НЕЙРОСЕТЕВАЯ МЕТОДИКА ИДЕНТИФИКАЦИИ ЛИЧНОСТИ ПО РИСУНКУ ВЕН ЛАДОНИ

Аннотация

Описывается работа по созданию нейросетевой методики идентификации лично- сти, основанной на механизме сканирования и анализа рисунка вен ладони, как биометриче- ского параметра. В рамках проведенного исследования описаны предпосылки, цели и причи- ны, по которым разработка надежной системы биометрической идентификации является важным и актуальным направлением деятельности. Сформулирован ряд проблем, прису- щих существующим методам решения поставленной задачи: графовому методу и методу, основанному на вычислении расстояния, выраженного в различных интервальных метри- ках. Приведено описание принципов их работы. Сформулированы задачи, решаемые систе- мами идентификации личности: сопоставление субъекта идентификации с его идентифи- катором, однозначно идентифицирующим этого субъекта в информационной системе. Описан механизм считывания рисунка вен с ладони, разработанный для анализа изобра- жения, полученного с восприимчивой к излучению инфракрасного диапазона цифровой ка- меры. При нахождении в кадре ладони, подсвечиваемой светом ближнего ИК-диапазона, на изображении, полученном с камеры, становится заметен рисунок пролегающих под кож- ным покровом вен, сосудов и капилляров. В зависимости от организации, система иденти- фикации может на основе предоставленного идентификатора определять соответс т- вующий субъект доступа или проверять принадлежность того же идентификатора предполагаемому субъекту. Приведены 3 метода дальнейшего анализа биометрических данных и идентификации личности: подходы, основанные на категориальной классифи- кации и бинарной классификации, а также комбинированный подход, при котором сн а- чала используется идентификация по первому способу, а затем, по второму, но уже для известного идентификатора доступа, определённого на первом этапе. Приведена р е- зультирующая архитектура нейросети для категориальной классификации рисунка вен, описан способ вычисления количества параметров модели в зависимости от числа заре- гистрированных субъектов. Представлены основные выводы и экспериментальные зам е- ры точности работы системы при реализации различных методов, а также диаграммы изменения точности моделей во время обучения. Выявлены основные преимущества и не- достатки приведённых методов.