Identity Recognition Using Deep Learning Techniques

Abstract

In the past two years, we’ve seen the spread of COVID-19. Which forced people to follow a strict health protocol against such epidemics as staying away, sterilizing, not touching and wearing protective masks, etc. Thus, it has become necessary to use identification biometric systems that comply with the instructions of health protocol. And reject a biometric systems that violate laws. In this thesis, we propose a recognition system based on iris of eye. Iris recognition is known for its accuracy, effectiveness and widespread applications. The proposed system is based on Principal Component Analysis Networks (PCANET) technology of deep learning. By training the model, extracting features and to classify it using the radial basis function (RBF) kernel. Which is considered a non-linear classifier. The experimental results provide an overview of the performance of the proposed recognition system. As, it brings out the disparity between the performance of unimodal system and the performance of multimodal system.

في العامين الماضيين، شهدنا انتشار مرض كوفيد- 19 ، الذي أجبر الناس على اتباع بروتوكول صحي صارم ضد مثل هذه الأوبئة كالابتعاد ، التعقيم، عدم اللمس وارتداء الأقنعة الواقية، الخ. بسبب ذلك، أصبح من الضروري اعتماد أنظمة تحديد الهوية التي تتوافق مع تعليمات البروتوكول الصحي و رفض الأنظمة البيومترية التي تنتهك القوانين. في هذه الأطروحة، نقترح نظام تعرف قائم على قزحية العين، المعروفة بدقتها و فعاليتها و انتشار للتعلم )PCANET( تطبيقاتها. يعتمد النظام المقترح على تقنية شبكة تحليل المكونات الرئيسية العميق من خلال تدريب النموذج واستخراج الميزات وتصنيفها بواسطة نواة دالة الأساس التي تعتبر انها مصنف غير خطي. )RBF( الشعاعي النتائج التجريبية تقدم لمحة عن أداء النظام المقترح، كما تبرز التباين بين أداء النظام الأحادي و النظام المتعدد الوسائط.