Toward Effective Person Recognition Using Hand Dorsal modality Sustained

Abstract

Biometric is a rapidly developing technology for person identifying and has been widely used in forensics such as criminal identification, secure access, and prison security. A biometric system is essentially a pattern recognition system that identifies a person by determining the validity of a particular physiological and/or behavioral characteristic that person possesses. Hand Dorsal identification is a type of biometric technology that has emerged in the past two decades. Because of its safety, accuracy, and efficacy, more and more researchers are participating in the study. In this work, a biometric based Hand dorsal identification system is proposed. However, due its potential capability to extract and differentiate between the system user, a CNN based deep learning approach named ALEXNET along with the tied rank normalization is used to extract the discriminant hand dorsal features. In order to perform the classification task, the Support Vector Machine is implemented. Our work is applied to a database known in this field and has produced a very promising result.

القياسات الحيوية هي تقنية سريعة التطور لتحديد هوية الأشخاص ، وقد تم استخدامها على نطاق واسع في الطب مثل تحديد الهوية الجنائية ، والوصول الآمن ، وأمن السجون. نظام القياسات الحيوية هو في الأساس نظام التعرف على الأنماط الذي يحدد هوية الشخص من خلال تحديد صلاحية خاصية فسيولوجية و / أو سلوكية معينة يمتلكها ذلك الشخص. تحديد ظهر اليد هو نوع من تقنيات القياسات الحيوية التي ظهرت في العقدين الماضيين. بسبب سلامتها ودقتها وفعاليتها ، يشارك المزيد من الباحثين في الدراسة . في هذا العمل ، تم اقتراح نظام التعرف الظهري اليدوي القائم على المقاييس الحيوية. ومع ذلك ، نظرًا لقدرته المحتملة على الاستخراج والتمييز بين مستخدمي النظام ، يتم استخدام نهج التعلم العميق المستند إلى CNN والمسمى ALEXNET جنبًا إلى جنب مع تسوية المرتبة المقيد لاستخراج ميزات ظهر اليد المميزة. من أجل أداء مهمة التصنيف ، يتم تنفيذ Support Vector Machine. يتم تطبيق عملنا على قاعدة بيانات معروفة في هذا المجال وقد أسفرت عن نتيجة واعدة للغاية