Pose-Robust Finger Identification Based on Mutual Region Alignment and Minimum Convolution Point Feature
تقترح هذه الورقة إطار عمل جديد لتحديد هوية الأصابع يتسم بالمتانة تجاه وضعية الجسم، يدمج بين محاذاة المناطق المتبادلة، وتعلم ميزات نقاط الالتفاف الأدنى، ودمج الدرجات الموزونة، لمعالجة تدهور الأداء الناتج عن الدوران الطولي والتشوهات غير الصلبة في صور الأصابع غير التلامسية بفعالية، محققاً نتائج هي الأفضل حالياً عبر أربع مجموعات بيانات عامة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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 أنك تحاول فتح هاتفك ببصمة إصبعك. عادةً، تضع إصبعك بشكل مسطح على الزجاج، ويقوم الماسح الضوئي بقراءة التعرجات. ولكن ماذا لو رفعت إصبعك في الهواء، كما لو كنت تشير إلى نجمة، دون لمس أي شيء؟ يُسمى هذا المسح "بدون تلامس"، وهو يمثل مستقبل الأمن لأنه أكثر صحية وأسرع. ومع ذلك، هناك عقبة: عندما ترفع إصبعك في الهواء، يكون متذبذباً. قد تلتوي قليلاً، أو قد ينثني إصبعك قليلاً. هذا الالتواء يشبه تدوير قطعة سجق على الطاولة؛ فالجزء الذي تراه الكاميرا من السجق يتغير تماماً اعتماداً على كيفية تدويره. إذا رأت الكاميرا شريحة مختلفة من إصبعك في كل مرة، فسيصاب الكمبيوتر بالارتباك ويعتقد أنك شخص غريب. تتناول هذه الورقة تلك المشكلة تحديداً: كيفية التعرف على الإصبع حتى عندما يلتوي أو ينثني أو يدور في الهواء.
لقد طور الباحثون من جامعة "غويتشو مينزو" وشركة طاقة في الصين نظاماً جديداً لحل مشكلة "الإصبع المتذبذب" هذه. يطلقون على طريقتهم إطار عمل "قوي تجاه الوضعية" (pose-robust)، وهي مجرد طريقة منمقة للقول إنها تعمل بغض النظر عن كيفية إمساكك لإصبعك. لقد أدركوا أنه عندما يلتوي الإصبع، ترى الكاميرا فوضى عارمة حيث قد يكون الجزء العلوي من الإصبع في صورة ما هو الجزء الأوسط في الصورة التالية. ولحل هذه المشكلة، اخترعوا خدعة سحرية مكونة من ثلاث خطوات. أولاً، يستخدمون استراتيجية "استخراج المنطقة المتبادلة". تخيل شخصين يحملان خرائط لنفس المدينة، لكن إحدى الخريطتين مزاحة للأعلى والأخرى مزاحة للأسفل. يبحث الكمبيوتر عن الجزء من المدينة الذي يظهر في كلتا الخريطتين ويقص الباقي، مما يؤدي إلى محاذاتهما بشكل مثالي ليتطابقا. ثانياً، يستخدمون "نقطة التلافيف الدنيا للميزة" للعثور على الحواف الفريدة والمتعرجة لإصبعك التي لا تتغير حتى لو انضغط الإصبع أو انثنى. أخيراً، يجمعون بين هذا "الهيكل" البنائي للإصبع وبين مسح "النسيج" (النظر في أنماط الجلد) باستخدام دمج الدرجات الموزونة، وهو أمر يشبه حكماً يعطي نقاطاً لكل من شكل راقص ونمط زيّه لتحديد الفائز.
اختبر الفريق نظامهم الجديد على أربع قواعد بيانات عامة مختلفة تحتوي على آلاف صور الأصابع، بما في ذلك بعض الصور التي التوى فيها الناس بأصابعهم بزاوية تصل إلى 80 درجة. كانت النتائج مبهرة. فباستخدام خدعة المحاذاة الخاصة بهم، قللوا معدل الخطأ بشكل كبير. على سبيل المثال، في قاعدة بيانات تسمى SDUMLA-HMT، خفضت طريقتهم معدل الخطأ (EER) من 4.45% إلى 1.54% فقط عند دمج جميع تقنياتهم. وفي قاعدة بيانات أخرى، MMCBNU_6000، انخفض معدل الخطأ إلى 0.05% ضئيلة جداً. وجدوا أن طريقتهم ليست فقط أكثر دقة من التقنيات القديمة، بل هي أيضاً أسرع، حيث استغرقت 19 ميلي ثانية فقط لمعالجة صورة واحدة مقارنة بـ 35 ميلي ثانية للطريقة المنافسة. تشير الورقة إلى أنه من خلال التركيز على محاذاة الأجزاء المتداخلة من الإصبع وتجاهل الأجزاء التي قُطعت بسبب الالتواء، يمكنهم جعل الأمن "بدون تلامس" أكثر موثوقية. ويخلصون إلى أنه بينما يعد نظامهم حالياً الأفضل في التعامل مع الالتواءات، فإن العمل المستقبلي سيحاول التعامل مع الأصابع التي تميل أيضاً جانبياً أو ترتفع وتنخفض، مما يجعل النظام الأمني قوياً ضد أي طريقة قد تمسك بها يدك.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.