التعرف ببصمة الاصابع(FingerPrint Recognition)

المعرفة ببصمة الأصابع باستخدام LBP و ORB

المعرفة ببصمة الأصابع هي تقنية حيوية تستخدم لتحديد هوية الأفراد بناءً على أنماط بصمات أصابعهم الفريدة.

طريقتا استخراج السمات:

نمط البت المحلي (LBP): هي إحدى طرق استخراج السمات الفعالة في التعرف على بصمات الأصابع. تقارن هذه الطريقة شدة البكسلات مع البكسلات المجاورة لها لإنشاء وصف لنسيج الصورة. ثم يتم استخراج توزيع أنماط النسيج على شكل تخطيط تكراري لقيم LBP.

ORB (ميزات FAST موجهة و BRIEF دوارة): هي طريقة أخرى لاستخراج السمات. تقوم هذه الطريقة باكتشاف نقاط الاهتمام باستخدام طريقة FAST (اختبار القطعة المتسارعة للسمات) ثم حساب واصفات ORB لكل نقطة اهتمام، والتي تمثل السمات المحلية للصورة.

مراحل التعرف على بصمة الأصابع

المعالجة المسبقة:

تحميل الصور: يتم تحميل صورة القالب وبصمة الإصبع المدخلة باستخدام مكتبة OpenCV.

تطبيق التשטيط الغاوسي: يقلل هذا من التشويش ويعزز جودة الصورة باستخدام cv2.GaussianBlur.

استخراج السمات:

LBP (نمط البت المحلي): كما ذكرنا سابقًا، يتم استخراج تخطيط تكراري لقيم LBP لوصف نسيج بصمة الإصبع.

ORB (ميزات FAST موجهة و BRIEF دوارة): يتم اكتشاف نقاط الاهتمام وحساب واصفات ORB لكل نقطة.

مطابقة بصمات الأصابع:

حساب تشابه السمات: يتم استخدام تشابه التمام لمقارنة نواقل السمات (التخطيط التكراري لـ LBP أو واصفات ORB) لبصمة الإصبع القالب وبصمة الإصبع المدخلة.

تطبيق العتبة: يتم تحديد ما إذا كانت بصمات الأصابع متطابقة بناءً على حد تشابه محدد.

اعتبارات مهمة

جودة الصورة: لضمان دقة التعرف، يجب التأكد من جودة صور بصمات الأصابع.

معاملات استخراج السمات: جرب معلمات LBP و ORB مختلفة لتحقيق أفضل أداء.

عتبة المطابقة: يجب تحديد قيمة العتبة بعناية لتحقيق التوازن بين معدلات القبول الخاطئ والرفض الخاطئ.

الكفاءة الحسابية: يجب تحسين الكود لمعالجة فعالة، خاصة للتطبيقات التي تعمل בזمن حقيقي.

دمج ORB: الكود المقدم ينفذ LBP فقط. لإضافة ORB، يمكن استخدام مكتبات مثل وظيفة ORB_create() في OpenCV للكشف عن نقاط الاهتمام واستخراج الوصف.