عنوان المقالة:تقنيات التعلم العميق لتعزيز المصادقة البيومترية باستخدام ميزات اليد Deep Learning Techniques to enhance Biometric Authentication using Hand Features
Abdelnasser Saber Mohamed, Amr Ismail Hassan, Ahmed Salama
الملخص العربي
يقدم هذا البحث تحليلاً موسعًا لدمج سمات عروق النخيل وبصمة الكف كقياسات حيوية متعددة الوسائط لتعزيز المصادقة الآمنة. أصبح استخدام التعرف على عروق النخيل وبصمة الكف أكثر شيوعًا نظرًا لدقته الاستثنائية وخصائصه غير الجراحية. ومع ذلك، فإن كل طريقة لها مزاياها وعيوبها المميزة. من أجل معالجة هذه القيود، اقترح الباحثون العديد من الأساليب لدمج سمات عروق النخيل وبصمة الكف. تدرس هذه المقالة الأبحاث المعاصرة في هذا المجال، بما في ذلك الاستفادة من منهجيات التعلم العميق. وتناقش التحديات في التعرف على عروق النخيل وبصمة الكف وتستكشف إمكانات أساليب التعلم العميق لمعالجة هذه التحديات. تجمع تقنية الدمج المقترحة بين الدمج على مستوى الميزة والدمج على مستوى النتيجة، مما يؤدي إلى نظام مصادقة بيومتري أكثر دقة وأمانًا. توضح النتائج التجريبية فعالية النهج المقترح، حيث تظهر تحسينات كبيرة في دقة التعرف. يتم تحقيق معدل قبول حقيقي (GAR) بنسبة 98.3٪ ومعدل خطأ متساوٍ (EER) بنسبة 2.5٪ بواسطة خوارزمية الذاكرة الطويلة المدى (LSTM). وهذا يجعلها أفضل من خوارزميات التعلم العميق مثل الشبكات العصبية التلافيفية (CNN) وآلات المتجهات الداعمة (SVM) وشبكات المعتقدات العميقة (DBN). كما تحقق تقنية الاندماج المقترحة معدل قبول خاطئ منخفض (FAR) بنسبة 1.7%. وتسلط هذه النتائج الضوء على الأداء المتفوق لنهج الاندماج في سيناريوهات التعرف البيومتري. تتم مناقشة اتجاهات البحث المستقبلية لتعزيز أداء ...
الملخص الانجليزي
This research provides an extensive analysis of the integration of palm vein and palm print features as multimodal biometrics to enhance secure authentication. The use of palm vein and palm print identification has become more popular owing to its exceptional precision and non-invasive characteristics. Nevertheless, each modality has its own distinct advantages and disadvantages. In order to address these constraints, researchers have suggested many approaches for fusion palm vein and palm print features. This article examines contemporary research in this domain, including the utilization of deep learning methodologies. It discusses the challenges in palm vein and palm print recognition and explores the potential of deep learning methods to address these challenges. The proposed fusion technique combines feature-level fusion with score-level fusion, resulting in a more accurate and secure biometric authentication system. Experimental results demonstrate the effectiveness of the proposed approach, showing significant improvements in recognition accuracy. A Genuine Accept Rate (GAR) of 98.3% and an Equal Error Rate (EER) of 2.5% are achieved by the Long Short-Term Memory (LSTM) algorithm. This makes it better than deep learning algorithms like Convolutional Neural Networks (CNN), Support Vector Machines (SVM), and Deep Belief Networks (DBN). The proposed fusion technique also achieves a low False Accept Rate (FAR) of 1.7%. These results highlight the superior performance of the fusion approach in biometric recognition scenarios. Future research directions are discussed to further enhance the performance of …
أ.د. أحمد سلامة | Prof. Dr. Ahmed Salama | 10487