استفاده از الگوریتم بهبودیافته دسته ذرات به منظور تشخیص هویت افراد به کمک عنبیه

برای بسیاری از محققان، روندی که به طور خودکار افراد را براساس رفتارهای بیومتریک شناسایی می کند به شدت مورد توجه واقع گردیده است. بررسی هویت به کمک عنبیه از متداول ترین روش های بیومتریک به شمار می رود که در مقایسه با سایر مولفه های بیومتریکی، باعث متمایز شدن آن در کاربردهای امنیتی شده است. الگوریتم پیشنهادی از 6 مرحله اصلی تشکیل شده است: ارتقاء تصویر با الگوریتم Retinex، مکان یابی مرزهای داخلی و خارجی عنبیه، بخش بندی عنبیه، نرمال سازی، استخراج ویژگی و کدگذاری عنبیه. در این مقاله، روش خودکار جدیدی برای استخراج ویژگی از تصاویر عنبیه ارائه شده که در این الگوریتم از روش پنجره متحرک برای تولید بردار ویژگی استفاده شده است و سپس با استفاده از الگوریتم بهبود یافته دسته ذراتمسئله تعیین مقادیر بهینه بردارهای ویژگی بهینه سازی می گردد. آزمایش های انجام شده روی مجموعه داده CASIA، نشان می دهد که با روش پیشنهادی مقاله، فضای حافظه موردنیاز تا حد قابل توجهی کاهش یافته و با بهره گیری از معیارهای مختلف عملکرد ازجمله نرخ پذیرش نادرست، نرخ عدم پذیرش نادرست، نرخ تشخیص الگوریتم به میزان 98.93%، نرخ خطای مساوی و شاخص تصمیم پذیری نشان داده شده که این روش می تواند با دقت بهتر و خطای کم تری عمل نماید. به علاوه، با استفاده از الگوریتم تکاملی پیشنهادی و با وزن دار کردن ویژگی های تصویر دقت تشخیص هویت افراد نسبت به روش های پیشین افزایش یافته است.