🏫 👏🏽 📳 पाम नस बायोमेट्रिक पहचान (मिनी कैसे करें) 👃🏻 👛 👩🏻‍🎨

भाग्य की इच्छा से, उन्होंने रूसी विश्वविद्यालयों में से एक में प्रवेश किया। डिप्लोमा में, बॉयोमीट्रिक पहचान के क्षेत्रों में से एक की जांच करने का निर्णय लिया गया - हथेली की नसों को खींचकर पहचान। प्रारंभिक चरणों में, सुरक्षा के लिए डिवाइस का एक कामकाजी मॉडल प्रदान करने की योजना बनाई गई थी (लेकिन सब कुछ इतना सरल नहीं था)।

इसके साथ शुरू करने के लिए, यह समझना आवश्यक था कि यह विधि क्या है और इसे लागू करने का क्या मतलब है। जैसा कि पहले ही लेख में लिखा गया है:

“नसों का पैटर्न इस तथ्य के कारण बनता है कि रक्त का हीमोग्लोबिन आईआर विकिरण को अवशोषित करता है। नतीजतन, प्रतिबिंब की डिग्री कम हो जाती है, और नसें कैमरे पर काली रेखाओं के रूप में दिखाई देती हैं। प्राप्त आंकड़ों के आधार पर एक विशेष कार्यक्रम एक डिजिटल दृढ़ संकल्प बनाता है। स्कैनिंग डिवाइस के साथ कोई मानव संपर्क नहीं। "

नीचे दिया गया आंकड़ा ऑक्सीजन-संतृप्त रक्त और ऑक्सीजन के बिना रक्त से अवरक्त विकिरण के अवशोषण का एक ग्राफ दिखाता है।

विधि चयन

एक हथेली नस पैटर्न की एक छवि प्राप्त करने के लिए दो तरीके हैं। प्रतिबिंब विधि (परावर्तन) आपको डिवाइस के सभी घटकों को एक आवास में रखने की अनुमति देता है, जिसके कारण आकार कम हो जाता है। मनोवैज्ञानिक बाधा भी कम हो गई है (कहीं भी अपना हाथ छड़ी करने की आवश्यकता नहीं है)। अवरक्त प्रकाश (ट्रांसमिशन) की संचरण विधि हाथ के पीछे अवरक्त रोशनी को स्थापित करना है, और फिल्टर वाला कैमरा हथेली की तरफ स्थापित है और अवरक्त विकिरण प्राप्त करता है जो पूरी हथेली से गुजरता है। ट्रांसमिशन विधि का उपयोग करना, परिणामस्वरूप चित्र अधिक विस्तृत हैं।

लोहा

प्रतिबिंब की विधि को हथेली की नसों के पैटर्न की छवियों को प्राप्त करने के लिए आधार के रूप में चुना गया था। सबसे पहले, डिवाइस का एक प्रारंभिक मॉडल कागज के एक टुकड़े पर स्केच किया गया था। इसे डिवाइस से खुद की दूरी को पहचानने वाले की हथेली तक मापना चाहिए, हाथ की सतह का तापमान मापना चाहिए (आंकड़ों के लिए, मुझे ऐसी कार्यक्षमता चाहिए थी), आईआर रोशनी को चालू और बंद करें। एक कैमरे के रूप में, मैं Logitech B910 वेब कैमरा पर रुका। डिवाइस मॉडल के परीक्षण, और उनमें से पहले से ही 4 थे, तीन पिछले कैमरों की कमियों का पता चला। पहला मॉडल LinkSprite JPEG कलर कैमरा TTL इंटरफ़ेस कैमरा के साथ था । एक पीसी पर छवियों को स्थानांतरित करने की प्रक्रिया बंदरगाह की गति से सीमित थी, मुझे इसे छोड़ना पड़ा। इसके अलावा 2 और बिना नाम वाले वेबकैम को चेक किया गया था, लेकिन प्राप्त चित्र बहुत खराब गुणवत्ता के थे। आगे मैं केवल नवीनतम मॉडल का वर्णन करूंगा।

घटकों की एक सूची संकलित की गई है:

Arduino प्रोजेक्ट संलग्नक - Arduino प्रोजेक्ट के लिए एक छोटा सा संलग्नक
इन्फ्रारेड थर्मामीटर - MLX90614 - आईआर थर्मामीटर
USB HUB - कैमरा और आर्डिनो को एक केबल से जोड़ने के लिए
ORduino नैनो - ATMega168
अवरक्त निकटता सेंसर - तीव्र GP2Y0A21YK - IR दूरी सेंसर (10 से 80 सेमी)
Logitech B910 HD वेब कैमरा
2 ट्रांजिस्टर
2 प्रतिरोधों 4.7kOhm, 6-470ohm
6 IR डायोड 850nm
Phototransistor (बाहरी रोशनी द्वारा डिवाइस की रोशनी को मापने के लिए, प्रयोगों में भाग नहीं लिया, लेकिन योजना बनाई गई थी)
यूएसबी बी कनेक्टर
आईआर फ़िल्टर 850nm
USB केबल

यहां कनेक्शन आरेख (भौतिकी / इलेक्ट्रिकल इंजीनियरिंग के साथ आप परिणामों के लिए जिम्मेदार नहीं हैं)। विधानसभा प्रक्रिया में आईआर फिल्टर की तुलना में आवास के केंद्र में एक छोटा व्यास सर्कल देखा गया। फिर फ़िल्टर को गोंद (सुपर-पल) में चिपका दिया गया था। सबसे पहले, एक सुपर-पल के बजाय, मैंने एक चिपकने वाली बंदूक का इस्तेमाल किया, लेकिन कैमरा बहुत गर्म था (लॉजिटेक बी 9 10 की एक विशेषता) और गोंद ने पकड़ना बंद कर दिया। आईआर थर्मामीटर के लिए एक छेद काटा गया था। इसके अलावा, दूरी सेंसर के लिए एक "माउंट" आईआर फिल्टर से बॉक्स से बनाया गया था। कैमरा को हटा दिया गया था और केस और फ्रेम को हटाकर कम से कम किया गया था, केवल बोर्ड बना रहा। कैमरा लेंस से एक IR फ़िल्टर निकाला गया था, जो IR किरणों को पास नहीं करता था (फ़िल्टर हटाने की प्रक्रिया यहाँ पाई जा सकती है )। इसके अलावा, कैमरे को गोंद के साथ शरीर के नीचे भी स्थापित किया गया था। कैमरे के आसपास, मैंने आईआर डायोड को सममित रूप से स्थापित किया। ताकि कैमरा लेंस पर डायोड से कोई रोशनी न हो, जिस लेंस से मैंने शरीर के अवशेषों और दो तरफा टेप से बनाया है, वह एक आईआर फिल्टर के लिए आवरण जैसा है।

विधानसभा:

विधानसभा में, डिवाइस का रूप है:

सॉफ्टवेयर

Arduino

डिवाइस के सभी घटक (कैमरे को छोड़कर) को आर्डूइनो द्वारा नियंत्रित किया जाना चाहिए। यह एक दूरी सेंसर, तापमान सेंसर और आईआर एलईडी है। कुल मिलाकर, काम का एल्गोरिथ्म इस प्रकार है:

दूरी सेंसर और तापमान संवेदक के संचालन को शुरू करने के लिए पीसी से एक कमांड भेजा जाता है, उसके बाद पोर्ट के लिए उनके मानों का आउटपुट होता है
जैसे ही सेंसर मान पीसी में दर्ज मानों से मेल खाता है, दूरी सेंसर बंद हो जाता है (इसका बीम प्राप्त चित्रों पर बैकलाइट बनाता है)

इसके अलावा, यदि मान मेल खाते हैं:

आईआर प्रकाश चालू होता है
एक तस्वीर ले लो
आईआर बंद
प्रारंभिक चरण में संक्रमण

पीसी

डिवाइस से प्राप्त छवियों को आगे संसाधित और मान्यता प्राप्त होना चाहिए। पीसी सॉफ्टवेयर लिखने के लिए, Matlab सॉफ्टवेयर वातावरण चुना गया था। एक मान्यता उपकरण के रूप में, मानक Matlab न्यूरल नेटवर्क टूलबॉक्स घटक का उपयोग किया गया था। लेकिन प्रशिक्षण और मान्यता के लिए छवियों को प्रस्तुत करने से पहले, उन्हें मुख्य विशेषताओं को उजागर करने के लिए, अर्थात् संसाधित करने की आवश्यकता होती है।

डिवाइस से प्राप्त चित्र:

क्या आप सोच सकते हैं कि चित्र पिछले मॉडल से क्या थे? हां, इतना गर्म नहीं है।
तब नसों को उजागर करने, फिल्टर की खोज के लिए छवि को बेहतर बनाने के प्रयास किए गए थे। यह तब करना मुश्किल है जब आप नहीं जानते कि कैसे, कुछ निकला, कुछ नहीं किया। लेकिन pudn.com पर नसों को निकालने के लिए एल्गोरिथ्म पर ठोकर खाई, उम्मीद टिमटिमा गई। इसे डाउनलोड करने के लिए, आपको सबसे पहले अपनी कुछ सर्वोत्तम प्रथाओं को साझा करना होगा। मुझे फासिमैटमैटिक्स (फजी लॉजिक) पर मटलब में बनी एक लैब भेजनी थी। एक दिन बाद मुझे डाउनलोड करने की क्षमता (40 अंक) के साथ एक पत्र मिला। एल्गोरिथ्म मध्य साम्राज्य के एक छात्र द्वारा लिखा गया था (धन्यवाद, जो कोई भी आप हैं)।

अपने लिए एल्गोरिथ्म को समायोजित करने के बाद:

बुरा नहीं है, है ना? यह वही छवि है, लेकिन पहले से ही कुछ है। अब यह संदर्भ चित्रों के साथ आधार को भरने और नेटवर्क को प्रशिक्षित करने के लिए बना हुआ है। प्रशिक्षण के बाद, यह पता चला कि छवियों का व्युत्क्रम बहुत छोटा है। यह पता चला कि मेरी बांह पर नसें अलग-अलग हैं, और कुछ हथियारों पर छवि की गुणवत्ता है, इसे हल्के ढंग से रखने के लिए, "बहुत नहीं"। प्रत्येक हाथ के लिए, 100 संदर्भ चित्र एकत्र किए गए थे। बिना हाथों (कोहनी, मुट्ठी, आदि) के शोर और छवियों को नकारात्मक नमूने के रूप में इस्तेमाल किया गया था। नमूने में दो लोगों के हाथ शामिल थे।

प्रशिक्षण के बाद, हमने डिवाइस का परीक्षण करना शुरू किया। दूसरी तरह की त्रुटियों के लिए एक जगह है। मुझे मानकों के साथ संयोग की दहलीज कम करनी थी। जिसके परिणामस्वरूप कभी-कभी झूठे पास भी होते थे। व्यवहार में, डिवाइस के सामने हाथ की अनुचित स्थिति के कारण, या हाथ आंदोलन के कारण परिणामी छवियों के धुंधला होने के कारण दूसरी तरह की त्रुटियां हुईं। प्रयोगों के लिए पर्याप्त समय नहीं था।

निष्कर्ष

यहां हम केवल यह कह सकते हैं कि विषय दिलचस्प है और समय और आवश्यक कौशल की कमी के कारण इसका पूरी तरह से खुलासा नहीं किया गया है। मेरे पास "निर्जीव तुलना" के लिए डिवाइस की जांच करने का समय भी नहीं था। एक फोटोट्रांसिस्टर (प्रकाश व्यवस्था के लिए कैमरे को समायोजित करने के लिए) और एक तापमान संवेदक शामिल नहीं था (हालांकि इसकी जानकारी प्राप्त की गई थी, लेकिन किसी भी तरह से ध्यान नहीं दिया गया था)।

Arduino और Matlab के लिए स्रोत हैं, लेकिन यह दिखाने के लिए शर्म की बात है, क्योंकि मैंने समय पर प्राप्त करने के लिए बहुत जल्दबाज़ी में लिखा / पुनः लिखा, साथ ही साथ डिवाइस को फिर से बनाना।

सूत्रों का उपयोग किया

नाडॉर्ट, ए। द हैंड वेइन पैटर्न बायोमेट्रिक फ़ीचर [टेक्स्ट] के रूप में प्रयुक्त: मास्टर ऑफ साइंस के लिए साहित्य थीसिस ने फिजिक्स ऑफ लाइफ / ए। नादोर्ट, - एम्स्टर्डम: फ्री नेचुरल यूनिवर्सिटी में मेडिकल नेचुरल साइंस प्रोग्राम किया। - 179 पी।
फ़्यूक्सिस, आर। पाम वेन बायोमेट्रिक्स, पाम इन्फ्रारेड इमेजिंग और कॉम्प्लेक्स फ़िल्टरिंग फ़िल्टरिंग पर आधारित [पाठ]: मल्टीमीडिया और सुरक्षा पर 12 वीं एसीएम वर्कशॉप / आर। फ़ुक्सिस, एम। पुडज़, एम। ग्रीटिंग्स, - रोम, 2009.- 27 पी।

पाम नस बायोमेट्रिक पहचान (मिनी कैसे करें)