Parmak Eklem Izine Dayalı Biyometrik Kimliklendirme


MAKUL Ö., EKİNCİ M.

22. Sinyal İşleme ve İletişim Uygulamaları Kurultayı (SİU2014), Trabzon, Turkey, 23 - 25 April 2014, pp.1881-1884

  • Publication Type: Conference Paper / Full Text
  • City: Trabzon
  • Country: Turkey
  • Page Numbers: pp.1881-1884
  • Karadeniz Technical University Affiliated: Yes

Abstract

This paper presents a pattern recognition approach which is developed for biometric identification using individual’s knuckle prints. In this approach, initially palm images are segmented with active appearance models and regions of interest (knuckle prints) are extracted with using analytical processing. Afterwards, the patterns of knuckle prints are extracted by combining these regions. First, discrete wavelet transform are applied to transform to the spectral domain for feature extraction, then by using nonlinear Kernel Fisher Discriminant method most discriminative features are obtained. Weighted Euclidean distance based nearest neighbor method is utilized for classification. Finally, the proposed method is tested on 1614 hand images which belong 132 different persons. Obtained results (%97 accuracy rate for 132 persons) demonstrate proposed method’s success, they are promising for the future.

Bu çalışmada, kişilerin parmak eklem izlerine göre biyometrik kimliklendirilmesi amacıyla geliştirilen bir örüntü tanıma yaklaşımı sunulmaktadır. Bu yaklaşımda ilk olarak avuç görüntüleri, aktif görünüş modeli ile bölütlenmekte ve analitik işlemlerle ilgi bölgeleri (parmak eklem izleri) çıkartılmaktadır. Daha sonra, bu bölgelerin birleştirilmesiyle parmak eklem izleri örüntüsü oluşturulmaktadır. Özellik çıkartma amacıyla önce Dalgacık dönüşümü uygulanarak dalgacık domenine geçilmekte, ardından doğrusal olmayan Çekirdek Fisher Ayırtacı (ÇFA) yöntemi ile kişileri en iyi ayırt edecek özellikler elde edilmektedir. Sınıflandırma işlemi için Ağırlıklandırılmış Öklit uzaklığına dayalı en yakın komşuluk yönteminden faydalanılmaktadır. Önerilen yöntem, temassız sistemle alınan 132 farklı kişiye ait 1614 adet el görüntüsü üzerinde denenmiştir. Elde edilen sonuçlar (132 kişi için %97 doğru tanıma oranı) önerilen yöntemin başarısını gözler önüne sermekte olup, gelecek için ümit vericidir