روشهای شناسایی بیومتریک از روی انگشت، چهره یا عنبیه چشم، راه موثری برای تامین امنیت دستگاههای کامپیوترهای سرویس دهنده است. در این سلسله مقالات با هم برتری و کاستیها و همچنین چگونگی کارکرد روشهای بیومتریک را میبینیم.
اگر نظر کارشناسان را بپذیریم باید بگوییم که دوران ورود به سیستمهای کامپیوتری از طریق وارد کردن گذر واژههای ساخته شده از حروف و ارقام از راه صفحه کلید به سر آمده. در آینده از برخی ویژگیهای بدن که تغییر نمیکنند مانند اثر انگشت، چهره، چشم، صدا یا دستخط برای شناسایی کاربر و تعیین صلاحیت او برای کار با سیستمهای کامپیوتری استفاده خواهد شد. هدف از این کار بالاتر بردن امنیت سیستمها و جلوگیری از دسترسی کاربران غیر مجاز است. اما از این روشها نه تنها برای تامین امنیت سیستمهای کامپیوتری بلکه برای افزایش ایمنی شرکتها و مکانها نیز استفاده میشود. روشهای کنونی تشخیص هویت مبتنی بر کارتهای شناسایی دیگر مناسب نیست و بسیار نامطمئن است. از این گذشته این روشها هم نیروی انسانی و هم زمان زیادی میطلبد این کاستیها را میتوان با کمک روشهای تشخیص هویت بر طرف کرد. چون این روشها نه تنها درستی دادهها را بررسی میکنند بلکه میبینند آیا این شخص صاحب واقعی این مشخصات است یا نه.
این روشها نه تنها درستی دادهها را بررسی میکنند بلکه میبینند آیا این شخص صاحب واقعی این مشخصات است یا نه.
به این ترتیب سیستمهای بیومتریک با ارائه کار کرد بهتر، هزینههای بالاتر خود را جبران میکنند. در این مقاله به طور مفصل با روشهای بیومتری جاری آشنا شده و به جزئیات آنها پی میبرید.
مقدمه
مهمترین مسئله در بینایی کامپیوتر لبه یابی و فهمیدن رفتار انسان است . در این محدوده مدل های زیادی که تعامل بین کامپیوتر و انسان است ایجاد شده است . مثل : طراحی رابط کاربر، رباط یاد گیرنده، نظارت. اما از همه اینها بالاتر آشکار سازی فعالیت های انسان است و فهمیدن انگیزه و حرکت کردن او و مشاهده وضعیت آن است . این کار مشکل است . چون ممکن است ترجمه غلطی از رفتارها صورت گیرد . کاربردهای بینایی ماشین رو به افزایش است و هدف کلی طراحی ماشینی است که توانایی اثرمتقابل هوشمندانه از خود نشان دهد و زحمت انسان را در آن زمینه کم کند . که در زیرنمونه های آن را مشاهده می کنید .
پیدا کردن تعداد objects تصویر در نرم افزار مطلب
این برنامه تنها در صورتی درست کار می کند که پشت زمینه آن تیره باشد مثلا یک صفحه مشکی با چند شکل هندسی
قسمت اول : تصویر را در مطلب لود می کند و نمایش می دهد .
قسمت دوم : rgb2gray تصویر را سیاه و سفید می کند . Threshold مرزها را مشخص می کند ، که برای این کار باید از تابع graythresh استفاده کرد . im2bw تصویر را باینری می کند .
قسمت سوم : نویز تصویر را از بین می برد . bwareaopen پیکسل های کمتر از 30 را پاک می کند و فواصل خالی (Gap) را با تابع strel پر می کند ، strel('disk',2) یک دایره به شعاع 2 تشکیل می دهد که شعاع عددی غیر منفی باید باشد و عدد وسط آن دایره را انتخاب می کند . imfill چاله ها را پر می کند و مرزها را مشخص می کند هر محدوده بسته را با holes نامگذاری می کند .
قسمت چهارم : محدوده ها را پیدا می کند مناطق مرزی را دنبال می کند و تعداد آنها را نشان می دهد . با گذاشتن noholes باعث می شود پردازش سریع تر شود . label2rgb تصویر را رنگی می کند
در انتها تعداد اشکال موجود در متغیر Count قرار می گیرد .
ادامه مطلب ...