏های قلب به گونه‏ای فیلتر شده و در مورد پردازش قرار می‏گیرد که بتوان داده‏های حاصل را در یک بانک اطلاعاتی ذخیره کرد. البته این روش هنوز دقت و اطمینان کافی را ندارد و هنوز در آغاز راه خود است. اما همه این پژوهش‏گران مطمئن هستند که شناسایی از روی تپش‏های قلب کاملاً شدنی است.

شناسایی از روی دندانها

به گزارش خبرگزاری فرانسه از شیکاگو، “ایکو کاسوج” دندان‌پزشک و پرتوشناس دانشکده دندان‌پزشکی کاناگاوا در ژاپن و سرپرست این تحقیق می‌گوید این ابزار رایانه‌ای تصاویر دندانهای قربانیان را اسکن می‌کند و با تصاویر دندان‌های افراد مجهول الهویه مطابقت می‌دهد.
زمانی که تعداد زیادی از افراد در یک فاجعه مثل زلزله، سقوط هواپیما یا حمله جان می‌سپارند، کارشناسان آنها را یکی یکی از طریق شناسایی بدن آنها و با مقایسه دندانهای آنها با تصاویر رادیوگرافی یا قالب دندانی که دندان‌پزشکان قربانیان ارایه کرده‌اند شناسایی می‌کنند.
اما این فرایند می‌تواند هفته‌ها به طول انجامد و کاملا مطمئن نیست.
سامانه جدید می‌تواند بطور خودکار تصویر دندانهای فرد قربانی را با پرونده‌های دندان‌پزشکی مقایسه کند و کمتر از چهار ثانیه مشخص کند تصویر متعلق به کدام پرونده است. این کار زحمت کارشناسان پزشکی قانونی را تا ‪۹۵ درصد کمتر کند.
در این سامانه از یک شیوه بسیار دقیق تطبیق تصویر به نام
“‪ “Phase only Correlationاستفاده شده است.
این سامانه جدید در نشست سالیانه انجمن پرتوشناسی شمال آمریکا در شیکاگو ارایه شد.

 

شناسایی از طریق نانوذراتی

گروهی از محققان دانشگاه ایالتی میشیگان به رهبری دکتر ژوئفی هوآنگ با استفاده از نانوذراتی که برای تشخیص مولکول‌های خاص متصل‌شونده به قند در سطح سلول ها طراحی شده‌اند، فرایندی توسعه داده‌اند که از تصویربرداری تشدید مغناطیسی (MRI) برای رمزگشایی کدهای مبتنی بر قند که نشان‌دهنده نوع سلول‌های سرطانی و سالم است، بهره می‌برد.

این پژوهشگران کار خود را با سنتز مجموعه‌ای از نانوذرات مغناطیسی که هر یک با نوع متفاوتی از مولکول‌های قند پوشانده شده بود، آغاز کردند. هر یک از سلول‌های پستانداران روی سطح خود مجموعه‌ای از گیرنده‌های متصل‌شونده به قند به نام لکتین‌ها دارند و هر لکتین تمایل خاصی به یک یاچند نوع قند از خود نشان می‌دهد.

گروه تحقیقاتی دکتر هوآنگ با بهره‌گیری از چندین نانوذره که هر یک با نوع متفاوتی از مولکول‌های قند پوشانده شده بودند، توانستند یک امضای اتصال به قند را که ویژگی هر نوع خاص از سلول‌هاست، شناسایی کنند. چون این نانوذرات به شدت مغناطیسی هستند، به‌راحتی با استفاده از تصویربرداری تشدید مغناطیسی (MRI) شناسایی می‌شوند؛ در ضمن هر نانوذره سیگنال MRI خاص خود را دارد.

این دانشمندان با استفاده از ۵ نانوذره مغناطیسی روکش‌دهی شده با مولکول‌های مختلفِ قند، توانایی خود را در تشخیص میان ۱۰ نوع سلول مختلف بررسی کردند. آنها نشان دادند که با استفاده از یک روش ریاضی به نام آنالیز تشخیص خطی (linear discriminant ana Lysis می‌توانند با بررسی سیگنال‌های ترکیبی MRI که توسط هر نانوذره تولید می‌شود، هر ۱۰ نوع سلول مختلف را تشخیص دهند.

این روش نه تنها می‌تواند سلول های بدخیم و سالم را از هم تشخیص دهد، بلکه این قابلیت را دارد که میان سلول‌های سرطانی بسیار شبیه هم که با استفاده از روش های مبتنی بر آنالیز کیفی ترکیب قند یا پروتئین خود قابل تشخیص نیستند، تمایز قائل شود.

نتیجه :

زیست‌سنجی در واقع علمی‌ است که در زمینه تشخیص هویت از ویژگی‌های حیاتی و مشخصات ذاتی منحصربه‌فرد وابسته به هر فرد استفاده می‌کند.

 

در‌ این میان امروزه فناوری‌های بیومتریک مختلفی همچون شناسایی با اثر انگشت، عنبیه یا شبکیه، هندسه دست و… مورد استفاده گسترده قرار گرفته‌اند و به نظر می‌رسد تشخیص هویت با استفاده از رگ‌های پشت دست جدیدترین روش زیست‌سنجی است که پژوهشگران کشورمان در دانشکده فیزیک و مهندسی هسته‌ای دانشگاه صنعتی امیرکبیر موفقیت‌هایی در زمینه آن کسب کرده‌اند.

زیست‌سنجی، روش خودکار تشخیص هویت افراد بر اساس خصوصیات زیستی یا رفتاری آنهاست. از جمله ‌این خصوصیات می‌توان به اثر انگشت، تصویر چهره، هندسه دست، عنبیه، شبکیه، رگ‌های دست و… اشاره کرد.

 

فناوری زیست‌سنجی در واقع روش‌های بسیار ‌ایمن شناسایی یا تایید هویت خودکار با استفاده از ویژگی‌های زیست‌سنجی افراد است. در ‌این سیستم‌ها دو گزینه تایید و تعیین هویت مطرح است.

تایید هویت در واقع پاسخ به ‌این سوال است که «آیا او همان فردی است که ادعا می‌کند؟» در ‌اینجا مشخصات زیست‌سنجی هر فرد با اطلاعات ثبت شده هویت مورد ادعای او مقایسه می‌شود، لذا تایید هویت یک مقایسه 1:1 نامیده می‌شود.

 

اما تعیین هویت، پاسخ به ‌این سوال است که «او چه کسی است؟» به علت مقایسه داده‌های فرد با کل اطلاعات بانک، به تعیین هویت مقایسه 1: N اطلاق می‌شود. به‌طور کلی سیستم‌های تایید هویت سریع‌تر و صحیح‌تر از سیستم‌های تعیین هویت هستند، چرا که به‌جای هزاران مقایسه در برابر داده ورودی برای سیستم تعیین هویت، فقط به مقایسه داده‌های شخص مدعی با داده‌های شخص مورد ادعا در سیستم تایید هویتنیاز است.

منابع:
1- ایــوب دلـیــری، امـیــن عـصـاره، احـمـدرضـا رضایی، یاسر شکفته، سجاد جعفری،biometric، بـانـک اطـلاعات سایت جامع مهندسی پزشکی دزفــول، سـمـیـنــار گــروهــی کــارشـنــاســی ارشــد، دانـشـگــاه صنعتـی امیـرکبیـر، دانشکـده مهنـدسـی پزشکی، 1385.
2- علی امیری ، محمود فتحی ، رئوف طاهری – ارائه یک رهیافت جدید برای تشخیص هویت افـــراد از روی راه رفــتـــن بـــر مــبــنـــای الـگــوریـتــم DTWاصـــلاح شـــده و مــجــمـــوعـــه هــای فــازی- چـهـارمـیـن کـنـفـرانـس مـاشـیـن بـینایی و پردازش تصویر ایران-1385.
3- هاتف مهرابیان، تشخیص هویت بر مبنای تحلیل تصاویرعنبیه چشم،پایان نامه کارشناسی مهندسی برق-گرایش کنترل 1385.
4- مژگان سبحانی، بیومتریک
5- ماهنامه رایانه شماره191

متولد آذر 1369. کارشناس بهداشت حرفه ای ناپیوسته از دانشگاه کرمانشاه می باشم. باتوجه به پراکندگی موضوعات تصمیم به راه اندازی این سایت گرفته ام و در این راستا به یاری همه مهندسین نیازمندم. انشا... بتونیم به کمک همه، سایت پر محتوایی برای همکاران داشته باشیم.
با عضویت در خبرنامه ایمیلی جدیدترین مطالب را در ایمیل تان دریافت کنید. اعضاء خبرنامه و صفحات اجتماعی ACGIH از امکانات ویژه ای برخوردار خواهند شد !!! تعداد افراد فیدبرنر
0 پاسخ

دیدگاه خود را ثبت کنید

تمایل دارید در گفتگوها شرکت کنید؟
در گفتگو ها شرکت کنید.

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

معادله را حل کنید *