A simple approach for biometrics: Finger-knuckle prints recognition based on a Sobel filter and similarity measures
تقترح هذه الورقة طريقة سريعة وفعالة للتعرف على بصمة مفاصل الأصابع تستخدم مرشح سوبل (Sobel filter) والحد من الضوضاء لإنشاء صور ثنائية للمقارنة عبر مقاييس التشابه، محققةً معدل إيجابي حقيقي يصل إلى 17.02% على مجموعة بيانات كبيرة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أن لديك "بصمة" فريدة ليست على طرف إصبعك، بل على مفاصل الإصبع (المنطقة التي ينثني عندها الإصبع). تماماً مثل بصمة الإصبع، فإن الجلد على مفصل الإصبع له نمط محدد من الخطوط والوديان لا يملكه أحد غيرك. تقترح هذه الورقة البحثية طريقة بسيطة وسريعة وذكية للتعرف على الأشخاص باستخدام أنماط مفاصل الأصابع هذه.
إليك تفصيل طريقتهم، مشروحة بتشبيهات من الحياة اليومية:
الهدف: فحص هوية بسيط
معظم الأنظمة الأمنية تشبه الخزائن المعقدة وعالية التقنية التي تستغرق وقتاً طويلاً لفتحها. أراد المؤلفون بناء نسخة "قفل دراجة هوائية" من الأمن البيومتري: بسيطة، سريعة، وفعالة. أرادوا معرفة ما إذا كان بإمكانهم التعرف على شخص ما بمجرد النظر إلى صورة لمفصل إصبعه، دون الحاجة إلى معالجة حاسوبية ضخمة.
الخطوة 1: كشاف "الظل والضوء" (كشف الحواف)
عندما تلتقط صورة لمفصل الإصبع، فإنها تكون مجرد صورة مسطحة. ولإيجاد الخطوط الفريدة، استخدم الباحثون أداة رقمية تسمى مرشح سوبل (Sobel filter).
فكر في هذا الأمر كأنك تسلط كشافين مختلفين على جدار ذي ملمس بارز:
- ضوء "الظل": يسلط الضوء من جانب واحد، مما يجعل الوديان العميقة تلقي بظلال طويلة.
- ضوء "النور": يسلط الضوء من الجانب الآخر، مما يبرز النتوءات التي تلتقط الضوء.
من خلال القيام بذلك، لا يرى الكمبيوتر مجرد صورة؛ بل يرى خريطة لـ "الوديان" و"النتوءات" الموجودة في الجلد. والنتيجة هي صورة باللونين الأبيض والأسود حيث تكون الخطوط المهمة بيضاء، والخلفية سوداء.
الخطوة 2: "مكنسة الغبار" (تقليل الضجيج)
عندما تستخدم تلك الكشافات الرقمية، قد تحصل أحياناً على "تشويش" أو "غبار" — وهي نقاط بيضاء صغيرة وعشوائية ليست جزءاً من نمط المفصل. هذه تعتبر أخطاءً.
استخدم الباحثون خوارزمية "تقليل الضجيج"، والتي تعمل مثل مكنسة الغبار. فهي تنظر إلى كل نقطة في الصورة؛ فإذا كانت هناك نقطة بيضاء وحيدة (مثل قطعة غبار)، تقوم المكنسة بإزالتها. أما إذا كانت مجموعة من النقاط البيضاء متجمعة معاً (مثل خط حقيقي على المفصل)، فإن المكنسة تتركها كما هي. هذا ينظف الصورة حتى لا يرتبك الكمبيوتر بسبب النقاط العشوائية.
الخطوة 3: "القص" (استخراج منطقة الاهتمام)
بعد تنظيف الصورة، هم لا يحتاجون إلى الصورة بأكملها. يحتاجون فقط إلى الجزء المحدد الذي يحتوي على مفصل الإصبع. يقومون بقص "ملصق" مستطيل (يسمى منطقة الاهتمام - ROI) يحتوي فقط على نمط المفصل، مستبعدين بقية الإصبع.
الخطوة 4: "لعبة المطابقة" (مقاييس التشابه)
الآن، أصبح لدى النظام "ملصق" نظيف وباللونين الأبيض والأسود لمفصل إصبعك. ليرى ما إذا كان يتطابق مع شخص ما في قاعدة البيانات، يجب عليه مقارنة ملصقك مقابل آلاف الملصقات الأخرى.
اختبرت الورقة ثلاث طرق مختلفة للعب هذه اللعبة:
- "العد بكسل مقابل بكسل" (المتوسط المطلق): يشبه هذا التحقق مما إذا كانت قطعتي الأحجية (البازل) متطابقتين تماماً. إذا كانت هناك نقطة واحدة صغيرة في المكان الخاطئ، فسيتم اعتبارها عدم تطابق. وجد المؤلفون أن هذا الأسلوب كان صارماً للغاية؛ لأنه لم يهتم بالشكل العام، بل ركز فقط على الموقع الدقيق.
- سيناريو "الحالة الأسوأ" (مسافة هاوسدورف): يبحث هذا الأسلوب عن أكبر خطأ واحد. تخيل شكلين متطابقين بنسبة 99%، لكن أحدهما يحتوي على نقطة صغيرة بعيدة عن الآخر. هذا الأسلوب سيقول: "إنهما مختلفان تماماً بسبب تلك النقطة الواحدة". إنه حساس جداً للأخطاء.
- "الجار المتوسط" (مسافة تشامفر): كان هذا هو الفائز. تخيل أنك تحاول مطابقة شكلين. بدلاً من اشتراط أن يكونا متطابقين، يسأل هذا الأسلوب: "لكل نقطة في شكلك، ما مدى قربها من أقرب نقطة في شكلي؟" ثم يقوم بحساب متوسط هذه المسافات. إنه متسامح مع الأخطاء الصغيرة ولكنه لا يزال يتعرف على النمط العام.
النتائج: ما مدى نجاح ذلك؟
اختبر الباحثون هذا النظام على قاعدة بيانات تضم 147 شخصاً، لكل منهم 12 صورة مختلفة لمفاصل أصابعهم.
- الدرجة: عندما كان على النظام تخمين هوية شخص ما من صورة واحدة، نجح في ذلك بنسبة 17.02% من الوقت.
- لماذا هذا الرقم جيد: لو كان النظام يخمن عشوائياً، لنجح في حوالي 0.68% فقط. لذا، كانت طريقتهم أفضل بحوالي 25 مرة من التخمين العشوائي.
- فخ "الدقة": تشير الورقة إلى أن النظام حقق "دقة" عالية جداً (99.99%)، ولكن هذا نوع من الخداع. نظرًا لوجود الكثير من الأشخاص الذين لا يتطابقون (السوالب الحقيقية)، فإن النسبة الإجمالية تبدو ضخمة. الاختبار الحقيقي هو معدل الإيجاب الحقيقي (إيجاد الشخص الصحيح)، وهو الـ 17.02% المذكورة أعلاه.
الخلاصة
خلص المؤلفون إلى أن طريقتهم بسيطة، سريعة، ومتينة.
- لأنهم حولوا الصور إلى خرائط بسيطة باللونين الأبيض والأسود، لا يحتاج الكمبيوتر للقيام بعمليات حسابية معقدة.
- يمكن تشغيلها على أجهزة كمبيوتر أساسية جداً.
- ورغم أن نسبة 17% قد تبدو منخفضة مقارنة بالأنظمة المعقدة، إلا أن المؤلفين يشيرون إلى أنه إذا كانت قاعدة البيانات أصغر (مثل مكتب صغير يضم 20 شخصاً) أو إذا قاموا بمسح الشخص مرتين، فإن معدل النجاح سيكون أعلى بكثير.
باختصار، لقد أثبتوا أنك لست بحاجة إلى كمبيوتر خارق للتعرف على مفصل الإصبع؛ كل ما تحتاه هو طريقة ذكية للنظر إلى الظلال والخطوط، وتنظيف الغبار، واستخدام لعبة مطابقة متسامحة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.