Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightHem tanıma, hem de onaylama/doğrulama modunda çalışabilen sistem, 100 parmakizi resminin bulunduğu bir veritabanında test edilmiş ve başarılı sonuçlar elde edilmiştir.
📌 3 Maddede Bu Makale
Özet
Bu, çalışmada, yapay sinir ağları (YSA) destekli zeki bir otomatik parmakizi tanıma sistemi başarıyla 'geliştirilmiş ve sunulmuştur. Sistem tasarlanırken işlemler adım adım yapılmıştır. Öncelikle bir parmakizi okuyucu yardımıyla alman parmakizi resimleri sayısala çevrilmiştir. Resimler küçük parçalara bölünerek üzerinde işlem yapılacak alan arkaplandan ayrılmıştır. Gri seviye resimlerden referans noktalar elde edilmiştir. Parmakizi temizleme ve iyileştirme için YSA modeli geliştirilmiş, iyi sonuç veren momentumlu geriyayılım öğrenme algoritması kullanılarak bu model eğitilmiştir. Temizlenip iyileştirilen resimlere bölgesel ikili dönüşüm uygulanmış ve daha sonra siyah beyaz renkten oluşan ikili resim inceltilmiştir. İnceltilmiş resim üzerinde özellik noktaları olarak adlandırılan uç ve çatal noktalar ve bunlarla ilgili gerekli parametreler bulunmuş ve yalancı özellik noktaları elenmiştir. Son olarak karşılaştırma algoritması belirlenip karşılaştırma işlemi yapılmıştır. Sunulan çalışmada, belirtilen tüm adımlar başarıyla tamamlanmış ve bu işlemlerin kolaylıkla yapılabilmesi için Delphi programlama ortamında bir yazılım geliştirilmiştir. Hem tanıma, hem de onaylama/doğrulama modunda çalışabilen sistem, 100 parmakizi resminin bulunduğu bir veritabanında test edilmiş ve başarılı sonuçlar elde edilmiştir.
Abstract
This work presents an intelligent automatic fingerprint identification and verification system based on Artificial Neural Networks(ANNs). In this work, the design processes of the system have been presented step by step. Fingerprints were first converted into digital images using a specific hardware. They were then processed by a computer. Fingerprint images were divided into grid blocks, and these blocks were classified as image area and background. An effective algorithm was used to detect the fingerprint singularities from gray level fingerprint images. In order to improve the performance of the system, fingerprint image enhancement was performed by using ANN. The adaptive backpropagation with momentum learning algorithm was used to train the ANN models. Binary images were obtained from the enhancement images using a regional binarization algorithm. Binary images were converted to thinned images. Ridge endings and ridge bifurcations of the fingerprints (minutiae) were extracted. A postprocessing algorithm was used to eliminate false minutiae patterns and the fingerprint matching process was finally applied. In order to automatise the system, a software for fingerprint identification and verification was developed in Delphi. The system developed in this work was tested 100 fingerprint images for identification and verification; it achieves the task with high accuracy. It is assumed that the developed system can be used in many security applications.