Deep Features for FKP Verification Systems

Abstract

Biometrics refers to the automated identification of individuals through their physiological and behavioral traits. It serves as a means to ensure certainty when dealing with familiar or unfamiliar individuals, thereby determining their eligibility for specific rights or denying certain privileges. The underlying principle of biometrics is based on the assumption that individuals possess unique physical and behavioral characteristics that set them apart from others. The advancement of human identification techniques is currently focused on the exploration of new emerging methods. This development arises from growing security concerns and the emergence of counterfeiting techniques. The emphasis lies in leveraging distinct parts of the human body that can be utilized for accurate identification, such as fingerprints, iris, and lips, among others. However, many existing systems and methods either suffer from slow processing or necessitate costly technical equipment. Finger knuckle prints have emerged as a promising biometric modality for person identification due to their distinctiveness and stability. This master's thesis presents a comprehensive study on the use of deep features for finger knuckle print verification systems using some CNN models for feature extraction such as VGG16, ResNet50, Squeezenet and AlexNet and for classification we used the k-Nearest-Neighbor (KNN) and Linear Discriminant analysis (LDA) La biométrie fait référence à l'identification automatisée des individus à travers leurs traits physiologiques et comportementaux. Elle sert de moyen pour garantir la certitude lorsqu'on traite avec des individus familiers ou non familiers, déterminant ainsi leur admissibilité à des droits spécifiques ou refusant certains privilèges. Le principe sous-jacent de la biométrie repose sur l'hypothèse selon laquelle les individus possèdent des caractéristiques physiques et comportementales uniques qui les distinguent des autres. Les techniques d'identification humaine évoluent actuellement vers l'exploration de nouvelles méthodes émergentes. Ce développement découle de préoccupations croissantes en matière de sécurité et de l'émergence de techniques de contrefaçon. L'accent est mis sur l'utilisation de parties distinctes du corps humain qui peuvent être utilisées pour une identification précise, telles que les empreintes digitales, l'iris et les lèvres, entre autres. Cependant, de nombreux systèmes et méthodes existants souffrent soit d'un traitement lent, soit nécessitent un équipement technique coûteux. Les articulations des doigts ont émergé en tant que modalité biométrique prometteuse pour l'identification des personnes en raison de leur distinction et de leur stabilité. Cette thèse de master présente une étude complète sur l'utilisation de caractéristiques profondes pour les systèmes de vérification des empreintes des phalanges des doigts en utilisant certains modèles de réseaux de neurones convolutifs (CNN) tels que VGG16, ResNet50, Squeezenet et AlexNet. Pour l'extraction des caractéristiques, nous avons utilisé l'analyse du plus proche voisin (KNN) et l'analyse discriminante linéaire (LDA) pour la classification. تشير القياسات الحيوية إلى التحديد الآلي للأفراد من خلال سماتهم الفسيولوجية والسلوكية. إنه بمثابة وسيلة لضمان اليقين عند التعامل مع أفراد مألوفين أو غير مألوفين ، وبالتالي تحديد أهليتهم للحصول على حقوق معينة أو رفض امتيازات معينة. يعتمد المبدأ الأساسي للقياسات الحيوية على افتراض أن الأفراد يمتلكون خصائص جسدية وسلوكية فريدة تميزهم عن الآخرين. يركز التقدم في تقنيات تحديد الهوية البشرية حاليًا على استكشاف طرق جديدة ناشئة. ينشأ هذا التطور من المخاوف الأمنية المتزايدة وظهور تقنيات التزييف. يكمن التركيز في الاستفادة من أجزاء مميزة من جسم الإنسان يمكن استخدامها لتحديد دقيق ، مثل بصمات الأصابع وقزحية العين والشفاه وغيرها. ومع ذلك ، فإن العديد من الأنظمة والطرق الحالية إما تعاني من بطء المعالجة أو تتطلب معدات تقنية باهظة الثمن. ظهرت مفصل الإصبع كطريقة بيومترية واعدة لتحديد هوية الشخص نظرًا لتميزها واستقرارها. تقدم أطروحة الماجستير هذه دراسة شاملة حول استخدام الميزات العميقة لأنظمة التحقق من بصمات الأصابع باستخدام بعض نماذج CNN لاستخراج الميزات مثل VGG16 و ResNet50 و Squeezenet و AlexNet وللتصنيف استخدمنا k-Nearest-Neighbor (KNN) و تحليل التمييز الخطي ) LDA .)