التحقق من تواقيع الافراد الصورية باستخدام عمليات مساوات الاطوال والشبكات العصبية الالتفافية
محتوى المقالة الرئيسي
الملخص
تواقيع اليدوية الصورية هي نوع من انواع البايومتري التصرفي الذي يعتمد على الصور. المشكلة هي في دقة تمييز التواقيع وتأكيديها وسبب انه عندما يوقع الشخص نادرا ما يوقع نفس التوقيع مرة ثانية بالضبط. وهذه المشكلة تسمى التقلب داخل المستخدم.هذا البحث يهدف لتحسين دقة التمييز التواقيع الورقية. في هذه الورقة العلمية, الطريقة المقترحة تتم بواسطة عملية مساواة اطوال التواقيع و الرسم البياني للمشتقات الموجه لكي يتم تحسين دقة التمييز. بالنسبة لعمليات التاكيد, تقنية التعلم العميق باستخدام شبكات العصبية الألتفافية تم استغلالها لعمليات التعليم والفحص. حيث تم اجراء تجارب باستخدام 4000 توقيع حقيقي و 2000 توقيع مزور بصورة احترافية حيث تم تجميع هذه التواقيع من 200 شخص ماليزي ووضعها في قاعدة بيانات اسمها "سكما" والتي هي متوفرة على المنصات الالكترونية للاستخدام العام. تم استخراج نتائج التجارب من خلال الخطئين وهما نسبة القبول الخاطئ وكان 4.15% والخطئ المسمى نسبة الرفض الخاطئ ونسبته مختبريا 1.65%. والنسبة الدقة النهائية لقاعدة البيانات سكما هي 97.1%. وايضا في هذه الورقة العلمية تم مقارنة الطريقة المقترحة مع الطرق المتوفرة موخرا و التي تم اعتماد نفس قاعدة البيانات سكما لغرض المقارنة وتبين أن نسبة تميز التواقيع بالطريقة المقترحة تتفوق على الذي متوفر حاليا باستخدام نفس قاعدة البيانات سكما.
Received 3/4/2021
Accepted 15/9/2021
Published Online First 20/3/2022
تفاصيل المقالة
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
كيفية الاقتباس
المراجع
Singh M, Singh R, Ross A. A comprehensive overview of biometric fusion. Inf. Fusion. 2019;52:187-205.
Elhoseny M, Elkhateb A, Sahlol A, Hassanien AE. Multimodal biometric personal identification and verification. Adv. in Soft Comput. Machine Learning in Image Processing: Springer; 2018. p. 249-76.
Jain AK, Kumar A. Biometrics of next generation: An overview. Second generation biometrics. 2010;12(1):2-3.
Vaijayanthimala J, Padma T. Multi-modal biometric authentication system based on face and signature using legion feature estimation technique. Multimed Tools Appl. . 2020;79(5):4149-68.
Bibi K, Naz S, Rehman A. Biometric signature authentication using machine learning techniques: Current trends, challenges and opportunities. Multimed Tools Appl. . 2020;79(1):289-340.
Faris Khlebus S. OFFLINE SIGNATURE VERIFICATION BASED ON USING NEURAL NETWORK CLASSIFICATION. J. kerbala Univ. . 2017;13(4):234-46.
Faundez-Zanuy M, Fierrez J, Ferrer MA, Diaz M, Tolosana R, Plamondon R. Handwriting biometrics: Applications and future trends in e-security and e-health. Cognit. Comput. . 2020;12(5):940-53.
Malallah FL, Ahmad SMS, Adnan WAW, Arigbabu OA, Iranmanesh V, Yussof S. Online handwritten signature recognition by length normalization using up-sampling and down-sampling. International Journal of Cyber-Security and Digital Forensics (IJCSDF). 2015;4(1):302-13.
Iranmanesh V, Ahmad SMS, Adnan WAW, Yussof S, Arigbabu OA, Malallah FL. Online handwritten signature verification using neural network classifier based on principal component analysis. Sci. World J. . 2014;2014.
Abbas NH, Yasen KN, Faraj K, Razak LFA, Malallah FL. Offline handwritten signature recognition using histogram orientation gradient and support vector machine. J. Theor. Appl. Inf. Technol. . 2018;96(8):2075-84.
Sriwathsan W, Ramanan M, Weerasinghe A. Offline handwritten signature recognition based on SIFT and SURF features using SVMs. Asian Res. J. of Mathematics. 2020:84-91.
Maruyama TM, Oliveira LS, Britto AS, Sabourin R. Intrapersonal parameter optimization for offline handwritten signature augmentation. IEEE Transactions on Information Forensics and Security. 2020;16:1335-50.
Yapıcı MM, Tekerek A, Topaloğlu N. Deep learning-based data augmentation method and signature verification system for offline handwritten signature. Pattern Anal. Appl. . 2020:1-15.
Yin L, Yang R, Gabbouj M, Neuvo Y. Weighted median filters: a tutorial. IEEE Trans. circuits syst II.: analog and digital signal processing. 1996;43(3):157-92.
Frajka T, Zeger K. Downsampling dependent upsampling of images. Signal Processing: Image Commun. . 2004;19(3):257-65.
Dalal N, Triggs B, editors. Histograms of oriented gradients for human detection. 2005 IEEE computer society conference on computer vision and pattern recognition (CVPR'05); 2005: Ieee.
O'Shea K, Nash R. An introduction to convolutional neural networks. arXiv preprint arXiv:151108458. 2015 Nov 26.
Hassan NF, Abdulrazzaq HI. Pose invariant palm vein identification system using convolutional neural network. Baghdad Sci. J.. 2018;15(4).
Asroni A, Ku-Mahamud KR, Damarjati C, Slamat HB. Arabic Speech Classification Method Based on Padding and Deep Learning Neural Network. Baghdad Sci. J.. 2021;18(2 (Suppl.)):0925-.
Ahmad SMS, Shakil A, Ahmad AR, Agil M, Balbed M, Anwar RM, editors. SIGMA-A Malaysian signatures’ database. 2008 IEEE/ACS International Conference on Computer Systems and Applications; 2008: IEEE.
Jain AK, Griess FD, Connell SD. On-line signature verification. Pattern recognition. 2002;35(12):2963-72.
Fabris F, De Magalhães JP, Freitas AA. A review of supervised machine learning applied to ageing research. Biogerontology. 2017;18(2):171-88.
Kingma DP, Ba J. Adam: A method for stochastic optimization. arXiv preprint arXiv:14126980. 2014.
Murphy KP. Machine learning: a probabilistic perspective: MIT press; 2012.