بایگانی برچسب برای: پردازش تصویر

تشخیص پلاک خودرو

چکیده– شماره پلاک خودرو یکی از مناسب ترین اقلام اطلاعات جهت احراز هویت خودروها می باشد.سامانه تشخیص پلاک خودرو یک سیستم کاملاً مکانیزه است. در این مقاله به بررسی و نحوه کار یک سیستم اتوماتیک تشخیص پلاک میپردازیم که امروزه نمی توان کاربرد مفید و چشمگیر آن را نادیده گرفت. این سیستم با استفاده از پردازش تصویر خودروهای عبوری از یک مکان، شماره پلاک آنها را استخراج کرده و به صورت عددی مورد استفاده قرار می دهد.

کلمات کلیدی– تشخیص پلاک خودرو، تشخیص کاراکتر نوری، پردازش تصویر، OCR

فایل PDF – در 7 صفحه- نویسنده : مریم زارع

تشخیص پلاک خودرو

پسورد فایل : behsanandish.com


تشخیص اتوماتیک پلاک خودرو فارسی به کمک روش های پردازش تصویر و شبکه های عصبی

چکیده- شماره پلاک خودرو یکی از مناسب ترین اقلام اطلاعاتی جهت احراز هویت خودروها می باشد. سیستم تشخیص پلاک خودرو یک سیستم مکانیزه است که با عکس گرفتن از خودروها، شماره پلاک آنها را استخراج می کند.روشی که در این مقاله استفاده شده شامل دو قسمت می باشد. در قسمت اول با استفاده از لبه یابی و عملیات مورفولوژی محل پلاک شناسایی شده و در قسمت دوم با استفاده از شبکه عصبی هاپفیلد کاراکترها شناسایی می شوند. این روش بر روی 500 تصویر مختلف از نظر پس زمینه، فاصله و زاویه دید مورد آزمایش قرار گرفته است، که نرخ استخراج صحیح پلاک را 95% و همچنین نرخ خواندن صحیح پلاک را 90% بدست آوردیم.

کلمات کلیدی– تشخیص پلاک خودرو، شبکه عصبی هاپفیلد، عملیات مورفولوژی، لبه یابی، هیستوگرام.

فایل PDF – در 8 صفحه- نویسندگان : محمدصادق معمارزاده، همایون مهدوی نسب، پیمان معلم.

تشخیص اتوماتیک پلاک خودرو فارسی به کمک روش های پردازش تصویر و شبکه عصبی

پسورد فایل : behsanandish.com


روش ﺟﺪﯾﺪ ﻣﮑﺎنﯾﺎﺑﯽ ﭘﻼك ﺧﻮدرو در ﺗﺼﺎوﯾﺮ رﻧﮕﯽ

ﭼﮑﯿﺪه – اﯾﻦ ﻣﻘﺎﻟه روش ﺟدﯾﺪی ﺟﻬﺖ ﻣﮑﺎنﯾﺎﺑﯽ ﭘﻼك ﺧﻮدرو اراﺋﻪ میﮐﻨﺪ. روش پیشنهادی ﺑﻪ ﻋﻠﺖ ﻋﺪم اﺳﺘﻔﺎده از  عملیاتﻫﺎي ﭘﺮﻫﺰﯾﻨﻪ ﭘﺮدازش ﺗﺼﻮﯾﺮ، داراي ﺳﺮﻋﺖ پاسخگویی ﺑﺎلاتري نسبت ﺑﻪ روشﻫﺎی ﻣﺸﺎﺑﻪ اﺳﺖ. روش ﭘﯿﺸﻨﻬﺎدي در اﯾﻦ ﻣﻘﺎﻟﻪ، ﻣﺒﺘﻨﯽ ﺑﺮ ﺷﻨﺎﺳﺎﯾﯽ اﻟﮕﻮ و ﺑﻮده و ﺑﺎ اﺳﺘﻔﺎده از پیمایش ﺳﺘﻮﻧﯽ ﺑﺮاي ﯾﺎﻓﺘﻦ اﻟﮕﻮﯾﯽ اﺳﺘﺎﻧﺪارد در ﺗﺼﻮﯾﺮ رنگی، ﭘﻼك ﺧﻮدرو را ﻣﮑﺎن یابی و آن را از تصویر اﺳﺘﺨﺮاج می کند. از ﺧﺼﻮﺻﯿﺎت روش ﻣﺬﮐﻮر، ﺳﺮﻋﺖ ﺑﺎلای ﭘﺮدازش و ﭘﺎﺳﺦ گویی ﺳﺮﯾﻊ، قابلیت ﻧﺼﺐ و اﺟـﺮ در ریزپردازنده ها، ﻗﺎبلیت شناسایی چندین پلاک ﻣﻮﺟﻮد دریک تصویر و پردازش بر روی تصویر رنگی بدون تغییر اندازه ی آن، ﻣﯽﺑﺎﺷﺪ. روش اراﺋﻪ ﺷﺪه، دارای کاربردهای عملی از قبیل صدور برگ جریمه الکترونیکی، اﯾﺠﺎد ﺳﺎﻣﺎﻧﮥ ﻫﻮﺷﻤﻨﺪ ﭘﺮداﺧﺖ ﻋﻮارض، کنترل ﺗﻮﻧﻞ ﻫﺎ، بزرگراه ها، پارکینگ ها، ﻣﺤﺪوده ﻃﺮح ترافیک و ﻏﯿﺮه، ﻣﯽﺑﺎﺷﺪ. ﻧﺘﺎﯾﺞ آزﻣﺎﯾﺸﺎت ﺑﺮ روي ﯾﮏ ﻣﺠﻤﻮﻋﻪ داده دﻟﺨﻮاه از ﺗﺼﺎوﯾﺮ دورﺑﯿﻦﻫﺎي ﮐﻨﺘﺮل ﺳﺮﻋﺖ در ﺑﺰرﮔﺮاه ﻫﺎي ﮐﺸﻮر، ﮐﺎراﯾﯽ، دﻗﺖ، اﻃﻤﯿﻨﺎن و ﺳﺮﻋﺖ ﺳﯿﺴﺘﻢ ﭘﯿﺸﻨﻬﺎدي را ﺗﺎﯾﯿﺪ ﮐﺮد ﺑﻪ ﻃﻮري ﮐﻪ در آزﻣﺎﯾﺸﺎت  دﻗـﺖ تشخیص 96 درصد را به خود اختصاص داده است.

کلمات کلیدی– مکان یابی پلاک خودرو، تشخیص پلاک خودرو، شناسایی الگو.

فایل PDF – در 6 صفحه- نویسندگان : امیرحسین اشتری و محمود فتحی.

روش جدید مکانیابی پلاك خودرو در تصاویر رنگی

پسورد فایل : behsanandish.com


شرکت بهسان اندیش تولید کننده سامانه های هوشمند مفتخر به تولید یکی از دقیقترین و سریعترین سامانه های جامع کنترل تردد خودرو می باشد که می توانید جهت آشنایی با قابلیت ها و امکانات این محصول به لینک :سامانه جامع کنترل تردد خودرو بهسان(پلاک خوان) مراجعه فرمایید.


ﺭﻭﺷﯽ ﺟﺪﻳﺪ ﻭ ﺳﺮﻳﻊ ﺑﺮﺍﯼ ﺗﺸﺨﻴﺺ ﻣﺤﻞ ﭘﻼﮎ ﺧﻮﺩﺭﻭ ﺍﺯ ﺗﺼﺎﻭﻳﺮ ﭘﻴﭽﻴﺪﻩ ﺑﺮ ﺍﺳﺎﺱ ﻋﻤﻠﻴﺎﺕ ﻣﻮﺭﻓﻮﻟﻮﮊﻳﮑﯽ

 ﭼﮑﻴﺪﻩ – ﺗﺸﺨﻴﺺ ﻣﺤﻞ ﭘﻼﮎ ﺧﻮﺩﺭو ﻣﻬﻤﺘﺮﻳﻦ ﻣﺮﺣﻠﻪ ﺷﻨﺎﺳﺎﻳﯽ ﭘﻼک ﺧﻮﺩﺭو ﺩﺭ ﺳﻴﺴﺘﻤﻬﺎﯼ حمل ﻭ ﻧﻘﻞ هوشمند ﺍﺳﺖ . ﺩﺭ ﺍﻳﻦ ﻣﻘﺎﻟﻪ روشی  بلادرنگ ﻭ ﺳﺮﻳﻊ ﺑﺮﺍﯼ ﭘﻴﺪﺍ ﮐﺮﺩﻥ ﭘﻼﮎ ﺧﻮﺩﺭﻭﻫﺎ ﺩﺭ ﺗﺼﺎﻭﻳﺮ ﭘﻴﭽﻴﺪﻩ ﻣﻌﺮﻓﯽ ﻣﯽ شود. ﺩﺭ ﺍﻟﮕﻮﺭﻳﺘﻢ ﭘﻴﺸﻨﻬﺎﺩﯼ ﺍﺑﺘﺪﺍ ﺑﺎ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﻋﻤﻠﮕﺮ ﺳﻮﺑﻞ ﺍﻗﺪﺍﻡ ﺑﻪ ﻳﺎﻓﺘﻦ لبه ﻫﺎﯼ ﻋﻤﻮﺩﯼ ﺗﺼﻮﻳﺮ می ﮐﻨﻴﻢ، ﺳﭙﺲ ﺑﺎ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ تحلیل ﻫﻴﺴﺘﻮﮔﺮﺍﻡ ﻭ ﺗﺮﮐﻴﺒﯽ ﺍﺯ ﻋﻤﻠﮕﺮﻫﺎﯼ ﻣﻮﺭﻓﻮﻟﻮﮊیکی ﭘﻼک ﺧﻮﺩﺭﻭ ﺭﺍ ﺍﺯ ﺗﺼﻮﻳﺮ ﺍﺳﺘﺨﺮﺍﺝ می کنیم.ﺭﻭﺵ ﭘﻴﺸﻨﻬﺎﺩﯼ را ﺭﻭﯼ پاﻳﮕﺎﻩ ﺩﺍﺩﻩ ﺍﯼ ﺷﺎﻣﻞ 300 ﺗﺼﻮﻳﺮ ﻣﺨﺘﻠﻒ ﺍﺯ نظر ﭘﺲ ﺯﻣﻴﻨﻪ، ﺍﻧﺪﺍﺯﻩ، ﻓﺎﺻﻠﻪ، ﺯﺍﻭﻳﻪ ﺩﻳﺪ ﻭ ﺷﺮﺍﻳﻂ ﻧﻮﺭی ﻣﻮﺭﺩ ﺁﺯﻣﺎﻳﺶ ﻗﺮﺍﺭ ﺩﺍﺩﻩ ﻭ ﻧﺮﺥ ﺍﺳﺘﺨﺮﺍﺝ ﺻﺤﻴﺢ ﭘﻼﮎ  را 81/3% بدست آوردیم.
کلمات کلیدی– تشخیص محل، پلاک خودرو، ﻫﻴﺴﺘﻮﮔﺮﺍﻡ، ﻋﻤﻠﻴﺎﺕ ﻣﻮﺭﻓﻮﻟﻮﮊﻳﮑﯽ.
فایل PDF – در 7 صفحه- نویسندگان : فرهاد فرجی و رضا صفابخش

ﺭﻭﺷﯽ ﺟﺪﻳﺪ ﻭ ﺳﺮﻳﻊ ﺑﺮﺍﯼ ﺗﺸﺨﻴﺺ ﻣﺤﻞ ﭘﻼﮎ ﺧﻮﺩﺭﻭ ﺍﺯ ﺗﺼﺎﻭﻳﺮ ﭘﻴﭽﻴﺪﻩ ﺑﺮ ﺍﺳﺎﺱ ﻋﻤﻠﻴﺎﺕ ﻣﻮﺭﻓﻮﻟﻮﮊﻳﮑﯽ

پسورد فایل : behsanandish.com


شناسایی پلاک خودروهای ایرانی با روش جایابی فازی پلاک

چکیده– یکی از مهم ترین زیرسامانه های حمل و نقل هوشمند، سامانه ی تشخیص و شناسایی پلاک خودرو است. دشواری تشخیص و شناسایی صحیح پلاک خودرو در شرایط مختلف محیطی موجب شده تا پژوهش در این زمینه ی پژوهشی هم چنان ادامه داشته باشد. مسئله ی تشخیص پلاک خودرو را می توان به سه زیر مسئله ی “جایابی پلاک”، “استخراج نویسه های پلاک” و “شناسایی نویسه ها” تقسیم کرد. در این مقاله تلاش شده به کمک قواعد فازی، الگوریتم های جایابی پلاک خودروهای ایرانی و شناسایی نویسه های آن بهبود یابد. جایابی پلاک با لبه یابی، تحلیل ریخت شناسانه و استفاده از قواعد فازی و شناسایی نویسه ها با استفاده از ماشین بردار پشتیبانی فازی انجام شده است. با آزمایش الگوریتم یاد شده بر روی پنجاه تصویر صحت جایابی پلاک خودرو 90 درصد و صحت شناسایی نویسه ها 94 درصد به دست آمد که در مقایسه با روش های مرسوم توانمندی چشمگیری دارد.

کلمات کلیدی– پلاک خودروف شناسایی الگو، ماشین بردار پشتیبانی، نظریه ی فازی.

فایل PDF – در 10 صفحه- نویسندگان : غلامعلی منتظر و محمد شایسته فر

شناسایی پلاک خودروهای ایرانی با روش جایابی فازی پلاک

پسورد فایل : behsanandish.com


Vehicle License Plate Identification & Recognition

شناسایی و به رسمیت شناختن شماره پلاک خودرو

Abstract- Existing vehicle license plate identification and recognition systems are potent for either their accuracy
or speed but not a combination of both. The algorithm proposed in this dissertation attempts to achieve
this fine balance between the accuracy and speed that such a system must posses. The mathematical
morphology operators of dilation and erosion are utilized to identify the region within an image which
contains the license plate. Using the concept of color coherence vectors, an image recognition algorithm
is presented which utilizes this extracted region and compares it as a whole to other images of license
plates, in the database. The application developed for the testing of this algorithm works with an
accuracy of eighty eight percent and an average processing time of two seconds per image.
Key Words and Phrases: Vehicle license plate recognition, color coherence vectors, mathematical
morphology

فایل PDF – در 10 صفحه- نویسندگان : SANJAY GOEL, PRIYANK SINGH

Vehicle License Plate Identification & Recognition

پسورد فایل : behsanandish.com


Sensor network based vehicle classification and license plate identification system

طبقه بندی وسایل نقلیه بر اساس شبکه حسگر و سیستم شناسایی پلاک وسایل نقلیه

Abstract—Typically, for energy efficiency and scalability purposes, sensor networks have been used in the context of environmental and traffic monitoring applications in which operations at the sensor level are not computationally intensive. But increasingly, sensor network applications require data and compute intensive sensors such video cameras and microphones. In this paper, we describe the design and implementation of two such systems: a vehicle classifier based on acoustic signals and a license plate identification system using a camera. The systems are implemented in an energy-efficient manner to the extent possible using commercially available hardware, the Mica motes and the Stargate platform. Our experience in designing these systems leads us to consider an alternate more flexible, modular, low-power mote architecture that uses a combination of FPGAs, specialized embedded processing units and sensor data acquisition systems.
Keywords: wireless sensor networks, seismic, acoustic vehicle classification, license plate detection

فایل PDF – در 4 صفحه- نویسندگان :Jan Frigo, Vinod Kulathumani, Sean Brennan∗, Ed Rosten, Eric Raby

Sensor network based vehicle classification and

پسورد فایل : behsanandish.com


Real Time Automatic License Plate Recognition in Video Streams

تشخیص خودکار زمان واقعی شماره پلاک وسایل نقلیه در جریان های ویدیویی

Abstract
In recent years there has been an increased commercial interest in systems for automatic license plate recognition. Some of the existing systems process single images only, some even requiring vehicles to stop in front of a gate so that a still image of good quality can be taken. This thesis presents an approach that makes it possible to process 25 images per second on a standard PC from 2004, allowing identication decisions to be based on information from several images instead of just a single one. Thus, the impact of a single bad image is reduced, and vehicles can be allowed to drive past the camera without hindrance. In order to reach the necessary processing speed, a simplied StauerGrimson background estimation algorithm has been used, enabling the system to only search for license plates on objects that are in motion. The main method for nding license plates has been a computational-wise economical connected component labeling algorithm. A basic pixel-by-pixel comparison OCR algorithm %has also been implemented. A real life test running for twelve days has shown the complete system to have a rate of successful identification at 80 .

فایل PDF – در 28 صفحه- نویسنده : Fredrik Trobro

Real Time Automatic License Plate Recognition

پسورد فایل : behsanandish.com


Proposal for Automatic License and Number Plate Recognition System for Vehicle Identification

طرح پیشنهادی برای سیستم شناسایی خودکار شماره پلاک و مجوز برای شناسایی خودرو

Abstract— In this paper, we propose an automatic and mechanized license and number plate recognition (LNPR) system which can extract the license plate number of the vehicles passing through a given location using image processing algorithms. No additional devices such as GPS or radio frequency identification (RFID) need to be installed for implementing the proposed system. Using special cameras, the system takes pictures from each passing vehicle and forwards the image to the computer for being processed by the LPR software. Plate recognition software uses different algorithms such as localization, orientation, normalization, segmentation and finally optical character recognition (OCR). The resulting data is applied to compare with the records on a database. Experimental results reveal that the presented system successfully detects and recognizes the vehicle number plate on real images. This system can also be used for security and traffic control.

(Keywords— License and number plate recognition (LNPR) system, image processing, orientation, normalization, segmentation, identification, optical character recognition (OCR

فایل PDF – در 5 صفحه- نویسنده : Hamed Saghaei

Proposal for Automatic License and Number Plate

پسورد فایل : behsanandish.com


LICENSE PLATE MATCHING TECHNIQUES

تکنیک های انطباق پلاک وسیله نقلیه

فایل PDF – در 42 صفحه- نویسنده : U.S.Department of Transportation-Federal Highway Administration(وزارت راه و ترابری آمریکا-مدیریت بزرگراه فدرال)

LICENSE PLATE MATCHING TECHNIQUES

پسورد فایل : behsanandish.com


Development of a New Automatic License Plate Recognition (LPR) System

توسعه یک سیستم تشخیص پلاک خودکار جدید

ABSTRACT In Japan, automatic license plate recognition systems have been used for more than ten years for the purposes of measuring the travel time of vehicles and for some applications which need detailed plate information identification. Due to their efficacy, they are now being utilized throughout the country. Ordinarily, compared to when used for travel time measurements, considering the types of uses for the number information, higher recognition accuracy is often desired when used for some applications which need detailed plate information identification. We have advanced the development of number plate reading for the purpose of travel time measurement applications, refining these technologies for their application to other various applications. In order to fulfill the requirements expected to be met for various applications, we have implemented a variety of innovations in both software and hardware and developed a new LPR system that has many features such as high recognition rate, low false rate, compact design and high reliability by image processing algorithms and an advanced camera unit. We will seek to expand abroad by applying these technologies.

KEYWORDS: Automatic license plate recognition, Automatic number plate recognition, Automatic vehicle identification, Image processing, Vehicle detection, Plate extraction, Character recognition

فایل PDF – در 10 صفحه- نویسنده : Takehiko Kato ,Masatoshi Asada , Kayo Tanaka , Yusuke Yasuhara, Toshihiro Asai , Yasuo Ogiuchi

Development of a New Automatic License Plate Recognition (LPR) System

پسورد فایل : behsanandish.com


Development of a License Plate Number Recognition System Incorporating LowResolution Cameras

توسعه یک سیستم شناسایی شماره پلاک شامل دوربین های با رزولوشن پایین

A multi-lane free flow (MLFF) toll collection system installed on a simplified gantry requires compact cameras for supervising enforcement. Because these compact cameras have low image resolution, it is also necessary to develop vehicle license plate recognition technology that uses dynamic image processing. Mitsubishi Heavy Industries, Ltd. (MHI) has developed three technologies based on the conventional license plate recognition system using still images; these technologies improve image quality, process plural images of a single vehicle, and utilize a reference database. Laboratory evaluation tests have verified that even a lowresolution camera system can successfully recognize license plate numbers at a rate of 95% or better, comparable to results from the conventional still image system. MHI is enhancing system robustness to enable application of these technologies to actual products.

فایل PDF – در 5 صفحه- نویسنده : KENTA NAKAO, KIICHI SUGIMOTO, MAYUMI SAITOH, TAKUMA OKAZAKI

Development of a License

پسورد فایل : behsanandish.com


Automatic Number Plate Recognition System

سیستم شناسایی شماره پلاک خودکار

Abstract. Automatic recognition of car license plate number became a very important in our daily life because of the unlimited increase of cars and transportation systems which make it impossible to be fully managed and monitored by humans, examples are so many like traffic monitoring, tracking stolen cars, managing parking toll, red-light violation enforcement, border and customs checkpoints. Yet it’s a very challenging problem, due to the diversity of plate formats, different scales, rotations and non-uniform illumination conditions during image acquisition. This paper mainly introduces an Automatic Number Plate Recognition System (ANPR) using Morphological operations, Histogram manipulation and Edge detection Techniques for plate localization and characters segmentation. Artificial Neural Networks are used for character classification and recognition.
2010 Mathematics Subject Classification. Primary 68T10; Secondary 68T45.

Key words and phrases. license plate recognition, plate region extraction, segmentation, neural networks, optical character recognition, Hough transform, ANPR.

فایل PDF – در 10 صفحه- نویسنده :Amr Badr, Mohamed M. Abdelwahab, Ahmed M. Thabet, and Ahmed M. Abdelsadek

Automatic Number Plate Recognition System

پسورد فایل : behsanandish.com


Automatic License Plate Recognition

شناسایی شماره پلاک خودکار

فایل PDF – در 5 صفحه- نویسنده :Jason Grant

Automatic License Plate Recognition

پسورد فایل : behsanandish.com


A Real-Time Mobile Vehicle License Plate Detection and Recognition

یک تشخیص و ردیابی شماره پلاک وسایل نقلیه موبایل زمان واقعی

Abstract
In this paper we present a instant and real-time mobile vehicle license plate recognition system in an open environment. Using a nonfixed video camera installed in the car, the system tries to capture the image of the car in front and to process instant vehicle license plate detection and recognition. We utilize the color characteristics of the barking lights to carry out license plate detection. We first detect the location of the two barking lights in the captured image. Then set license plate detection region using the probability distribution of the license plate between the two lights. This method can eliminate any environmental interference during the license plate detection and improve the rate of accuracy of license plate detection and recognition. Moreover, we use the morphology method Black Top-Hat to enhance the level of separation of the license plate characters. Experiments show that the system can effectively and quickly capture the vehicle image,detect and recognize the license plate whether it is in daytime, nighttime, clear day, raining day or under complicated environment.
Key Words: Real-Time, Wavelet, License Plate, Black Top-Hat

فایل PDF – در 10 صفحه- نویسنده :Kuo-Ming Hung and Ching-Tang Hsieh

A Real-Time Mobile Vehicle License Plate

پسورد فایل : behsanandish.com

مقالات پردازش تصویر عبارت اند از:

Basics of digital image processing

مفاهیم اولیه پردازش تصویر

فایل PDF – در 57 صفحه – نویسنده : ناشناس

Basics of digital image processing

پسوردفایل : behsanandish.com


Digital Image Processing Laboratory Manual

کتابچه راهنمای آزمایشگاه پردازش تصویر دیجیتال

فایل PDF – در 19 صفحه – نویسنده :  Bhaskar Mondal

Digital Image Processing laboratory manual

پسوردفایل : behsanandish.com


Fundamentals of Digital Image Processing

اصول پردازش تصویر دیجیتال

فایل PDF – در 8 صفحه – نویسنده : ناشناس

Fundamentals of Digital Image Processing

پسوردفایل : behsanandish.com


Fundamentals of Image Processing

اصول پردازش تصویر

فایل PDF – در 112 صفحه – نویسنده : Ian T. Young , Jan J. Gerbrands  , Lucas J. van Vliet

Image Processing Fundamentals–An Overview

پسوردفایل : behsanandish.com


Image Processing Manual

دستورالعمل پردازش تصویر

فایل PDF – در 164 صفحه – تهیه کننده : انستیتو ملی اسناد آمریکا

Image processing manual

پسوردفایل : behsanandish.com


Image Processing Tutorial-Basic Concepts 

آموزش پردازش تصویر-مفاهیم پایه

فایل PDF – در 55 صفحه – تهیه کننده : شرکت CCDWare Publishing

Image Processing Tutorial

پسوردفایل : behsanandish.com


Intel® Image Processing Library-Reference Manual

کتابخانه پردازش تصویر اینتل-دستورالعمل مرجع

فایل PDF – در 319 صفحه – نویسنده :  شرکت Intel

Intel Image Processing Library-reference manual

پسوردفایل : behsanandish.com


آنالیز و پردازش تصویر

فایل Word – در 15 صفحه – نویسنده :  ناشناس

pardazesh tasvir

پسوردفایل : behsanandish.com


مفاهیم پایه پردازش تصویر-محیط های چند رسانه ای

فایل PDF – در 109 صفحه – نویسنده :  احمد محمودی ازناوه (دانشگاه شهید بهشتی)

مفاهیم_پایه_پردازش_تصویر_دانشگاه

پسوردفایل : behsanandish.com

تشخیص اثر انگشت

 اثر انگشت در انسان، اثری از سایش شیارهای پایانهٔ انگشت است. با توجه به اینکه هیچ دو انسانی اثر انگشت مشابه ندارند، می‌توان از این اثر برای شناسایی افراد بهره‌برد.

اثر انگشت برجستگی‌های بسیار ریز (قابل رؤیت با چشم غیره مسلح) است که در لایه اپیدرم پوست کف دست‌ها و پاها وجود دارد. به علت ترشحات چربی زیر پوست این آثار انگشت بر اجسام صاف قرار می‌گیرد که همچنین برای و ضوح آن می‌توان از پودری استفاده کرد که جذب این چربی‌ها شده و آنها را به صورت واضح نمایان سازد. اثر انگشت افراد منحصربه‌فرد است و در طول عمر فرد تغییر نمی‌کند، بنابراین می‌توان از آن به عنوان یک امضا یا ابزار تشخیص هویت استفاده کرد.

 

دستگاه اثر انگشت

امروزه در بسیاری از کشورها برای خواندن و ثبت اثر انگشت، از دستگاه‌های پیشرفته استفاده می‌شود.

این روش در تعیین هویت از دقت ۱۰۰٪ برخوردار بوده و حتی در دوقلوهای یکسان (تک‌تخمکی) نیز اثر انگشت متفاوت است. به‌گونه‌ای که امکان شباهت اثر انگشت دو نفر انسان، یک شصت و چهار میلیاردم می‌باشد.

ایجاد اثر انگشت یک صفت ارثی- محیطی است که هر عامل قبل از تولد می‌تواند بر آن اثر گذارد مانند فشارهای روحی و روانی بر مادر و حتی فشاری که نوزاد وقت تولد متحمل می‌شود و حتی کمی تفاوت در درازای بند ناف باعث تغییر خطوط سرانگشت می‌شود. اثر انگشت کمی پس از تولد کاملاً تثبیت شده و غیرقابل تغییر است.

در انگشت نگاری مشخصات نقاطی که در آنها خطوط ریز انگشت با هم تلاقی داشته‌اند، انشعاب داشته‌اند یا پایان یافته‌اند بررسی می‌شود. اثر انگشتان یک دست یا دو دست هیچ شباهت یا رابطه‌ای با هم ندارند به همین دلیل در تشخیص هویت و انگشت نگاری از همه انگشتان دو دست نمونه برداری می‌شود.

تاریخچه

هفت‌هزار سال پیش‌از میلاد مسیح، کوزه گران چینی از اثر انگشت شصت خود جهت مشخص نمودن کوزه‌ها و آثارشان استفاده می‌کردند. تاریخ‌نگار و پزشک ایرانیرشیدالدین فضل‌الله همدانی در کتاب جامع التواریخ بیان کرده است که چینی‌ها از اثر انگشت برای تشخیص هویت هم استفاده می‌کرده‌اند. وی در ادامه ذکر می‌کند که تجربه نشان داده است که اثر انگشت دو نفر کاملاً شبیه هم نیست. کتابها و متون یافته شده در کاوشهای باستانی چین، عمدتاً دارای مهری سفالینه منقش به اثر انگشت پدیدآورنده کتاب بوده‌است. در هزاره دوم پیش‌از میلاد نیز در کاوش‌های بابل، به لوح‌های گلی مربوط به ثبت اثر انگشت افراد اشاره شده‌است. با ابداع کاغذ و ابریشم در چین، قراردادهای رسمی با فشردن دست بر روی اسناد مهر می‌گردید.

۸۵۰ سال قبل از میلاد یک بازرگان عرب با نام ابو زید حسن شاهد رسمیت یافتن اسناد وامها در چین بوده‌است. تا سال ۷۰۲ قبل از میلاد، ژاپنی‌ها نیز از روش چینی‌ها برای رسمیت بخشیدن به اسناد استفاده می‌کردند. گرچه احتمالاً مردم در دوران باستان نمییدانستند که اثر انگشت می‌تواند افراد را به صورت منحصربه‌فرد شناسایی نماید، اما در زمان حمورابی، کسانی که دستگیر می‌شدند انگشت نگاری می‌شدند. رشید الدین همدانی، طبیب برجسته ایرانی در کتاب جامع التواریخ به رسم چینی‌ها در شناسایی افراد از طریق اثر انگشت اشاره کرده و توضیح داده‌است که «شواهد و تجربیات نشان می‌دهد که هیچ دو نفری اثر انگشت کاملاً یکسان ندارند». در این زمان در ایران نیز از اثر انگشت شصت برای مهر نمودن اسناد استفاده می‌کردند. همچنین بر دیوار مقبره‌های باستانی مصر و یونان نیز آثار انگشت یافت شده‌است.

 

اثر انگشت سبابه

 

در اوایل قرن بیستم استفاده از تکنیکهای تشخیص اثر انگشت برای تحقیقات جنایی در غرب با الهام از تمدن شرق متداول گشت. در آن زمان لازم بود تصویر هر ۱۰ انگشت با جوهر خاصی ثبت گردد. اما در اواخر دهه ۱۹۶۰، ابداع سیستمهای ثبت اثر انگشت زنده (به صورت الکترونیکی) Live-Scan Systems انقلابی در صنعت تشخیص اثر انگشت به وجود آورد. به سرعت پایگاه‌های داده از اثر انگشت افراد ایجاد شد و محققان هر روز فناوری تازه‌ای معرفی می‌کردند که با دقت و سرعت بیشتری فرد مور نظر را از بین انبوهی از افراد شناسایی می‌کرد.

با پیشرفت تکنولوژی، تبهکاران نیز دست به کار شده و روشهای پیچیده‌ای از تقلب Fake Fingerprint را ابداع نمودند. ساده‌ترین روش تقلب، ثبت اثر انگشت فرد بر روی کاغذ (۲ بعدی) است. فناوری با ترکیب روشهای امنیتی (الکترواستاتیک، ترمودینامیک و…) مختلف به جنگ تقلب در سیستمهای امنیتی رفته‌است.

امروزه تشخیص اثر انگشت به عنوان دقیقترین و سریعترین روش بیومتریک در جهان نظیر کاربردهای امنیتی در سیستمهای کنترل دسترسی و کاربردهای تجاری نظیر ساعتهای حضور و غیاب کاربرد بسیاری دارد.

تحقیقات علمی

زمانی که برای اولین بار انگشت‌نگاری برای تشخیص هویت به کار رفت، بعضی از وکلای دادگستری ایراد گرفتند که ممکن است آثار انگشتانی پیدا کرد که یکسان باشند ولی فرانسیس گالتون،انسان‌شناس معروف انگلیسی در جست و جوهای خود راجع به اثرانگشت و موضوع وراثتی بودن آن به این نتیجه رسید که نقوش سرانگشت توارثی نیست و در کتاب آثار انگشتان از طریق علوم ریاضی ثابت کرد که ممکن نیست بتوانید اثرات انگشت مشابه بیابید. پس از گالتون نیز دانشمند دیگری به نام فورژ و در سال ۱۷۹۲ مطالعه‌ای را روی خانواده‌هایی که ازدواج فامیلی در آنها رسم بود، آغاز کرد و تا سه نسل پیش رفت اما در نهایت به این نتیجه رسید که اثرات انگشت مشابه وجود ندارد.

کاربرد

گذرنامه بیومتریک اروپایی، اثرانگشت دیجیتال دارنده، ثبت‌شده در جلد پاسپورت.

طی سال‌های اخیر وبا توجه به ارزانی و دردسترس بودن وسایل و تجهیزات مربوط به خوانش و ثبت اثر انگشت، تقریباً در همه گروه‌های کاری ازآن استفاده می‌شود. از اثر انگشت برای تشخیص هویت افراد در موارد مختلف استفاده می‌شود و به عنوان مثال تشکیل پرونده‌های قضایی افراد یا دستگاه‌های حضور غیاب پرسنل یا ورود به سیستم بعضی از رایانه‌ها یا تلفن همراه از اثر انگشت برای تشخیص هویت یا صاحب دستگاه استفاده می‌شود.

از کاربردهای مهم انگشت‌نگاری، می‌توان به کنترل روند اقامتهای طولانی‌مدت در کشورهای دیگر، توسط اداره مهاجرت کشور میزبان اشاره نمود. برطبق قوانین مهاجرتی، هرگاه تبعه خارجی قصد اقامت بلندمدت را در کشوری میزبان داشته‌باشد، موظف به انگشت‌نگاری و ثبت اطلاعات فردی در سیستم رایانه‌ای است. هرچند جمهوری اسلامی ایران، این مورد را توهین به شهروندان خود می‌انگارد اما برطبق قوانین تازه بین‌المللی، برای سفر به برخی کشورها، انگشت‌نگاری یک امر بدیهی و طبیعی است. امروزه بسیاری کشورهای عضو پیمان کنترل مهاجرت غیرقانونی و نیز ضد تروریسم، برای متقاضیان گذرنامه در همان کشور مطبوع، اطلاعات فردی و اثر انگشت درون چیپ‌های درون جلد گذرنامه، ثبت و ذخیره شده تا مسافران در هنگام ورود به کشورهای مقصد، درگیر بروکراسی کنترل اثر انگشت نباشند.

منبع


كلمه بيومتريك از كلمه يونانی bios به معنای زندگی و كلمه metrikos به معنای اندازه گيری تشكيل شده است. همه ما می دانيم كه ما برای شناسايی همديگر از يك سری ويژگی هايی استفاده می كنيم كه برای هر شخص به طور انحصاری است و از شخصی به شخص ديگر فرق می كند كه از آن جمله می توان به صورت و گفتار و طرز راه رفتن اشاره كرد. امروزه در زمينه های فراوانی ما به وسايلی نياز داريم كه هويت اشخاص را شناسایی كند و بر اساس ويژگيهای بدن اشخاص آن ها را بازشناسی كند و اين زمينه هر روز بيشتر و بيشتر رشد پيدا می كند و علاقه مندان فراوانی را پيدا كرده است. علاوه بر اين ها امروزه password و ID كارتهايی كه بكار برده می شوند دسترسی را محدود می كنند، اما اين روشها به راحتی می توانند شكسته شوند و لذا غير قابل اطمينان هستند. بيومتری را نمی توان امانت داد يا گرفت، نمی توان خريد يا فراموش كرد و جعل آن هم عملا غير ممكن است.

يك سيستم بيویمتری اساساً يك سيستم تشخيص الگو است كه يك شخص را بر اساس بردار ويژگی های خاص فيزيولوژيك خاص يا رفتاری كه دارد باز شناسی می كند. بردار ويژگی ها پس از استخراج معمولا در پايگاه داده ذخيره می گردد. يك سيستم بيومتری بر اساس ويژگی های فيزيولوژيك اصولا دارای ضريب اطمينان بالایی است. سيستم های بيومتری می توانند در دو مد تاييد و  شناسایی كار كنند. در حالی كه شناسايی شامل مقايسه اطلاعات كسب شده در قالب خاصی با تمام كاربران در پايگاه داده است، تاييد فقط شامل مقايسه با يك قالب خاص می شود كه ادعا شده است. بنابراين لازم است كه به اين دو مسئله به صورت جدا پرداخته شود.

يك سيستم بيومتری ساده دارای چهار بخش اساسی است :

1) بلوك سنسور: كه كار دريافت اطلاعات بيومتری را بر عهده دارد.
2) بلوك استخراج ويژگيها: كه اطلاعات گرفته شده را می گيرد و بردار ويژگی هاي آن را استخراج می كند.
3) بلوك مقايسه: كه كار مقايسه بردار حاصل شده با قالبها را بر عهده دارد.
4) بلوك تصميم: كه اين قسمت هويت را شنااسايي مي كند يا هويت را قبول كرده يا رد مي كند.

هر خصيصه اي از انسان مي تواند به عنوان يك ويژگي در بيو متري بكار برده شود به شرطي كه شروط زير ر ا بر آورده كند :
1) عمومي بودن : هر شخصي آن خصيصه را داشته باشد.
2) متفاوت بودن : در اشخاص ، متفاوت باشد و دو تا شبيه هم نباشد.
3) دوام داشتن : در يك بازه زماني ثابت باشد.
4) قابل بدست آوردن باشد.
در كاربردهاي زندگي روزمره سه فاكتور ديگر نيز بايد رعايت شود: كارايي (دقت، سرعت)، دسترسي (براي كاربران بي ضرر باشد) امنيت بالا.
در اين مقاله ما به معرفي تعدادي از عواملي كه دربيو متري مورد استفاده قرار مي گيرند مي پردازيم.

باز شناسي هويت از طريق اثر انگشت

اين روش قديمي ترين روش آزمايش تشخيص هويت از راه دور است. اگرچه قبلاً اثر انگشت تنها در زمينه جرم قابل بحث بود، تحقيقات در بسياري كشورها سطحي از پذيرش را نشان ميدهد كه به اين روش اجازه استفاده در برنامه هاي عمومي را مي دهد. سيستمها ميتوانند جزئياتي از اثر انگشت (نقاطي مانند تقاطعها يا كناره هاي برجستگيها) يا كل تصوير را بگيرند. الگوهاي مرجع كه براي حفظ اين جزئيات بكار ميرود در حدود 100 بايت هستند كه در مقايسه با تصوير كاملي كه از اثر انگشت با حجم 500 تا 1500 بايت ميباشد، بسيار كوچكتر هستند.

در برنامه هاي عمومي مشكلاتي در ثبات وجود دارد. بعضي كارگران و معتادان شديد به سيگار, اغلب انگشتاني دارند كه تحليل اثرانگشت آنان مشكل است. با اين وجود، طرحهاي بلند مدت و موفق زيادي در استفاده از اثر انگشت وجود داشته است. در حال حاضر اثر انگشت خوانهاي زيادي در دامنه وسيعي وجود دارند كه به همراه بعضي كارتخوانها استفاده ميشوند. اگرچه در حال حاضر قيمت آنها چندان پايين نيست اما ميزان عرضه آنان در فروشگاههاي كامپيوتر عادي باعث افت سريع قيمت آنان خواهد شد. به طور مثال شركت هواپيمايي آلماني لوفتانزا، آزمايش بليت هاي بيومتريك را آغاز كرده است. اين بليت ها با اطلاعات مربوط به اثر انگشت شصت مسافران رمزگذاري شده اند و انتظار ميرود سرعت كنترل را بدون پيچيدگي هاي امنيتي افزايش دهند.

نكته قابل توجه ديگر در سيستم هاي توليد توليد شده با استفاده از فناوري بيومتريك (اثر انگشت) قابل ملاحظه است، استقبال رو به گسترش مردم از خريد اين محصولات است. به طور مثال، شركت لنوو (Lenovo) با فروش بيش از يك ميليون كامپيوترهاي كيفي بيومتريكي كه اثر انگشت فرد صاحب آن را اسكن مي كند، به يكي از بزرگترين فروشندگان كامپيوترهاي بيومتريكي در جهان تبديل شده است.
در اين بخش سعي بر آن شده است كه اصول كلي، موانع و محدوديت هاي سيستمهاي تشخيص اثر انگشت بررسي شوند.

اصول كلي در سيستمهاي تشخيص اثر انگشت:

همانگونه كه اشاره شد، اثر انگشت يكي از روشهاي مطمئن براي شناسايي افراد مي باشد و در زمينه هايي نظير رسيدگي به جرم، سيستم هاي كنترل حوادث، كنترل مرزهاي ملي و … به كار مي رود. دليل اصلي انتخاب اثر انگشت براي شناسايي افراد اين است كه اثر انگشت هر فرد منحصر به فرد بوده و بعضي از ويژگي هاي آن تا آخر عمر ثابت باقي مي ماند و از همين ويژگي ها در تطبيق اثر انگشت استفاده مي شود. براي تطبيق دستي اثر انگشت روشهاي استانداردي وجود دارد، اما روش دستي تطبيق اثر انگشت كاري مشكل و بسيار وقت گير بوده و كارايي لازم را ندارد.البته از آنجا كه بانكهاي اطلاعاتي داراي ميليونها اثر انگشت مي باشد، عملاً تطبيق دستي اثر انگشت امري محال مي شود.

به منظور اتوماتيك كردن تطبيق بايد روشي براي تصوير و يا كد كردن اثر انگشت تعريف گردد. اين بيان تصوير بايستي شرايط زير را داشته باشد:
1) توانايي تمايز هر اثر انگشت در سطوح مختلف رزولوشن،
2)  محاسبات ساده
3)  قابليت بكارگيري در الگوريتم هاي تطبيق اتوماتيك،
4)  پايداري و عدم تغيير با نويز و خرابي ها
5) كارا بودن و نشان دادن تصاوير به صورت فشرده

اگر تصوير به صورت خام ذخيره شود، حافظه زيادي مورد نياز است و سيستم كارايي لازم را نخواهد داشت. در روشهاي ساختاري ويژگي ها از تصوير استخراج و تصوير با اين ويژگي ها شناخته شده و همچنين با استفاده از همين ويژگيها عمل تطبيق صورت مي گيرد.

اثر انگشت از برآمدگي ها و فرو رفتگي اي فلو مانندي تشكيل شده است كه بسته به وضعيت قرار گرفتن آنها ويژگي هاي مختلفي به وجود مي آيد. تا كنون 18 ويژگي براي اثر انگشت شناخته شده است كه دو ويژگي مهم آن، انتهاي برآمدگي و دوشاخه شدن برآمدگي مي باشدكه اصطلاحاً به آنها مينوتيا مي گويند. در شكل زير اين دو ويژگي نشان داده شده است:

 

 

 

اطلاعات مينوتيا در مولفه هاي x , y و زاويه برآمدگي ها آنها قرار دارد. ساختار توپولوژيكي مينوتاي يك اثر انگشت منحصر به فرد بوده و با گذشت زمان تغيير نمي كند. در نتيجه مي توان تشخيص اثر انگشت را بر مبناي تطبيق ساختار توپولوژيكي مينوتيا استوار ساخت. در يك تصوير انگشت با كيفيت نسبتاً خوب در حدود 70 تا 80 مينوتا وجود دارد كه البته اين تعداد در تصويرهاي جزئي به حدود 20 تا 30 ويژگي كاهش مي يابد، اما باز هم بااين تعداد مي توان عمل تطبيق اثر انگشت را انجام داد.

اكثر سيستمهاي تشخيص اثر انگشت، ساختاري بر مبناي مينوتيا دارند. در اين سيستمها سه مرحله اساسي براي تشخيص وجود دارد كه عبارتند از:
1)  پيش پردازش
2) استخراج مينوتيا
3) تطبيق مينوتيا
مرحله اول براي افزايش كيفيت تصوير انجام مي گيرد، مرحله دوم براي استخراج ويژگي هاي تصوير و مرحله آخر براي مقايسه مورد استفاده قرار مي گيرد.

در مورد تطبيق، روشهاي گوناگوني وجود دارد كه از جمله مي توان به موارد ذيل اشاره كرد:
1)  تطبيق مجموعه نقاط
2) تطبيق گراف
3) همشكلي دو زير گراف
البته عمل تطبيق بنا به دلايل زير نياز به محاسبات پيچيده دارد:
1) معمولاً كيفيت اثر انگشت پايين است.
2) بانك اطلاعاتي اثر انگشت ها بزرگ است.
3) تصوير هايي كه به صورت ساختاري آسيب ديده اند، به الگوريتم هاي نيرومندي جهت تطبيق نياز دارند.

در سيستمهاي تشخيص اثر انگشت موجود دربازار كه از اين دو ويژگي (انتهاي برآمدگي و دوشاخه شدن برآمدگي) استفاده مي شود، به علت بزرگ بودن بانك اطلاعاتي و نويز دار بودن تصاوير، يك تطبيق يك به يك عملاً مشكل بوده و از اين رو يكسري از تصوير هاي تطبيق يافته تهيه و سپس تطبيق نهايي توسط افراد متخصص انجام مي گيرد.

  استخراج ساير ويژگي ها:

علاوه بر ويژگي هاي بيان شده، در بسياري از سيستمهاي تشخيص اثر انگشت، از ويژگي هاي سطح بالا نيز استفاده مي شود. اين امر باعث افزايش صحت عمل تطبيق مي گردد. يكي از اين ويژگي هاي مهم كلاس الگوي اثر انگشت مي باشد.

اثر انگشت به پنج كلاس اصلي تقسيم مي شود كه عبارت است از:
1) كمان
2) كمان مايل
3) حلقه چپ
4) حلقه راست
5) مارپيچ

در تصاوير نويز دار و جزئي ممكن است كلاس الگو نامشخص باشد، كه در اينصورت از يك ويژگي سطح بالاتري به نام چگالي برآمدگي ها به جاي كلاس الگو استفاده مي شود كه بيانگر تعداد برآمدگي ها در واحد طول تعريف مي شود. به منظور مستقل كردن چگالي برآمدي ها از جهت تصوير، تعداد برآمدگي ها بين دو نقطه منفرد محاسبه مي شود. نقاط منفرد در اثر انگشت هسته و دلتا مي باشند. هسته بالاترين نقطه در داخلي ترين برآمدگي و دلتا يك نقطه سه شاخه است كه سه برآمدگي از كنار آن عبور مي كند. در شكل زير اين نقاط نمايش داده شده است:

 

 

 

کد کردن اطلاعات

در ادامه به بررسي مختصري از مراحل كد كردن اطلاعات اثر انگشت مي پردازيم:

  1)  نحوه به دست آمدن تصوير اثر انگشت:

1-1) كاغذ و مركب : در سالهاي گذشته بيشتر از روش كاغذ و مركب استفاده مي شد به اين ترتيب كه در ابتدا اثر انگشت فرد با استفاده از مركب بروي كاغذ ثبت و سپس تصوير اثر انگشت اسكن شده و فايل تصويري آن آماده مي شد، كه اين روش اكنون به علت مشكلات خاص خود و البته پيشرفت تكنولوژي كم كم منسوخ مي شود. معمولا چون كيفيت تصوير به دست آمده پايين است با
استفاده از تكنيك هاي پردازش تصوير اين نقيصه تا حدي مرتفع مي گردد.

       1-2)  روش اسكن مستقيم نوري:

روشهاي گوناگوني براي انجام اين نوع تصوير گيري وجود دارد. نمونه اي از آن در شكل زير آمده است:

 

 

1-3) با استفاده از سنسور LE

در اين روش از تكنولوژي نيمه هادي ها استفاده مي گردد. به اين ترتيب كه انگشت شخص بر روي سنسور LE كه از جنس نيمه هادي مي باشد، قرار گرفته و در نتيجه در محل هاي برآمدگي پوست انگشت كه در تماس با سنسور مي باشند، فوتون آزاد شده و به اين ترتيب اثر انگشت ثبت مي گردد.
امروزه اسكنر هايي كه براي ارتباط با كامپيوتر طراحي شده اند، به راحتي اطلاعات تصويراثر انگشت را تهيه و از طريق درگاه هاي كامپيوتر در اختيار نرم افزارهاي مربوطه قرار مي دهند.

نحوه استخراج ويژگي ها:

در اكثر سيستم ها از روشهاي ساختاري كه بر مبناي مينوتا هستند براي استخراج ويژگي ها استفاده مي شود. در اين سيستم ها در ابتداپيش پردازشهاي اوليه اي مانند يكنواخت كردن هيستوگرام، تشخيص برآمدگي ها و نازك كردن آنها روي تصوير اعمال ميگردد. سپس با استفاده از روشهاي زير به استخراج ويژگي ها و شناسايي اثر انگشت مبادرت مي ورزند:
1) روش فازي
2) روش شبكه هاي عصبي
3) ساختن گراف مربوطه به هر تصوير با استفاده از ميدان جهت دار و الگوريتم راتا
پياده سازي اين روشها يا با استفاده از كامپيوتر انجام گرفته و يا از مدارات مجتمعي كه به همين منظور ساخته شده است، انجام مي گيرد.

منبع

 

تشخیص لبه در تصاویر

آشکارسازی لبه یکی از مفاهیم پردازش تصاویر است. هدف آشکارسازی لبه نشان‌گذاری نقاطی از یک تصویر است که در آنها شدت روشنایی به تندی تغییر می‌کند. تغییرات تند در خصوصیات تصویر معمولاً نمایندهٔ رویدادهای مهم و تغییرات در خصوصیات محیط هستند. شناسایی لبه یک محدودهٔ تحقیقاتی در پردازش تصویر و استخراج ویژگی است.

ویژگی‌های لبه

لبه‌ها ممکن است وابسته به دیدگاه باشند – یعنی می‌توانند با تغییر نقطه دید تغییر کنند، و نوعاً هندسه صحنه، اجسامی که جلوی همدیگر را گرفته‌اند و مانند آن را نشان می‌دهند یا ممکن استنابسته به دیدگاه باشند – که معمولاً نمایانگر ویژگی‌های اجسام دیده‌شده همچون نشان‌گذاری‌ها و شکل سطح باشند. در دو بعد و بالاتر مفهوم تصویر باید در نظر گرفته شود.

یک لبه نوعی ممکن است(برای نمونه) مرز میان یک بخش قرمزرنگ و یک بخش سیاه‌رنگ باشد؛ حال آنکه یک خط می‌تواند تعداد کمی پیکسل‌های ناهمرنگ در یک زمینه یکنواخت باشد. در هر سوی خط یک لبه وجود خواهد داشت. لبه‌ها نقش مهمی در کاربردهای پردازش تصویر دارند.

آشکارسازی لبه

لبه مرز بین نواحی با خواص نسبتاً متفاوت سطح خاکستری است. نظریهٔ پایه در بیشتر روش‌های آشکارسازی لبه، محاسبه یک عملگر مشتق محلی است. در این مقطع توجه شود که لبه (گذر از تاریک به روشن) به صورت یک تغییر آرام، نه سریع، سطح خاکستری مدل می‌شود. این مدل نشان می‌دهد که معمولاً لبه‌های تصاویر رقمی بر اثر نمونه‌برداری، کمی مات می‌شوند. مشتق اول مقطع سطح خاکستری در لبه جلویی گذر، مثبت است، در لبه عقبی آن منفی است و همان طور که مورد انتظار است، در نواحی با سطح خاکستری ثابت صفر است. مشتق دوم برای قسمتی از گذر که در طرف تیره لبه است، مثبت است، برای قسمت دیگر گذر که در طرف روشن لبه است، منفی است، و در نواحی با سطح خاکستری ثابت، صفر است.

بنابراین، از بزرگی مشتق اول می‌توان برای تعیین این که آیا پیکسل در روی لبه قرار دارد، استفاده کرد. مشتق دوم در نقطه وسطی هر گذر سطح خاکستری یک عبور از صفر دارد. عبور از صفرها راهی قوی برای تعیین محل لبه‌های تصویر فراهم می‌آورند. اندازهٔ مشتق اول تصویر در هر نقطه برابر بزرگی گرادیان می باشد. مشتق دوم نیز با استفاده از لاپلاسین به دست می‌آید. اگر یک لبه را به عنوان تغییر در شدت روشنایی که در طول چند پیکسل دیده می‌شود در نظر بگیریم، الگوریتم‌های آشکارسازی لبه به طور کلی مشتقی از این تغییر شدت روشنایی را محاسبه می‌کنند. برای ساده‌سازی، به آشکارسازی لبه در یک بعد می‌پردازیم. در این نمونه، داده‌های ما می‌تواند یک تک‌خط از شدت روشنایی پیکسل‌ها باشد. برای نمونه بین پیکسل‌های چهارم و پنجم در داده‌های ۱-بعدی زیر به روشنی می‌توان لبه‌ای را آشکار کرد

 5  7  6  4  152  148  149

محاسبه مشتق اول

تعداد زیادی از عملگرهای آشکارسازی لبه بر پایه مشتق اول شدت روشنایی کار می‌کنند، یعنی با گرادیان شدت روشنایی داده‌های اصلی سروکار داریم. با این اطلاعات می‌توانیم تصویری را برای قله‌های گرادیان روشنایی جستجو کنیم.

اگر I(x) نماینده شدت روشنایی پیکسل x، و I′(x) نماینده مشتق اول(گرادیان شدت روشنایی) در پیکسل x باشد، بنابراین داریم:

{\displaystyle I'(x)=-1\cdot I(x-1)+0\cdot I(x)+1\cdot I(x+1).\,}

برای پردازش تصویر با عملکرد بهتر، مشتق اول را می‌توان(در یک بعد) با چرخاندن با ماسک زیر روی تصویر بدست آورد:

−1 0 1

محاسبهٔ مشتق دوم

برخی دیگر از الگوریتم‌های آشکارسازی لبه بر اساس مشتق دوم شدت روشنایی کار می‌کنند که در واقع نرخ تغییرات گرادیان شدت روشنایی است و برای آشکارسازی خط‌ها بهترین است، زیرا بدانگونه که در بالا گفتیم هر خط یک لبه دوگانه است، بنابراین در یک سوی خط یک گرادیان روشنایی و در سوی دیگر گرادیان مخالف آن دیده می‌شود. پس می‌توانیم منتظر تغییر بسیار زیاد در گرادیان شدت روشنایی در محل یک خط باشیم. برای یافتن خط‌ها می‌توانیم گذر از صفرهای تغییر گرادیان را در نتایج جستجو کنیم.

اگر I(x) نمایشگر شدت نور در نقطه x و I′′(x) مشتق دوم در نقطه x باشد:

{\displaystyle I''(x)=1\cdot I(x-1)-2\cdot I(x)+1\cdot I(x+1).\,}

اینجا نیز بیشتر الگوریتم‌ها از یک ماسک پیچش برای پردازش سریع داده‌های تصویر سود می‌برند:

+1 −2 +1

آستانه‌گیری

پس از محاسبه مشتق، گام بعدی عبارت است از: اعمال‌کردن یک آستانه برای کشف نقاطی که بخشی از یک لبه هستند. هر چه آستانه کمتر باشد، خط‌های بیشتری آشکارسازی می‌گردند و نتایج بیشتر نسبت به نویز، و ویژگی‌های نامرتبط تصویر حساس می‌شوند، از سوی دیگر یک آستانه زیاد ممکن است خط‌های ضعیف یا بخش‌هایی از خط‌ها را از دست بدهد.

یک مصالحه معمول آستانه‌گیری با پسماند است. این روش از چندین آستانه برای جستن لبه‌ها سود می‌جوید. با آستانه بالایی جستجو را برای پیدا کردن ابتدای خط‌ها آغاز می‌کنیم. هنگامی که یک نقطه آغاز داریم، مسیر لبه را درون تصویر پیکسل به پیکسل با نشانه‌گذاری پیکسل‌هایی که از آستانه پایینی بالاترند پی می‌گیریم. تنها هنگامی که مقدار از آستانه پایینی پایین‌تر رود آن را پایان می‌دهیم. این رهیافت بر اساس این گمان است که لبه‌ها به احتمال زیاد در مسیرهای پیوسته قرار دارند و دنبال کردن بخش ضعیفی از لبه‌ای که از پیش دیده‌ایم ممکن می‌کند، بدون آنکه پیکسل‌های نویزی را به عنوان لبه نشانه‌گذاری کنیم.

عملگرهای آشکارسازی لبه

  • مرتبه نخست: رابرتز، پرویت، سوبل، کنی، اسپیسک
  • مرتبه دوم: لاپلاسی، مار-هیلدرث

اکنون، عملگر کنی و پس از آن مار-هیلدرث بیشترین کاربرد را دارد. عملگرهای زیادی تاکنون منتشر شده‌اند اما هیچیک برتری قابل ملاحظه‌ای بر عملگر کنی در شرایط کلی نداشته‌اند. کار بر روش‌های چندمقیاسی هنوز بیشتر در آزمایشگاه‌هاست.

اخیراً عملگر جدیدی منتشر شده که اجازه جداسازی لبه‌ها را با دقت زیرپیکسل می‌دهد، چیزی که آن را از عملگر کنی نیز بهتر می‌سازد. برای اطلاعات بیشتر مقاله زیر ببینید:

(استجر، ۱۹۹۸)An Unbiased Detector of Curvilinear Structure

بارکد چیست؟

به زبان ساده مى توان گفت: بارکد مجموعه اى است از میله ها یا خطوط سیاه رنگى که معمولاً بر روى زمینه اى سفید چاپ مى شود و به وسیله آن از کالاى خریدارى شده شناسایى لازم به عمل مى آید و قیمت آن مشخص مى شود و اگر به دنبال تعریف دقیق ترى هستید، باید گفت:

بارکد عبارت است از انتقال داده ها از طریق امواج نورى. آنها مجموعه اى از خطوط میله اى موازى با عرضهاى گوناگون (پهن و نازک)هستندکه اندازه هر خط معنا و مفهوم خاصى براى دستگاه بارکدخوان دارد.
در حقیقت دستگاه بارکدخوان ماشینى است که اطلاعات را به شکل بصرى بر روى صفحه نمایش مى دهد.

ضرورت استفاده از بارکد

گرداندن یک فروشگاه کار مشکل و پردردسرى است. مدیران و صاحبان آن باید از میزان موجودى که از هزاران کالاى کوچک و بزرگ دارند، مطلع باشند (کالاهایى که مجبور به خرده فروشى آن هستند و در زمان طولانى از انبارهایشان بیرون مى روند.)

همین طور که فروشگاهها، بزرگ و بزرگتر شدند تا به فروشگاههاى زنجیره اى امروزى رسیدند، کار مشکل و مشکل تر شد. نخست مجبور شدند در فروشگاهها را هرچند وقت یکبار ببندند و تمام کیسه ها و بسته ها و کنسروها را شمارش کنند. کار بسیار دشوارى بود.
این کار سخت و هزینه بردار بیش از یک بار در سال انجام نمى شد (انبارگردانى)، بنابراین مدیران فروشگاهها مجبور بودند بیشتر کارهایشان را بر اساس حدس و گمان انجام دهند و در نهایت این نیاز مادر اختراع شد!

سیستم بارکدگذارى چگونه آغاز شد؟

در سالذ۱۹۳۲ گروهى از دانشجویان رشته مدیریت بازرگانى دانشگاه هاروارد، تصمیم گرفتند روشى را انتخاب کنند تا بر اساس آن مشتریان کالاى مورد نظرشان را از درون کاتالوگى پیدا کنند و سپس با برداشتن کارت هاى خاص چسبانده شده در کنار نام هر کالا و تحویل به مسؤول کنترل و قرار دادن آن در دستگاه کارت خوان و پانچ، مستقیماً کالا را از طریق انبار به باجه کنترل انتقال دهند و صورتحساب کامل را دریافت کنند و مهم تر از همه صاحبان فروشگاه از موجودى انبار خود اطلاعات به روزى داشته باشند. البته ایده سیستم «بارکدینگ» مدرن و پیشرفته از سال ۱۹۴۸ وارد سیستم تجارى شد.

سیستم بارکد امروزى چگونه شروع به کار کرد؟

سال ۱۹۴۸ بود که رئیس یک فروشگاه مواد غذایى در آمریکا از کار کند و بى دقت کارکنان فروشگاه به ستوه آمد و براى پیدا کردن راه حل به مسؤولان دانشگاه (Drexel) مراجعه کرد تا تقاضاى ساخت سیستم کنترل خودکارى را داشته باشد، اما مسؤولان دانشگاه از این نظریه استقبال نکردند.

یکى از دانشجویان فارغ التحصیل این دانشگاه به نام باب سیلور «Bob Silver» این گفت و گو را شنید و آن را با یکى از دوستانش Norman Joseph Woodland در میان گذاشت و تصمیم گرفتند براى ساخت چنین سیستمى شروع به کار کنند. آنها در شروع از رمز و الفباى سیستم مورس الهام گرفتند و سعى کردند با چاپ و طراحى میله هاى پهن و باریک این شیوه را راه اندازى کنند و مدتى بعد هم به فکر سیستم بارکد نقطه اى و دایره اى افتادند.

سال ۱۹۴۹ بود که توانستند اختراع خود را ثبت کنند و در سال ۱۹۵۲ نخستین سیستم بارکدخوان را ساختند. «وودلند» که از سال۱۹۵۱در شرکت IBM مشغول به کار شده بود، توانست با استفاده از موقعیتهایى که در آنجا برایش ایجاد مى شد، به کمک دوستش در سال ۱۹۵۲ دستگاهى به بزرگى یک میز تحریر بسازد و ۲ جزء اصلى در آن تعبیه کرد:

۱- یک حباب (لامپ) ۵۰۰ واتى به عنوان منبع نور.

۲- با استفاده از آنچه در سیستم ساخت فیلم (براى تراک هاى صوتى استفاده مى شد) مجرایى لوله اى ساخت و این لوله را به یک نوسان سنج متصل کرد و سپس یک قسمت کاغذ را به شکل کدهاى خطى در جلوى پرتوى نور خارج شده از منبع نور، علامت گذارى کرد. پرتو منعکس شده به مجرا مى رسید و در طرف دیگر گره اى ناشى از حباب پرقدرت کاغذ را مى سوزاند. او بدون هیچ کم و کاست به آنچه مى خواست، رسیده بود. درحالى که کاغذ حرکت مى کرد، علایم روى دستگاه نوسان سنج تغییراتى مى کرد و در نهایت توانسته بودند دستگاهى داشته باشند که به کمک آن موضوعات چاپ شده، خوانده مى شد.

بعداً متوجه شدند لامپ ۵۰۰ واتى میزان الکتریسیته اى زیادتر از آنچه آنها نیاز داشتند، تولید مى کند و میزان اضافى، علاوه بر بالا بردن هزینه ها، گرماى اضافى هم تولید مى کرد و از طرفى نگاه کردن به آن باعث آسیب چشم مى شد، بنابراین به فکر استفاده از منبعى افتادند که تمام نور مورد نیاز آنها را در فضاى کوچکى متمرکز کند. همان کارى که امروزه «لیزر» انجام مى دهد، اما در سال ۱۹۵۲ لیزر موجود نبود!

بعدها با گسترش و تولید لیزر «Laser» توانستند دستگاههاى بارکدخوان ارزان ترى تولید کنند. گرچه «باب سیلور» فرصت استفاده درست از دانش خود را در شرایط آسان تر نیافت و در ۳۸سالگى فوت کرد، اما همکارش کار را ادامه داد.

در سال ۱۹۷۲ سیستم بارکد نقطه اى نیز در عمل مورد استفاده قرار گرفت، اما این روش چندان موفق نبود (زیرا حین چاپ براحتى مغشوش مى شد.)

در سال ۱۹۷۴ وودلند در IMB سیستم بارکد خطى را گسترش داد و نخستین محصول خرده فروشى (محصولاتى چون آب میوه و آدامس) به این طریق فروخته شد. (و جالب اینکه در حال حاضر یک بسته از آن آدامس در موزه اى در آمریکا نگهدارى مى شود).
و سرانجام آقاى وود در سال ۱۹۹۲ توانست مدال ملى تکنولوژى را بابت به کارگیرى سیستم بارکد دریافت کند. (تنها به خاطر استراق سمع دوستش آقاى سیلور!) خلاصه آنکه، بارکدها و سایر برچسب هاى خوانا در جایى که نیاز به خوانده شدن اطلاعات با پردازش توسط کامپیوتر وجود دارد، استفاده مى شوند و کاربرها به عوض تایپ کردن رشته اى طویل از داده ها، تنها بارکد مورد نظر را جلوى دستگاه بارکدخوان قرار مى دهند و پردازش بدون نیاز به نیروى انسانى به طور کاملاً خودکار انجام مى شود. بنابراین بارکد شیوه شناسایى و تعیین هویت خودکار داده ها است.

رقمى که توسط بارکد تولید مى شود، عموماً محصول خاصى را نشان مى دهد. سیستم بارکدینگ به طور معکوس هم کار مى کند، یعنى قادر است با دریافت رقم مربوط به یک محصول، بارکد مورد نظر را ایجاد بکند و در واقع نوعى خود شناسایى انجام مى شود.
فواید بارکد کردن
۱- مصون بودن از خطاپذیرى به علت کاهش دخالت نیروى انسانى و وارد نشدن دستى اطلاعات.
۲- دسته بندى دقیق اطلاعات.
۳- سرعت بالا به همراه صحت ۱۰۰درصد.
۴- دسترسى آسان به اطلاعات واقعى و حقیقى (در جریان روند مدیریت) البته اگر: با دقت تمام کالاها در فروشگاهها بارکدگذارى شوند تا مراجعه کنندگان دچار دردسرهایى که ما با آن خوب آشنایى داریم، نشوند

منبع


كد 128 امكان كد گذاري همه ی 128 حرف مربوط به مجموعه كاراكترهاي كد اسكي را ارائه مي كند. اين كد با استفاده از خطوط و فضاهاي خالي با 4 پهناي مختلف ، به بيشترين فشردگي ممكن سمبل ها نسبت به روش هاي قديمي تر خود كه از خطوط و فضاهاي خالي با 2 ضخامت مختلف استفاده مي كردند ، رسيده است.

كد 128 ممكن است به صورت دو طرفه (از هر دو جهت ) اسكن شود و محدوديتي هم براي تعداد كاراكترها در هر باركد وجود ندارد. هر چند ممكن است طول باركد با توجه به نوع اسكنر مورد استفاده و يا مكان مورد نظر براي چاپ باركد محدود شود . اما اين روش محدوديتي براي طول باركد ايجاد شده ندارد.

كد 128 سه مجموعه كاراكتري متفاوت دارد كه در جدول مشخصات باركد به نام هاي Code Set a و Code Set B و Code Set C مشخص شده است .هر كدام از اين سه مجموعه كد مي تواند با كاراكتر شروع مربوط به خودش مورد انتخاب واقع شود. كاراكتر خاص `shift` در هر مجموعه به شما امكان مي دهد تا بتوانيد در بين يك كد ست از كد ست هاي ديگر هم استفاده كنيد با اين توصيف امكان استفاده ازچند كد ست در يك بار كد وجود دارد. با استفاده از اين روش طول باركد چاپ شده مي تواند به كمترين حد ممكن خود برسد.

در صورتي كه داده ها فقط شامل اعداد باشد استفاده از مجموعه كد C باعث مي شود تا طول باركد چاپ شده به كمترين حد ممكن تقليل پيدا كند . البته بايد اين نكته را در نظر داشته باشيد كه براي استفاده از Code Set C بايستي تعداد ارقام رشته اي كه مي خواهيد باركد آن را چاپ كنيد زوج بوده و حداقل 4 رقم و يا بيشتر طول داشته باشد.
هر كدام از مجموعه كدهاي a,B,C يك يا چند كاراكتر براي توابع خاص رزرو كرده اند
از ويژگي هاي كد 128 استفاده از رقم كنترل براي بررسي صحت باركد خوانده شده توسط دستگاه اسكنر باركد مي باشد.

ساختار باركد 128 به صورت زير است
• يك فضاي يكنواخت و يا خالي در سمت چپ خطوط باركد
• كاراكتر شروع
• تعداد نامحدودي از داده ها
• رقم كنترل صحت
• كاراكتر خاتمه
• يك فضاي يكنواخت و يا خالي در سمت راست خطوط باركد
پهناي فضاي يكنواخت و يا خالي حداقل بايد 10 برابر پهناي نازكترين خط / نازكترين فاصله خالي در باركد باشد.

هر كاراكتر در باركد 128 تركيبي از 3 خط و 3 فاصله است . (كاراكتر خاتمه داراي 4 خط و 3 فاصله مي باشد ) .هر خط / فاصله خالي مي تواند يكي از 4 واحد پهناي مختلف را داشته باشد . نازكترين خط / فاصله خالي بايد يك چهارم پهن ترين خط/ فاصله خالي باشد. جدول مشخصات باركد پهناي خط/ فاصله خالي براي همه مجموعه كاراكترهاي مربوط به كد 128 را نشان مي دهد. دقت كنيد كه مجموع پهناي خطوط در هر يك از كاراكتر ها عددي زوج و مجموع فواصل خالي براي هر كدام از كاراكترها عددي فرد است. اولين ستون در جدول با عنوان « value » حاوي عددي است كه براي محاسبه رقم كنترل بكار مي رود.

بارکد چیست؟ قسمت 1
بارکد چیست؟ قسمت 2

1-تعريف، ضرورت و كاربردها

زيست سنجی عبارت است از دانش و فن‌آوري اندازه‌گيري و تحليل آماري داده‌هاي زيستي. در فن‌آوري اطلاعات واژة زيست سنجی به مجموعه فن‌آوريهايي اطلاق مي‌گردد كه در آنها از اندازه‌گيري و تحليل ويژگيهايي از بدن انسان همچون اثر انگشت، اثر كف دست، شبكيه و عنبية چشم، الگوهاي صوتي، الگوهاي مربوط به رخسار ، دمانگاري صورت، شكل دست يا گوش، داده‌هاي به دست آمده از گام، الگوهاي وريدي، دي.ان.اي و يا ويژگيهايي همچون دستخط(امضا) و ديناميك ضربه زدن به صفحه‌كليد براي تأييد هويت اشخاص استفاده مي‌شود. اين فن‌آوريها در تلاشند تا اندازه گيري و مقايسة ويژگيهاي بر‌شمرده شده را به منظور بازشناسي افراد به صورت خود‌كار درآورند.

فن‌آوريهاي زيستي در ابتدا براي كاربردهاي تخصصي نيازمند امنيت بالا پيشنهاد شدند اما اينك به عنوان عناصر كليدي در توسعة تجارت الكترونيك و سيستمهاي برخط و به همان صورت براي سيستمهاي امنيتي نا‌برخط و سيستمهاي امنيتي منفرد مطرح مي‌باشند.

اين فن‌آوريها اجزاء مهمي را براي تنظيم و نظارت بر نحوة دسترسي و حضور در سيستم فراهم مي‌آورند. محدوده‌هاي عمدة كاربرد اين فن‌آوريها عبارتند از : تجارت الكترونيك، نظارت امنيتي، دسترسي به پايگاه داده‌ها، كنترل مرزها و مهاجرت، تحقيقات قضايي و پزشكي از راه دور.

توسعة فن‌آوريهاي زيست سنجی فراتر از كاربردهاي سنتي نيازمند امنيت بالا، يك اجبار نشأت گرفته از انگيزه‌هاي مالي است. امنيت معاملات براي آيندة توسعة تجارت الكترونيك يك مسألة حياتي است و نگرانيهاي فراواني دربارة راه حلهاي فعلي وجود دارد. مشكل شماره‌هاي شناسايي شخصي و شناسه‌هاي هويتي – مانند كارتها- اين است كه آنها صحت هويت شخصي را كه از آنها استفاده مي‌كند تأييد نمي‌كنند. آمارها ميزان زيان ناشي از تقلب را به طور ساليانه براي كارتهاي اعتباري بالغ بر چهارصد و پنجاه ميليون دلار و براي خودپردازها حدود سه‌ميليارد دلار برآورد مي‌كنند. برتري سيستمهاي مبتني بر زيست سنجی آن است كه به شدت به ويژگيهاي فردي اشخاص وابسته‌اند و به راحتي نمي‌توانند مورد سوء استفاده قرار گيرند.

2-بررسي عملكرد سيستمهاي موجود

فعاليتهاي انجام شده تا به حال منجر به ظهور ماشينهاي گران قيمت زيست- سنجي شده است كه علاوه بر قيمت زياد معمولاً از لحاظ سرعت و عملكرد مناسب نيستند يا حداقل براي دستيابي به عملكرد مناسب بايد محيط استفادة آنها شرايط خاصي را داشته باشد و يا كاربران آنها آموزشهاي گسترده‌اي را گذرانده باشند.

در حالي كه بعضي از فن‌آوريهاي زيست سنجی در قالب توليدات تجاري به بازار عرضه شده‌اند بسياري از اين دسته فن‌آوريها در مرحلة تحقيق و آزمايش قرار دارند. فن‌آوريهاي مزبور نيازمند كارهاي مطالعاتي بيشتر براي افزايش پايداري و بهبود عملكردشان براي استفاده در كاربردهاي ويژه هستند.

پايداري در برابر تقلب ،دقت عملكرد، سرعت و تجهيزات مورد نياز، همخواني با سخت‌افزار و نرم‌افزار موجود، هزينه ،سادگي استفاده و پذيرش از سوي كاربر از جمله عوامل تعيين‌كننده در موفقيت هر يك از فن‌آوريهاي به كار گرفته شده مي‌باشند.

جدول زیر مقايسه‌اي از معمول‌ترين سيستمهاي زيست سنجی موجود را ارائه مي‌دهد.

ميزان پذيرش كاربر

سادگي استفاده

دقت عملكرد

نوع سيستم
پايين متوسط بالا اثر انگشت
متوسط بالا متوسط هندسه دست
بالا بالا متوسط صوت
پايين پايين بالا شبكيه چشم
متوسط متوسط متوسط عنبيه چشم
بالا متوسط متوسط امضا
بالا بالا پايين چهره

مقايسة سيستمهاي زيست سنجی معمول

 

3-    اجزاي سيستمهاي زيست سنجی

عمليات سيستمهاي زيست سنجی در بر دارندة دو مرحلة مجزا مي‌باشد: ثبت كاربرو بازشناسي كاربر. در مرحلة اول اطلاعات مربوط به كاربر به سيستم وارد مي‌شوند و در مرحلة دوم اطلاعات ورودي حاضر با اطلاعات ذخيره شده مقايسه مي‌گردند.

 
 مراحل لازم عملياتي در يك سيستم امنيتي مبتني بر زيست سنجی

 

مرحلة تأييد هويت عبارت است از تطبيق ويژگيهاي مورد ادعاي يك شخص بر ويژگيهاي موجود او در پايگاه داده‌ها كه يك فرايند يك به يك است.

سيستمهاي امنيتي مبتني بر زيست سنجی بنا به انتخاب به وجود آورنده، به جاي مرحلة تأييد هويت مي‌توانند مرحلة ديگري را كه بازشناسي ناميده مي‌شود جايگزين كنند. در اين روش نياز نيست كه درخواست كننده ادعاي هويت شخص خاصي را بنمايد بلكه سيستم ويژگيهاي او را با تمامي ركوردهاي موجود مقايسه مي‌كند و در صورت تطابق با يكي از آنها او را به عنوان شخص داراي ويژگيهاي موجود در ركورد يافت شده بازشناسي مي‌كند كه اين فرايند يك پردازش يك به چند را شكل مي‌دهد.

سيستمهاي تشخيص هويت زيستي معمول غالباً شامل اجزاي زير مي‌باشند:

الف)گيرندة اطلاعاتزيرسيستمي است كه گرفتن نمونه‌هاي زيست‌سنجی (صوتي، تصويري و…) را بر عهده دارد. ويژگيهاي خاص استخراج شده از نمونه‌ها قالبهايي را براي مقايسة بعدي تشكيل مي‌دهند. اين فرايند بايد سريع و ساده بوده در عين حال قالبهايي با كيفيت خوب را توليد كند.

ب) ذخيره كنندهقالبهاي به دست آمده بايد براي مقايسة بعدي ذخيره شوند. اين زير سيستم مي‌تواند جزئي از وسيلة گيرندة اطلاعات سيستم باشد و يا در يك سرور مركزي قابل دستيابي توسط يك شبكه جاي گيرد. جايگزين ديگر، يك شناسة قابل حمل نظير يك كارت هوشمند است. هر كدام از انتخابهاي فوق مزايا و مشكلات خاص خود را دارد.

ج) مقايسه گراگر سيستم زيست سنجی در مقام بازشناسي افراد به كار گرفته شود بايد هويت شخص با قالب ذخيره شدة مورد ادعاي او مقايسه شود. در بعضي سيستمها ممكن است امكان بروزآوري خودكار قالب مورد مراجعه پس از هر تطبيق درست وجود داشته باشد. اين امر به سيستم توانايي سازگاري با تغييرات تدريجي كوچك در ويژگيهاي كاربر را مي‌دهد.

د) اتصالاتغالباً براي ايجاد ارتباط بين گيرندة اطلاعات، ذخيره كننده و مقايسه‌گر نياز به اتصالات لازم وجود دارد. غالباً سيستمهاي زيست سنجی نيازمند شبكه و رابطهاي برنامه‌نويسي مورد نياز براي ايجاد اتصال بين اجزاء مي‌باشند. امنيت و كارايي، عناصر كليدي براي اين جزء مي‌باشند.

4-ارزيابي كارايي سيستمهاي امنيتي مبتني بر زيست سنجی

موضوع مهمي كه در پذيرش سيستمهاي زيست سنجی از اهميت شايان توجهي برخوردار است تعيين كارايي هر يك از اجزاء و كل سيستم زيست سنجی به روشي قابل اعتماد و هدفمند است.

براي تعيين كارايي سيستمهاي امنيتي مبتني بر زيست سنجی معيارهاي ويژه‌اي به كار گرفته مي‌شوند. در اين كاربردها تعدادي كاربر (سرويس‌گيرنده) به سيستم وارد مي‌شوند و متقلب به عنوان شخصي تعريف مي‌شود كه مدعي هويت شخص ديگري است. متقلب ممكن است به عنوان كاربر در سيستم وجود داشته باشد و عمل وي ممكن است عمدي يا غيرعمدي باشد. عمل تأييد هويت بايد كاربران را بپذيرد و متقلبان را رد كند.

نرخ پذيرش نادرست (اف. اي. آر) به عنوان نسبت تعداد متقلباني كه به اشتباه توسط سيستم پذيرفته شده‌اند به تعداد كل متقلبان آزمايش شده تعريف گرديده، به صورت درصد بيان مي‌شود. اين نرخ، احتمال پذيرش متقلبان را توسط سيستم بيان مي‌كند و بايد در سيستمهاي نيازمند امنيت بالا كمينه شود.

نرخ عدم پذيرش نادرست (اف. آر. آر) به عنوان نسبت تعداد كاربران سيستم كه به اشتباه توسط سيستم پذيرفته نشده‌اند به تعداد كل كاربران مورد آزمايش قرار گرفته تعريف  گرديده، به صورت درصد بيان مي‌شود. اين نرخ، احتمال عدم پذيرش كاربران مجاز را توسط سيستم بيان مي‌كند و بايد به صورت ايده‌آل مخصوصاً در سيستمهايي كه در آنها كاربر در صورت عدم پذيرش از دسترسي به سيستم محروم مي‌شود كمينه گردد.

روند تشخيص هويت مبتني بر زيست سنجی دربردارندة محاسبة فاصلة قالب ذخيره شده و نمونة حاضر است. تصميم براي پذيرش يا رد نمونة حاضر بر اساس يكآستانة از پيش تعريف شده اتخاذ مي‌گردد. بنابراين واضح است كه كارايي سيستم به شدت وابسته به انتخاب اين آستانه است و اين امر موجب ايجاد يك بده‌بستان بين نرخ پذيرش نادرست و نرخ عدم پذيرش نادرست مي‌گردد. نرخ خطاي برابر(اي.اي.آر) به صورت آستانة برابري اين دو نرخ تعريف مي‌شود و غالباً به عنوان يك ويژگي نشان دهندة كارايي سيستم مطرح مي‌گردد. شكل زیر نشان دهندة رابطة سه پارامتر تعريف شده براي يك سيستم نمونه است.

 
 FAR، FRR و ERR براي يك سيستم نمونه

پارامتر مهم ديگر كارايي، زمان تشخيص هويت است كه به صورت زمان متوسط صرف شده براي فرايند تشخيص هويت تعريف مي‌شود. اين زمان شامل زمان لازم براي گرفتن نمونة حاضر نيز مي‌باشد.

در حالي كه بعضي از عرضه‌كنندگان سيستمهاي امنيتي مبتني بر زيست سنجی براي محصولاتشان پارامترهاي كارايي فوق را در شرايط آزمايشگاهي بيان مي‌كنند پارامترهاي كارايي قابل طرح در جهان واقعي براي سنجش كارايي واقعي اين گونه سيستمها به ندرت وجود دارند. علت اين امر اين واقعيت است كه به حساب آوردن همة پيچيدگيهاي ممكن جهان واقعي تأثير گذار بر سيستمهاي زيست سنجی تقريباً غير ممكن است. به عنوان نمونه زمان واقعي تشخيص هويت به شدت وابسته به ميزان آموزش كاربر، محيط عملياتي و شرايط رواني كاربر همچون ميزان فشار روحي اوست. مشخصات ارائه شده توسط عرضه‌كننده را بايد به ديد راهنماهاي نه چندان متناسب با دنياي واقعي نگريست.

 

منبع

تشخیص هویت زیست سنجی و بیومتریک قسمت 1
تشخیص هویت زیست سنجی و بیومتریک قسمت 2
تشخیص هویت زیست سنجی و بیومتریک قسمت 3
تشخیص هویت زیست سنجی و بیومتریک قسمت 4
تشخیص هویت زیست سنجی و بیومتریک قسمت 5

۱– Behavioral- خصوصیات رفتاری

چندین تکنیک رفتاری برای تایید هویت وجود دارد که به اختصار به آن ها اشاره می کنیم.

۱-۱ تایید امضاخصوصیات رفتاری

بررسی خودکار امضاء تعمیمی از یک پروسه آشناست. در حالیکه اپراتور انسانی شکل نهایی امضاء را بررسی میکند، بیشتر شکلهای خودکار تایید امضاء، تاکید بیشتری روی حرکتهای پروسه امضا کردن دارند. سرعت نسبی که خطها کشیده می شود و فشار وارده، سیستم را قادر میسازد که سنجشهای انجام شده را بین امضاها حتی جایی که محیط کاملا متفاوت است, مقایسه کند و بیشتر تلاشها برای جعل امضا را با شکست مواجه کندالگوی مرجع امضا معمولا ۱ کیلو بایت است که این حجم کم دیتا این تکنیک را برای استفاده آنلاین یا بهمراه کارت هوشمند مناسب میسازد. یک فایده جانبی بیشتر سیستمهای تایید امضا این است که با ثبت امضاء بعنوان اثبات تراکنش صورت گرفته، باعث کم شدن سیستمهای برپایه کاغذ می شود و احتیاج به مستندسازی کاغذی را مرتفع می کند.

۲-۱ الگو و دینامیک تایپ کلید

روشی که یک نفر با صفحه کلید تایپ می کند با امضا کردن تشابهاتی دارد. الگو های تایپیست های ماهر تقریبا خیلی زود از الگوهای تایپ کردنشان تشخیص داده می شود. پیاده سازی های فعلی به دلیل مشکلات یکسان نبودن صفحه کلیدها و تاخیرهای نرم افزار سیستم به آزمایشگاه محدود هستند. از طرف دیگر، هزینه اضافی پایین و عملیات شفاف, این روش را به یک تکنیک بسیار جذاب برای کاربردهایی مثل محافظت کردن از تعداد کمی از کاربرهای با الویت بالا در سیستم کامپیوتری، تبدیل می کند.

۱-۳ تشخیص صدا

سیستم های تشخیص صدا به راحتی توسط مشتریان پذیرفته می شود، اما متاسفانه هنوز به سطح کارایی که مورد نیاز بیشتر محیط های تجاری هستند، نرسیده اند. استفاده از تشخیص صدا اجازه بررسی بیش از یک مورد را می دهد: سیستم می تواند تست کند که چه چیز گفته می شود به علاوه این که چگونه گفته می شود. در بعضی از محیط ها پیاده سازی این سیستم هزینه خیلی کمی دارد. تشخیص صدا شاخه ای از فناوری پردازش صوت است که کاربردهای بسیار وسیع تری در زمینه های دیگر، به خصوص در سیستم های تلفنی دیجیتالی و کنفرانس تصویری دارد. نکته جالب توجه این است که مشخصاتی از صدا که توسط این سیستم ها سنجیده می شود با آن هایی که یک انسان شنونده توجه می کند، تفاوت دارند، در حالی که شخصی که با تقلید صدا می خواهد خود را جای شخص دیگر نشان بده، روی مشخصات انسانی تمرکز می کند.

۲– Physiometric – خصوصیات فیزیکی

سنجش اعضا بدن از قدیمی ترین روش های تشخیص هویت است که با پیشرفت فناوری به تنوع آن افزوده شده است.

۱-۲ اثر انگشت

این روش قدیمی ترین روش آزمایش تشخیص هویت از راه دور است. اگرچه قبلا اثر انگشت تنها در زمینه جرم قابل بحث بود، تحقیقات در بسیاری کشورها سطحی از پذیرش را نشان می دهد که به این روش اجازه استفاده در برنامه های عمومی می دهد. سیستم ها می توانند جزئیاتی از اثر انگشت (نقاطی مانند تقاطعها یا کناره های برجستگی ها) یا کل تصویر را بگیرند. الگوهای مرجع که برای حفظ این جزئیات به کار می رود در حدود۱۰۰ بایت هستند که در مقایسه با تصویر کاملی که از اثر انگشت با حجم ۵۰۰ تا ۱۵۰۰ بایت میباشد, بسیار کوچک تر هستنددر برنامه های عمومی مشکلاتی در ثبات وجود دارد. بعضی کارگران و افراد سیگاری اغلب انگشتانی دارند که تحلیل اثر انگشت آنان مشکل است. با این وجود، طرح های بلند مدت و موفق زیادی در استفاده از اثر انگشت وجود داشته استدر حال حاضر اثر انگشت خوان های زیادی در بسیاری از کشور های دنیا وجود دارند که به همراه بعضی کارتخوان ها استفاده می شود. اگرچه در حال حاضر قیمت آن ها چندان پایین نیست اما میزان عرضه آنان در فروشگاه های کامپیوتر عادی باعث افت سریع قیمت آنان خواهد شد.

۲-۲ هندسه دست

هندسه دست امتیاز بالایی در راحتی استفاده بدلیل بزرگ بودن کسب میکند و میتواند با استفاده از سیستم راهنما در جای ثابتی قرار بگیرد. دست توسط مجموعه ای برجستگیهای مشخص به موقعیت صحیح برای اسکن شدن هدایت می شود و تصویر توسط یک دوربین CCD گرفته می شود.الگوی مرجع میتواند از نظر حجم خیلی کوچک باشد. (محصولی که بیشترین وسعت استفاده تجاری را در حال حاضر دارد تنها از ۹ بایت استفاده می کند). اگرچه تغییرات روزانه مانند کثیفی روی کارایی آن تاثیر ندارد اما سنجش می تواند بوسیله جراحت یا افزایش سن تاثیر بپذیرد و اگر الگو مرتبا نتواند بروز شود، عملیات ثبت مجدد در هر زمانی لازم است.

۳-۲ اسکن شبکیه

اسکنرهای شبکیه مشخصات الگوهای رگ های خونی روی شبکیه را با استفاده از لیزر مادون قرمز کم قدرت و دوربین می سنجند. در این روش، برای بدست آوردن یک تصویر متمرکز, چشم باید نزدیک دوربین قرار بگیرد. الگوهای مرجع بسیار کوچک هستند (۳۵ بایت در بیشتر سیستمهای تجاری معمول). تحقیقات پزشکی اخیر نشان داده است که مشخصات شبکیه برخلاف آنچه در گذشته تصور می شد، پایدار نیست و توسط بعضی بیماری ها که حتی ممکن است خود شخص مطلع نباشد تغییر می کنند. بسیاری از افراد نگران قرار دادن چشم خود درتماس نزدیک با منبع نور هستند. به همین دلیل، این روش جای خود را به اسکن عنبیه داده است.

۴-۲ اسکن عنبیه

اسکنرهای عنبیه رگه‌های موجود در عنبیه چشم را مورد سنجش قرار می دهند. این تکنیک به عنوان نتیجه ای از تعداد زیادی از ویژگی ها، سطح بالایی از تفاوت را به وجود می آورد و نسبت به گذشت زمان پایداری بالایی داردکاربر باید از فاصله ۳۰ سانتیمتری یا بیشتر برای چند ثانیه به دوربین نگاه کند. سیستم با عینک و لنزهای تماسی کاربران تطابق دارد، هرچند که سنسور باید طوری قرار بگیرد یا تغییر کند که برای کابران با قدهای متفاوت و آن هایی که روی صندلی چرخدار قرار دارند، مناسب باشداسکن عنبیه از تمام مواردی که شرح داده شد، جدیدتر است.  از نظر نظری، هر بخش از ساختمان بدن انسان می تواند در زیست سنجی قابل استفاده قرار گیرد. اما طرح های تجاری روی آن هایی تمرکز شده است که به راحتی سنجیده می شود و از طرف جامعه آسان تر پذیرفته می شود. گاهی لازم است بررسی شود که سنجش برروی یک شخص زنده انجام می شود تا یک کپی. یک روش که مستقیما از خصوصیات زنده استفاده می کند اسکن سیاهرگ است. موقعیت سیاهرگ از طریق جریان خون گرم سنجیده می شود. تشخیص های مربوط به صورت تکنیکی که بیشتر توسط انسان ها استفاده می شود. یک زیست سنجی قابل دوام است، مخصوصا جایی که دوربین ها از قبل استفاده می شود و جایی که بررسی کلی، همه آن چیزی است که مورد نیاز است. ویژگی های مشخص یا نقاط برجسته سنجیده برای ایجاد الگوی مرجع استفاده می شودآخرین زیست سنجی مربوط به تحلیل DNA است. به هر حال، با اطمینان می توان گفت که هنوز خیلی سال مانده است تا این روش در بررسی هویت در فروشگاه های عادی یا هنگام سوار شدن به اتوبوس مورد استفاده قرار گیرد.

زیست سنجی و کارت ها

بعضی تکنیک های شناسایی، به ویژه کلمات عبور، استثنائا برای پیاده سازی در سیستم توزیع شده مناسب سازی شده اند. آن ها کمترین حجم ذخیره سازی و پردازش را دارند، اما همچنان که دیدیم، به عنوان ابزار چندان امنی شناخته نمی شودبه هرحال احتیاجات فضای ذخیره سازی یک عامل محدودکننده است. بیشتر الگوهای مرجع به ۴۰ تا ۱۵۰۰ بایت برای ذخیره شدن احتیاج دارند. الگوهای مرجع کوچک تر می توانند روی کارت های مغناطیسی یا بارکدها ذخیره شوند. برای الگوهای بزرگ تر می توان از بارکدهای دو بعدی یا هلوگرام ها استفاده کرد، اما تقریبا هر جایی که ذخیره امن مورد نیاز است راضی کننده ترین پاسخ استفاده از کارت هوشمند استکارت ها ابزار مناسبی برای ترکیب زیست سنجی ها هستند. اگر دو یا سه عامل زیست سنجی روی کارت ذخیره شوند، اشتباهات در عدم تایید افراد ذینفع به حداقل می رسد یا همان کارت می تواند در محیط های متفاوت مورد استفاده قرار گیرد: تشخیص صدا برای سیستم تلفن، اثرانگشت برای کار با کامپیوتر و یک PIN برای خرید و فروش. استفاده از چنین زیست سنجی های لایه بندی شده ای امروزه در حال آغاز در تجارت هستند.

تشخیص هویت زیست سنجی و بیومتریک قسمت 1
تشخیص هویت زیست سنجی و بیومتریک قسمت 2
تشخیص هویت زیست سنجی و بیومتریک قسمت 3
تشخیص هویت زیست سنجی و بیومتریک قسمت 4
تشخیص هویت زیست سنجی و بیومتریک قسمت 5

شناسایی از روی عنبیه چشم

عنبیه قسمت رنگی چشم است که ترکیبی است از نوعی ماهیچه به شکل دایره با یکسری خطوط شعاعی، لایه‌ای یا توری مانند که در پیش از تولد انسان شکل گرفته است و تا زمان مرگ تقریباً هیچ تغییری نمی‌کند. این ماهیچه شامل یکسری کارکترها مانند: خطوط، حلقه‌ها، حفره‌ها، شیارها، تارها، لکه‌ها و… است که قابل تفکیک می‌باشند. می‌توان گفت که عنبیه چشم همه افراد با یکدیگر متفاوت است.

تصویر عنبیه معمولاً توسط یک دوربین تک رنگ مادون قرمز (۷۰۰–۹۰۰nm) که مجهز به سنسور CCD است گرفته می‌شود. معمولاً فاصله دوربین تا چشم باید چیزی در حدود ۱۸ اینچ باشد. (تابش نور به عنبیه سپس اندازه‌گیری بازگشت آن) فرایند پردازش بدین شکل است که ابتدا مکان و اندازه مردمک در تصویر مشخص شده و سپس با به دست آوردن مکان و اندازه عنبیه، کلیه تصویر عنبیه که در میان این دو دایره قرار دارد به شکل مستطیلی با ابعاد معین تبدیل می‌شود، این تکنیک باعث می‌شود تا با کوچک یا بزرگ شدن مردمک تصویر مستطیل شکل تقریباً ثابت بماند تا در انجام فرایندهای بعدی مشکلی نباشد. تصویر موجود در مستطیلی با ابعاد معین دارای مشخصه‌های قابل تبدیل به کدهای باینری است، در این تبدیل‌ها روشهای مختلفی وجود دارد که هر یک مزایا و معایب خودرا دارند.

پس از بدست آوردن الگوی باینری، با استفاده از بدست آوردن فاصله همینگ بین الگوی موجود با الگوی بدست آمده می‌توان نتیجه تطبیق را بدست آورد.

در روشهای دیگری مانند نمونه یابی در مکانهای مشخص با برداشت چند نمونه از قسمتی از تصویر عنبیه که مشخصات قابل توجهی دارد، در زمان تشخیص با استفاده از نمونه‌های ذخیره شده و مکان یابی نمونه‌ها، عنبیه افراد قابل تشخیص است. این سیستم دارای قابلیت خوبی در تشخیص افراد است بدین دلیل که عنبیه هم منحصربه‌فرد است و هم در برابر گذشت زمان مقاوم، ولی متأسفانه حجم الگوها در این روش بسیار بالا است، این تکنولوژی بسیار گران است، کاربر پسند نیست و به دلیل اینکه در حین نمونه برداری لازم است که چشم کاملاً بی حرکت باشد لذا الگو برداری ممکن است دقیق نباشد.

یکی از مشکلات موجود در سیستم‌های تشخیص هویت به کمک الگوهای عنبیه، مسدود شدن عنبیه‌ی چشم بوسیله‌ی مژه‌هاست. در مقاله اصلاح اثر مخرب مژه‌ها بر تصاویر عنبیه به کمک فیلتر میانه با قاب افقی که توسط آقای محمدمهدی ابراهیمی و دیگر همکاران نگارش یافته، راه حل این مشکل ارائه شده است.

شناسایی از روی شبکیه چشم

شبکیه چشم در منتهی‌الیه کره چشم قرار دارد که شامل یکسری رگهای خونی است که این مویرگها داری اشکال مختلفی هستند، این خصیصه در افراد منحصربه‌فرد است. با قرارگیری چشم کاربر در یک مکان مشخص، یک دسته نور ماوراء قرمز یا نور سبز با طول موج کوتاه به شبکیه چشم تابیده می‌شود و بازتاب آن توسط یک دوربین CCD اندازه‌گیری می‌شود. این روش تقریباً مشابه شناسایی از طریق عنبیه می‌باشد.

شناسایی از روی نمودار حرارتی چهره

نمودار حرارتی چهره نیز یکی دیگر از پارامترهایی است که در تمامی افراد حتی دوقلوها نیز متفاوت است. نمودار ترموگرام در برابر گذشت زمان [تا مدت محدودی]، آرایش و اصلاح کردن مقاوم است، حتی جراحی پلاستیک نیز باعث بروز آسیب به نمودار ترموگرام نمی‌شود. جهت تصویر برداری از چهره از یک دوربین مادون قرمزبا طول موج ۳ الی ۵ میکرون یا ۸ الی ۱۲ میکرون بدین صورت که تا عمق ۴ سانتی‌متر زیر پوست را حس کند استفاده می‌شود.

شناسایی از روی نحوه راه رفتن

معمولاً این روش در جاهایی که ارتباط مستقیم با افراد میسر نیست کاربرد دارد خصوصاً در فرودگاه‌ها و معابر امنیتی. (این سیستم شناسایی تقریباً یک سیستم شناسایی مخفی است) در این روش یک تصویر از شخص در هنگام راه رفتن بدست می‌آید که معرف نمودار جابجایی و زمان برای وی است. در هنگام راه رفتن افراد حرکت پاها و سر افراد با یکدیگر متفاوت است (البته حرکت دستان نیز در برخی موارد کاربرد دارد) که الگوی بدست آمده از این قسمتها می‌باشد.

شناسایی از روی هندسه دست

دراین سیستم دست در یک مکان مشخص مطابق شکل قرار می‌گیرد. سپس با استفاده از یک دوربین دیجیتال CCD با کیفیت مطلوب ۳۲۰۰۰ پیکسل تصویر دست از دو نمای فوقانی و کناری گرفته می‌شود؛ که یک تصویر ۳بعدی از دست تولید می‌کند. از تصویر بدست آمده حدوداً ۱۷ قسمت دست اندازه‌گیری می‌شود، من‌جمله: انگشتان (طول، پهنا، ضخامت، انحنا) و پارامترهای هندسی دیگر که در شکل آمده است. معمولاً حجم داه بدست آمده ۹بایت است.

ترکیبات بیومتریک

با ترکیبات بیومتریک می‌توان کارایی، امنیت و دقت سیستم را تا حد قابل ملاحظه‌ای افزایش داد، که در ذیل به تعدادی از روشهای ممکن اشاره خواهیم کرد:

ترکیب سنسور

در این مدل ما برای یک متد از بیومتریک، از چندین سنسور استفاده می‌کنیم. بعنوان مثال در اثر انگشت از سنسورهای نوری، خازنی، آلتراسوند یا سنسورهای دیگر استفاده کنیم. این کار باعث افزایش دقت در امر نمونه برداری خواهد شد.

ترکیب واحد نمونه برداری

در این روش ما از چند واحد نمونه برداری می‌کنیم. بعنوان مثال در روش اثر انگشت از دو انگشت اشاره و انگشت وسط ویا انگشتان دیگر نیز عمل نمونه برداری را انجام می‌دهیم ویا از انگشت دستچپ و راست نمونه برداری می‌کنیم.

ترکیب نمونه برداری

در این روش چندین بار از مشخصه مورد نظر نمونه برداری می‌کنیم و ممکن است دو یا چند الگو از یک کاربر داشته باشیم. بعنوان مثال از انگشت کاربر دوبار نمونه برداری می‌کنیم و در حافظه ذخیره می‌کنیم.

ترکیب روش‌های بیومتریک

در این روش مااز ترکیب دو یا چند روش بیومتریک استفاده می‌کنیم. بعنوان مثال: اثر انگشت + هندسه چهره + هندسه دست

منبع


از دیر باز انسان برای بقا، نیاز به تشخیص دوست از دشمن داشته است و تشخیص هویت برای وی امری حیاتی بوده و هست، لذا امروزه سعی در مکانیزه سازی سیستم های شناسایی یا تشخیص هویت شده است. نیازی که پیشرفت در آن باعث کاهش تخلفات، افزایش امنیت، تسریع در امور روزمره و … شده است. در گذشته جهت شناسایی جرم و جنایتکار، از روال شناسایی اثر انگشت و چهره‌نگاری استفاده می‌شده، اما اکنون سیستم های مکانیزه‌ای ایجاد شده استبه مجموعه ای از فناوری ها، جهت تشخیص و تایید هویت یک فرد به صورت خودکار بيومتريک می گویند. به طور مثال برای صدور اجازه ورود به یک مجموعه، نیاز به شناسایی و تایید هویت می باشد. روش های شناسایی به صورت های زیر انجام می گیرد:
1- اسناد و مدارک شناسایی – کارت های هوشمند، کارت های مغناطیسی، کلید، پاسپورت، شناسنامه و …
2- اطلاعات – رمز یا کلمه عبور، پین کد و …
3- ویژگی های فیزیولوژیکی و رفتاری – اثر انگشت؛ صدا؛ چشم و … (به این روش شناسایی سوم تشخیص هویت Biometric گفته می شود)
کلیه سامانه های بيومتريک دارای قابلیت تشخیص و تایید هویت به صورت یکجا هستند. مرحله تشخيص هويت با جستجوی ویژگی های فرد در بانک اطلاعاتي موجود در سامانه صورت می گیرد و درصورت وجود اطلاعات ذخیره شده شخص در بانک اطلاعاتي سامانه،  هویت او شناسایی و مشخص می شود. در مرحله تائيد هويت تمامی مقایسات شخص و بانک اطلاعاتی به صورت تک به تک انجام می شود، سامانه کد ورودي را با کد موجود مقايسه مي کند و مشخص مي کند که آيا مورد تشخيص داده شده درست است يا نه. در بيشتر سامانه هاي بيومتريک مرحله ثبت نام در سامانه از مرحله تشخيص هويت جدا شده است، زيرا در مرحله ثبت نام بايد اين که آيا فرد قبلا در سامانه ثبت نام کرده است يا نه مدنظر قرار گيرد تا از ثبت نام يک نفر در سامانه با چند هويت مختلف جلوگيري شود و ضریب اطمينان سامانه بالا رود، در حالي که در مرحله تشخيص هويت مساله مهم فقط يافتن اطلاعات فرد از بين کدهاي ذخيره شده در بانک اطلاعات است. خصوصیات يک ویژگی بيومتريک خوب جهت ذخیره سازی در بانک اطلاعاتی و استفاده در سامانه عبارتند از :
١‐ منحصر به فرد بودن: هر فرد ويژگي را به طور منحصر به فرد و متمايز با ديگران داشته باشد.
٢ ‐ استخراج پذيري: بتوان آن ويژگي را در مورد هر فرد به راحتي، با سرعت بالا و بدون نياز به پردازش هاي زياد  به دست آورد.
٣‐ قابليت تفکيک پذيري بالا: يعني اين که اختلاف اين ويژگي در مورد دو فرد متفاوت خيلي زياد باشد تا به راحتي قابل تقکيک باشند.
٤‐ پايداري: ويژگي استخراج شده در طول زمان و در اثر تغييراتي در يک شخص در طول عمرش به وجود مي آيند بدون تغيير باقي بماند.

گروه های بیومتریک

بررسی های زیست سنجی به دو گروه تقسیم می شود:
۱– Behavioral (خصوصیات رفتاری)
۲– Physiometric (خصوصیات فیزیکی)
تکنیک های رفتاری که طرز انجام کاری توسط کاربر مانند امضا کردن یا بیان کردن یک عبارت را می سنجند. سنجش اعضا که یک خصوصیت فیزیکی را مانند اثرانگشت یا شکل یک دست می سنجندرفتار با زمان و حال شخص تغییر می کند. تکنیک های سنجش رفتار هنگامی به بهترین نحو عمل می کنند که مرتبا استفاده شوند، و به این ترتیب سطوح تغییرات هر فرد مورد توجه قرار گیرد. مدل های سنجش های رفتاری باید این تغییرات را لحاظ کنند. از طرف دیگر، سنجش های مشخصات فیزیکی به ابزار سنجش بزرگ تر و نرم افزار پیچیده تری احتیاج دارند. به عنوان مثال، آن ها مجبورند موقعیت دست را با الگو تطبیق دهند. باید میان سیستم هایی که برای تشخیص فرد طراحی شده اند و آن هایی که باید فقط هویت یک فرد را تایید کنند تفاوت قائل شویم. عمل دوم بسیار آسان تر است و پارامترهای تایید هویت می توانند بر پایه همان شخص تنظیم گردند. این روش حالت طبیعی برای سیستم های کارت هوشمند است که الگوی مرجع (template) در کارت یا یک سیستم مرکزی نگه داری می شود.

  یک تست زیست سنجی شامل سه مرحله است:

۱ ثبت مشخصات
۲– استفاده
۳– بروز رسانی
کاربران با سنجش های اولیه در سیستم ثبت نام می شود. این عمل معمولا سه مرتبه یا بیشتر برای ثبت اطلاعات دقیق تر انجام می گیرد. مدت زمان انجام این عمل در این مرحله بیشتر از زمانی است که سیستم برای تشخیص کاربر مورد استفاده قرار می گیردوقتی که سنجش انجام گرفت هنگام استفاده ،نمونه با الگوی مرجع مقایسه می شود. در اینجا تعیین سطوح مناسب تفاوت مجاز (tolerance) مخصوصا برای سنجشهای رفتاری مهم استبیشتر سیستم های زیست سنجی مخصوصا آنهایی که از مشخصات رفتاری استفاده میکنند، باید برای بروز رسانی الگوی مرجع تدارک دیده شده باشند. در حالت تشخیص صدا و امضا، معمولا یک فانکشن تطبیقی استفاده می شود که با هر بار سنجش توسط سیستم، بروز رسانی الگوی مرجع انجام میگیرد.
برای مشخصاتی که تغییر کندتر است، سیستم میتواند درصد تطبیق یا تعداد دفعاتی که یک شخص پذیرفته نمی شود را اعلام کند و در مواقعی که لازم است، عمل ثبت مجددا انجام گیرد. ثبت تراکنش اغلب یک ویژگی مفید است و میتواند براحتی در یک سیستم بر پایه کارت هوشمند ایجاد گردد.

اجزای یک سیستم زیست سنجی

یک سیستم زیست سنجی شامل موارد زیر است:

1-ابزار اندازه گیری

که واسط کاربر را تشکیل میدهد. راحتی استفاده یک فاکتور مهم دیگر برای زیست سنجی است: ابزار باید مطابق با غریزه باشد و فضای کمی برای خطا ایجاد کند و باید قابل استفاده برای دامنه وسیعی از مردم و بخصوص افراد ناتوان باشد.

2-نرم افزار عامل

که شامل الگوریتم های ریاضی است که پارامترهای سنجش شده را با الگوی مرجع مقایسه میکنند. جدیدترین الگوریتمها وابستگی کمی به مدلسازی آماری دارند و بیشتر بر پایه برنامه ریزی دینامیک، شبکه های عصبی و منطق فازی هستند که انعطاف پذیری را افزایش میدهد. لذا احتمال اینکه مثلا شخصی بخاطر لکه یا کثیفی جزیی پذیرفته نشود، کم است البته چنانچه بقیه الگو تطبیق دقیقی داشته باشند.

3-سخت افزار و سیستمهای بیرونی

قابلیت استفاده، قابلیت اطمینان و هزینه سیستم اغلب حداقل به همان اندازه که به ابزار سنجش بستگی دارد، به سخت افزار بستگی دارد. بعضی سیستم ها ( مانند تست اثرانگشت) فی نفسه برای استفاده در سیستمهای توزیع شده مناسب هستند، در حالیکه بقیه (مانند تشخیص صدا) برای سیستمهای متمرکز مناسب هستندهزینه ابزار زیست سنجی بسرعت در حال کاهش است. اکنون، برای ATMها و ابزار کنترل دسترسی مخصوصی مناسب هستند. هنوز یک افت هزینه دیگری لازم است تا اینکه زیست سنجی ها در خرید و فروش های خودکار و محیط های کنترل دسترسی مورد استفاده قرار بگیرد.

تشخیص هویت زیست سنجی و بیومتریک قسمت 1
تشخیص هویت زیست سنجی و بیومتریک قسمت 2
تشخیص هویت زیست سنجی و بیومتریک قسمت 3
تشخیص هویت زیست سنجی و بیومتریک قسمت 4
تشخیص هویت زیست سنجی و بیومتریک قسمت 5

منبع


ربات را می توان دستگاهی خود کنترل با قابلیت برنامه ریزی، متشکل از اجزای الکتریکی، الکترونیکی یا مکانیکی تعریف کرد. به عبارتی دیگر، ربات ماشینی است که به جای یک مأمور زنده عمل می کند.

ربات ها به ویژه برای انجام وظایف و مشاغل خاصی مطلوبند، زیرا بر خلاف انسان هیچ وقت خسته می شوند؛ می توانند شرایط فیزیکی ای را تحمل کنند که ناراحت کننده و حتی خطرناک است؛ می توانند در شرایط بدون هوا کار کنند؛ تکرار آنها را خسته نمی کند و از کاری که در دست دارند پریشان حواس و گیج نمی شوند.

مفهوم ربات بسیار قدیمی است اما واژه آن در قرن بیستم از کلمه چک-اسلواکی روباتا (robotaیا رباتنیک robotnik))، به معنی برده، بنده و کار اجباری اختراع شد.روبات ها مجبور نیستند دایم مراقب باشند و یا مانند انسان ها رفتار کنند، اما باید انعطاف پذیر باشند به طوری که بتوانند کارهای مختلفی را انجام دهند.

روبات های صنعتی اولیه، مواد رادیواکتیو را در آزمایشگاه های اتمی به کار می گرفتند. آنها با اتصالات مکانیکی و کابل های فولادی به هم متصل می شدند. امروزه بازوهای رباتی واقع در مسافت هایی دور را می توان با فشار دکمه، سوییچ و یا سکان هدایت و دسته فرمان حرکت داد.

در ربات های کنونی سیستم های حسی ای ایجاد شده که اطلاعات را پردازش می کنند و طوری کار می کنند که انگار مغزهای پیشرفتهای دارند.“مغز” آنها در واقع شکلی از هوش مصنوعی رایانه ای ((artificial intelligence (AIاست. AI به ربات اجازه می دهد تا موقعیت را درک کند و برای انجام دادن یا ندادن یک سری از کارها بر اساس آن شرایط تصمیم گیری کند.

ناسا چگونه از روبات ها استفاده می کند؟

 ناسا از روبات ها برای انجام کارهای مختلفی بهره می برد. بازوهای رباتیک می توانند اشیای بزرگی را در فضا حرکت دهند. فضاپیمای رباتیک می تواند از جهان های دیگر دیدار کند. هواپیماهای رباتیک هم می توانند بدون خلبان پرواز کنند.

یک ربات می تواند دارای هر یک از اجزای زیر باشد:

 ⇐اثر کننده ها (effectors)، “بازوها”، “دستان” و “پاها
 حس گرها (سنسورها) – قطعاتی که مانند حواس عمل می کنند و می توانند اشیا و یا چیزهایی مانند گرما و نور را شناسایی کنند و اطلاعات شیء را به نمادهایی تبدیل کنند که رایانه ها بفهمند.
 رایانه – مغزی که حاوی دستورالعمل هایی به نام الگوریتم است تا ربات را کنترل کند.
 تجهیزات – این شامل ابزار و وسایل مکانیکی است.

ویژگی هایی که روبات ها را از ماشین آلات معمولی متفاوت می کند این است که ربات ها معمولاً به خودی خود عمل می کنند، به محیط اطرافشان حساسند، خود را با تغییرات محیط و یا با اشتباهات در عملکرد قبلی انطباق می دهند، وظیفه گرا هستند و اغلب توانایی آن را دارند که سعی کنند روش های مختلف را برای به انجام رساندن وظیفه شان به کار بندند.

به طور کلی روبات های صنعتی عادی دستگاه های سخت و محکم و سنگینی هستند که کارشان محدود به تولید است. آنها در محیط هایی با ساختار دقیق عمل می کنند و تنها یک وظیفه بسیار تکراری را تحت کنترل و به صورت از پیش برنامه ریزی شده انجام می دهند.

اما ربات های کنترل از راه دور (Teleoperated) در محیط هایی با ساختارهایی نیم بند مانند دریا و تأسیسات هسته ای مورد استفاده قرار می گیرند. آنها وظایفی غیر تکراری انجام می دهند و اعمال کنترل بر زمان کار آنها محدودتر شده است.

رباتیک مطالعه روبات ها است. چنان که گفته شد روبات ها ماشین هایی هستند که برای انجام کارهایی مورد استفاده قرار گیرند. برخی از ربات ها می توانند خودبه خود کارشان را انجام دهند. در مورد بقیه روبات ها همیشه باید فردی وجود داشته باشد که به آنها بگوید چه کار کنند.


منابع

  1. fa.wikipedia.org
  2. http://www.asemooni.com
  3. http://www.knowclub.com
  4. http://rasekhoon.net
  5. http://mediasoft.ir
  6. http://www.020.ir

تاریخچه تحولات حوزه رباتیک

1920: نمایش نامه نویس چک اسلواکی Karl capek، کلمه ربات را در نمایش«‌ربات‌های جهانی روسیه» استفاده کرد این جمله از کلمه چکی « Robota» به معنی« کوشش ملال آور‌» آمده است.
1938: نخستین الگوی قابل برنامه‌ریزی که یک دستگاه سم‌پاشی بود، توسط دو آمریکایی به نام‌های Willard pollard و Harold Roselund برای شرکت devilbiss طراحی شد.
1942: ایزاک آسیموفRunaround را منتشر کرد و در آن قوانین سه‌گانه رباتیک را تعریف کرد.

1946: ظهور کامپیوتر: George Devol، با استفاده از ضبط مغناطیسی، یک دستگاه playback همه منظوره، برای کنترل ماشین به ثبت رساند. John Mauchly اولین کامپیوتر الکترونیکی (ENIAC) را در دانشگاه پنسیلوانیا ساخت. در MIT، اولین کامپیوتر دیجیتالی همه منظوره (Whirl wind) اولین مسئله خود را حل کرد.
1951: در فرانسه Reymond Goertz اولین بازوی مفصلی کنترل از راه دور را برای انجام مأموریت هسته‌ای طراحی کرد. طراحی آن مبتنی بر کلیه روابط متقابل مکانیکی بین بازوی اصلی و فرعی با استفاده از روش متداول تسمه و قرقره بود که نمونه‌هایی برگرفته از این طرح هنوز هم در مواردی که نیاز به لمس نمونه‌های کوچک هسته‌ای است، دیده می‌شود.
1954: George Devol اولین ربات قابل برنامه‌ریزی را طراحی و عبارت جهانی اتوماسیون را ابداع کرد. این امر زمینه‌ای برای نام‌گذاری این شرکت به Unimation در آینده شد.
1959: Marvin Minsky و John McCarthy آزمایشگاه هوش مصنوعی را در MIT بنا نهادند.

1960: Unimation توسط شرکت Coudoc خریداری شد و توسعه سیستم ربات‌های آن آغاز گردید. کارخانجات ساخت تراشه مانند AMF پس از آن شناخته شدند و اولین ربات استوانه ای شکل به نام Versatran که توسط Harry Johnson&Veljkomilen kovic طراحی شده بود، فروش رفت.
1962: جنرال موتورز اولین ربات صنعتی را از Unimation خریداری کرد و آن را در خط تولید خود قرار داد.
1963: John Mccarthy آزمایشگاه هوش مصنوعی دیگری از دانشگاه استنفورد بنا کرد.
1964: آزمایشگاه‌های تحقیقاتی هوش مصنوعی در M.I.T ،مؤسسات تحقیقاتی استنفورد (SRI)، دانشگاه‌ استنفورد و دانشگاه ادین برگ گشایش یافت.
1964: رباتیک C&D پایه گذاری شد.
1965: دانشگاه Carnegie Mellon مؤسسه رباتیک خود را تأسیس کرد.

1965: حرکت یکنواخت ( Homogeneous Trans formation) در شناخت نحوه حرکات ربات به کار رفت. این روش امروزه به عنوان نظریه اسامی رباتیک وجود دارد.
1965: ژاپن ربات Verstran ( نخستین رباتی که به ژاپن وارد شد) را از AMF خریداری کرد.
1968: کاوازاکی مجوز طراحی ربات‌های هیدرولیک را از Unimation گرفت و تولید آن را در ژاپن آغاز کرد.
1968: SRI،Shakey (یک ربات سیار با قابلیت بینایی و کنترل با یک کامپیوتر به اندازه یک اتاق) را ساخت.
1970: پروفسور victor sheinman از دانشگاه استنفورد بازوی استاندارد را طراحی کرد. ساختار ترکیب حرکتی او هنوز هم به بازوی استاندارد معروف است.
1973: Cincinnate Milacron اولین مینی کامپیوتر قابل استفاده تجاری که با رباتهای صنعتی کنترل می شد(T3) را عرضه کرد. ( طراحی توسطRichard Hohn )
1974: پروفسور Victor Scheinman، سازنده بازوی استاندارد، Inc Vicarm را جهت فروش یک نسخه برای کاربردهای صنعتی ساخت. بازوی جدید با یک مینی کامپیوتر کنترل می‌شد.
1976: Vicarm Inc در کاوشگر فضایی وایکینگ 1و2 استفاده شد. یک میکرو کامپیوتر هم در طراحی vicarm به کار رفت.

1977: یک شرکت ربات اروپایی (ASEA)، دو اندازه از ربات‌های قدرتمند الکتریکی صنعتی را عرضه کرد که هر دو ربات از یک کنترلر میکرو کامپیوتر برای برنامه ریزی عملکرد خود استفاده می‌کردند.
1977: Inc, Unimation vicarm را فروخت.
1978: unimation با استفاده از تکنولوژی Vicarm ‌ ( puma) ماشین قابل برنامه‌ریزی برای مونتاژ( puma) را توسعه داد . امروزه همچنان می‌توان puma را در بسیاری از آزمایشگاه‌های تحقیقاتی یافت.
1978: ماشین خودکار Brooks تولید شد.
1978: IBM و SANKYO ربات با بازوی انتخاب کننده، جمع کننده و مفصلی (SCARA) که در دانشگاه Yamanashi ژاپن برنامه‌ریزی و تولید شده بود، را فروختند.
1980: Cognex تولید شد.

1981: گروه ربات‌های CRS عرضه شد.
1982: Fanuc از ژاپن و جنرال موتورز درGM Fanuc برای فروش ربات در شمال آمریکا قرار داد بستند.
1983: تکنولوژی Adept عرضه شد.
1984: Joseph Engelberger ایجاد تغییرات در رباتیک را آغاز کرد و پس از آن نام ربات‌های کمکی (Helpmate) به ربات‌های خدماتی توسعه یافته (developed service Robots) تغییر یافت.
1986: با خاتمه یافتن مجوز ساخت Unimation، کاوازاکی خط تولید ربات‌های الکتریکی خود را توسعه داد.
1988: گروه Staubli، Unimation را از Westing house خرید.
1989: تکنولوژی Sensable عرضه شد.

1994: یک ربات متحرک شش پا از مؤسسه رباتیک CMUیک آتشفشان در آلاسکا را برای نمونه‌برداری از گازهای آتشفشانی کاوش کرد.
1997: ربات راه‌یاب مریخ ناسا از زمانی‌که ربات وارد مریخ شد تصاویری از جهان را ضبط و ربات سیار Sojourner تصاویری از سفرهایش به سیاره‌های دور را ارسال کرد.
1998: Honda نمونه ای از p3 (هشتمین نمونه در پروژه طراحی شبیه انسان ) که در 1986 آغاز شده بود را عرضه کرد.
2000: Honda نمونه آسیمو نسل بعدی از سری ربات‌های شبیه انسان را عرضه کرد.

2000: Sony از ربات شبیه انسان خود که لقب SDR ( Sony Dream Robots) را گرفت، پرده برداری کرد.
2001: Sony دومین نسل از ربات‌های سگ Aibo را عرضه کرد.
2001: سیستم کنترل از راه دور ایستگاه فضایی(SSRMS ) توسط مؤسسه رباتیک MD در کانادا ساخته و با موفقیت به مدار پرتاب شد و عملیات تکمیل ایستگاه فضایی بین‌المللی را آغاز کرد.

منبع


تاریخچه ربات

كلمه‌ ربات‌ بعد از به‌ صحنه‌ درآمدن‌ یك‌ نمایش‌ در سال‌1920 میلادی‌ در فرانسه‌ متداول‌ و مشهور گردید. در این‌ نمایش‌ كه‌ اثر«كارل‌ كپك‌» بود، موجودات‌ مصنوعی‌ شبیه‌ انسان‌، وابستگی‌ شدیدی‌نسبت‌ به‌ اربابان‌ خویش‌ از خود نشان‌ می‌دادند. این‌ موجودات‌ مصنوعی‌شبیه‌ انسان‌ در آن‌ نمایش‌، ربات‌ نام‌ داشتند.
در حال‌ حاضر ربات‌هایی‌ را كه‌ در شاخه‌های‌ مختلف‌ صنایع‌ مورداستفاده‌ می‌باشند، می‌توان‌ به‌ عنوان‌ «ماشین‌های‌ مدرن‌، خودكار، قابل‌هدایت‌ و برنامه‌ریزی‌»تعریف‌ كرد. این‌ ربات‌ها قادرند در محل‌های‌متفاوت‌ خطوط تولید، به‌ طور خودكار، وظایف‌ گوناگون‌ تولیدی‌ را تحت‌یك‌ برنامه‌ از پیش‌ نوشته‌ شده‌ انجام‌ دهند.

گاهی‌ ممكن‌ است‌ یك‌ربات‌، جای‌ اپراتور در خط تولید بگیرد و زمانی‌ این‌ امكان‌ هم‌ وجوددار كه‌ یك‌ كار مشكل‌ و یا خطرناك‌ به‌ عهده‌ ربات‌ واگذار شود.همانطور كه‌ یك‌ ربات‌ می‌تواند به‌ صورت‌ منفرد یا مستقل‌ به‌ كاربپردازد، این‌ احتمال‌ نیز وجود دارد كه‌ چند ربات‌ به‌ صورت‌ جمعی‌ و به‌شكل‌ رایانه‌ای‌ در خط تولید به‌ كار گرفته‌ شوند.
ربات‌ها عموماً دارای‌ ابزار و آلاتی‌ هستند كه‌ به‌ وسیله‌ آنهامی‌توانند شرایط محیط را دریابند.این‌ آلات‌ و ابزار «حس‌ كننده‌» نام‌ دارند، ربات‌ها می‌توانند در چارچوب‌ برنامه‌ اصلی‌ خود، برنامه‌های‌جدید عملیاتی‌ تولید نمایند. این‌ ربات‌ها دارای‌ سیستم‌های‌ كنترل‌ وهدایت‌ خودكار هستند.

ربات‌های‌ صنایع‌ علاوه‌ بر این‌ كه‌ دارای‌ راندمان‌، سرعت‌، دقت‌ وكیفیت‌ بالای‌ عملیاتی‌ می‌باشند، از ویژگی‌های‌ زیر نیز برخوردارند:
– بسیاری‌ از عملیات‌ طاقت‌ فرسا و غیرقابل‌ انجام‌ توسط متصدیان‌ رامی‌توانند انجام‌ دهند.
– آنها، برخلاف‌ عامل‌ انسانی‌ یعنی‌ متصدی‌ خط تولید، قادر هستند سه‌شیفت‌ به‌ كار بپردازند و در این‌ خصوص‌ نه‌ منع‌ قانونی‌ وجود دارد و نه‌محدودیت‌های‌ فیزیولوژیكی‌ نیروی‌ كار.
– هزینه‌های‌ مربوط به‌ جلوگیری‌ از آلودگی‌ صوتی‌، تعدیل‌ هوا و فراهم‌آوردن‌ روشنایی‌ لازم‌ برای‌ خط تولید، دیگر بر واحد تولید تحمیل‌نخواهد شد.

– برای‌ اضافه‌ كاری‌ این‌ ربات‌ها، هزینه‌ اضافی‌ پرداخت‌ نمی‌شود.حق‌ بیمه‌، حق‌ مسكن‌ و هزینه‌ ایاب‌ و ذهاب‌ پرداخت‌ نمی‌شود. احتیاج‌ به‌افزایش‌ حقوق‌ ندارند و هزینه‌این‌ نیز از بابت‌ بهداشت‌ و درمان‌ بر واحدتولیدی‌ تحمیل‌ نمی‌كنند.
ویژگی‌های‌ ذكر شده‌ سبب‌ می‌شوند كه‌ سهم‌ هزینه‌ كار مستقیم‌ نیروی‌انسانی‌ در هزینه‌ محصولات‌ تولیدی‌، واحدهای‌ تولیدی‌ كاهش‌ پیداكند.

ربات چیست؟

همیشه بین صاحب نظران رباتیک و فعالان رباتیک در دانشگاه ها بحث در مورد تعریف ربات وجود داشته است، گاهی اوقات بر اساس تولید ربات، در شرکتی، تعریفی صنعتی و بر اساس تولید آن شرکت از ربات ارایه می شود و در مواردی نسبت به تکنولوژی ربات توصیف شده است
با این همه در زمان کنونی فناوری ساخت ربات در حدی است که با تکیه بر تکنولوژی جدید و پیشرفته کنونی و با کمی آینده نگری می توان تعریف عینی و دست یافتنی از ربات کرد.در این جا چند تعریف معتبر ذکر شده است:
بیشتر مردم تصورشان از ربات ،ماشینی است که اعمالی هوشمند شبیه به انسان انجام می دهد.فرهنگ و بستر یک ربات را به این گونه تعریف می کنند: “یک دستگاه یا وسیله خود کاری که قادر به انجام اعمالی است که معمولا به انسانها نسبت داده می شود و یا مجهز به قابلیتی است که شبیه هوش بشری است.”
در حال حاضر و با شروع هزاره جدید ، هدف نهایی ،خلق رباتی است که همانند انسان خصوصیات برجسته ای در رفتار ، حرکت ،هوش و ارتباط از خود به نمایش بگذارد.یک ربات هوشمند را میتوان این گونه تعریف کرد:

“یک ربات هوشمند ،ماشین خودکار چند منظوره ای است که طیف وسیعی از وظایف متفاوت را، تحت شرایطی که حتی ممکن است به آن شناخت کافی نداشته باشد ،همانند انسان آن را انجام دهد”
موسسه صنعتی آمریکا RAI یا Robotic Industrial Association که شرکتی با سابقه در صنعت رباتیک می باشد و در تولید بازوهای ربات های صنعتی یا (Manipulators) است، این گونه ربات را تعریف می کند:
“یک ربات، یک جابجا کننده چند وظیفه ای برنامه پذیر است که برای حرکت دادن مواد ، قطعات ،ابزار ها یا وسایل خاص ،با استفاده از حرکات برنامه ریزی شده قابل تغییر برای تحقق فرامین مختلف ،طراحی شده است.
ربات در معنای عام تر و کلی تر یک ماشین الکترومکانیکی هوشمند است، با خصوصیات زیر:
1- می توان آن را مکرراً برنامه ریزی کرد.
2- چند کاره است.
3- Multi Tasking
4- کارآمد و مناسب برای محیط است و توانایی هماهنگ کردن خود با محیط را دارد.
و خلاصه ربات ماشینی است که کاری مستمر و تکراری را بدون خستگی و با سرعت بالا و بدون اشتباه (منظور با خطای کم) انجام دهد

کلمه روباتیک (robatics) اولین بار توسط ایزاک آسیموف در یک داستان کوتاه ارائه شد. ایزاک آسیموف (1920-1992) نویسنده کتابهای توصیفی درباره علوم و داستانهای علمی تخیلی است. ایزاک آسیموفRunaround را منتشر کرد و در آن قوانین سه‌گانه رباتیک را تعریف کرد.
هدف رباتیک اتصال هوش از ادراک به رفتار می باشد. رباتیک در اکثر مواقع در حوزه مهندسی برق، مهندسی مکانیک و مهندسی رایانه کاربرد دارد.
کنترل کننده ها اولین هدایت کننده های رباتیک بوده اند. استفاده از تئوری کنترل در هدایت سامانه های پیچیده ، موضوع علم سیبرنیتیک است. چرخه حس، طرح و عمل در هوش مصنوعی توسعه ای از علم سیبرنیتیک برای هدایت هوشمند سیستم ها می باشد، در این چرخه تعریف عمومی تری از خطا بکار رفته است و هدف آن حداقل سازی این خطاست.
در این چرخه حس وظیفه گرفتن اطلاعات از حسگر های ربات تبدیل آن به دانشی درباره جهان ، وظیفه اخذ دانش و حصول آگاهی، استدلال ، تصمیم گیری و تولید اوامری برای اجرا و عمل وظیفه انجام اوامر را بر عهده دارد.

ربات یک ماشین هوشمند است که قادر است در شرایط خاصی که در آن قرار می گیرد، کار تعریف شده ای را انجام دهد و همچنین قابلیت تصمیم گیری در شرایط مختلف را نیز ممکن است داشته باشد. با این تعریف می توان گفت ربات ها برای کارهای مختلفی می توانند تعریف و ساخته شوند.مانند کارهایی که انجام آن برای انسان غیرممکن یا دشوار باشد.
برای مثال در قسمت مونتاژ یک کارخانه اتومبیل سازی، قسمتی هست که چرخ زاپاس ماشین را در صندوق عقب قرار می دهند، اگر یک انسان این کار را انجام دهد خیلی زود دچار ناراحتی هایی مثل کمر درد و …می شود، اما می توان از یک ربات الکترومکانیکی برای این کار استفاده کرد و یا برای جوشکاری و سایر کارهای دشوار کارخانجات هم همینطور.
و یا ربات هایی که برای اکتشاف در سایر سیارات به کار میروند هم از انواع ربات هایی هستند که در جاهایی که حضور انسان غیرممکن است استفاده می شوند.
علم رباتیک از سه شاخه اصلی تشکیل شده است:

1 الکترونیک ( شامل مغز ربات)
2 مکانیک (شامل بدنه فیزیکی ربات)
3 نرم افزار (شامل قوه تفکر و تصمیم گیری ربات)
اگریک ربات را به یک انسان تشبیه کنیم، بخشهایی مربوط به ظاهر فیزیکی انسان را متخصصان مکانیک می سازند
مغز ربات را متخصصان الکترونیک توسط مدارای پیچیده الکترونیک طراحی و می سازند
و کارشناسان نرم افزار قوه تفکر را به وسیله برنامه های کامپیوتری برای ربات شبیه سازی می کنند تا در موقعیتهای خاص ، فعالیت مناسب را انجام دهد.
روباتیک، علم مطالعه فن آوری مرتبط با طراحی، ساخت و اصول کلی و کاربرد روباتهاست. روباتیک علم و فن آوری ماشینهای قابل برنامه ریزی، با کاربردهای عمومی می باشد.
برخلاف تصور افسانه ای عمومی از رباتها به عنوان ماشینهای سیار انسان نما که تقریباً قابلیت انجام هر کاری را دارند، بیشتر دستگاههای روباتیک در مکانهای ثابتی در کارخانه ها بسته شده اند و در فرایند ساخت با کمک کامپیوتر، اعمال قابلیت انعطاف، ولی محدودی را انجام می دهند چنین دستگاهی حداقل شامل یک کامپیوتر برای نظارت بر اعمال و عملکردهای و اسباب انجام دهنده عمل مورد نظر، می باشد. علاوه براین، ممکن است حسگرها و تجهیزات جانبی یا ابزاری را که فرمان داشته باشد بعضی از رباتها، ماشینهای مکانیکی نسبتاً ساده ای هستند که کارهای اختصاصی مانند جوشکاری و یا رنگ افشانی را انجام می دهند. که سایر سیستم های پیچیده تر که بطور همزمان چند کار انجام می دهند، از دستگاههای حسی، برای جمع آوری اطلاعات مورد نیاز برای کنترل کارشان نیاز دارند. حسگرهای یک ربات ممکن است بازخورد حسی ارائه دهند، طوریکه بتوانند اجسام را برداشته و بدون آسیب زدن، در جای مناسب قرار دهند. ربات دیگری ممکن است دارای نوعی دید باشد.، که عیوب کالاهای ساخته شده را تشخیص دهد. بعضی از رباتهای مورد استفاده در ساخت مدارهای الکترونیکی، پس از مکان یابی دیداری علامتهای تثبیت مکان بر روی برد، می توانند اجزا بسیار کوچک را در جای مناسب قرار دهند. ساده ترین شکل رباهای سیار، برای رساندن نامه در ساختمانهای اداری یا جمع آوری و رساندن قطعات در ساخت، دنبال کردن مسیر یک کابل قرار گرفته در زیر خاک یا یک مسیر رنگ شده که هرگاه حسگرهایشان در مسیر، یا فردی را پیدا کنند متوقف می شوند. رباتهای بسیار پیچیده تر رد محیط های نامعین تر مانند معادن استفاده می شود.
روباتها همانند کامپیوترها قابلیت برنامه ریزی دارند.بسته به نوع برنامه ای که شما به آنها می دهید.کارها وحرکات مختلفی را انجام می دهند.رشته دانشگاهی نیز تحت عنوان روباتیک وجود دارد.که به مسایلی از قبیل سنسورها، مدارات ، فیدبکها،پردازش اطلاعات وبست وتوسعه روباتها می پردازد.روباتها انواع مختلفی دارند از قبیل روباتهای شمشیر باز، دنبال کننده خط،کشتی گیر،
فوتبالیست،و روباتهای خیلی ریز تحت عنوان میکرو روباتها،روباتهای پرنده وغیره نیز وجود دارند.
روباتها برای انجام کارهای سخت ودشواری که بعضی مواقع انسانها از انجام آنها عاجز یا انجام آنها برای انسان خطرناک هستند.مثل روباتهایی که در نیروگاهای هسته ای وجود دارند.،استفاده می شوند.
کاری که روباتها انجام میدهند.، توسط میکرو پروسسرها(microprocessors) و میکروکنترلرها(microcontroller) کنترل می شود.با تسلط در برنامه نویسی این دو می توانید دقیقا همان کاری را که انتظار دارید روبات انجام دهد.
روباتهایی شبیه انسان (human robotic)نیز ساخته شده اند.،آنها قادرند اعمالی شبیه انسان را انجام دهند.حتی بعضی از آنها همانند انسان دارای احساسات نیز هستند.بعضی از آنها شکلهای خیلی ساده ای دارند.آنها دارای چرخ یا بازویی هستند که توسط میکرو کنترلرها یا میکرو پرسسرها کنترل می شوند.در واقع میکروکنترلر یا میکرو پروسسر به مانند مغز انسان در روبات کار می کند.برخی از روباتها مانند انسانها وجانوران خون گرم در برخورد و رویارویی با حوادث ومثایل مختلف به صورت هوشمند از خود واکنش نشان می دهند.یک نمونه از این روباتها روبات مامور است.
برخی روباتها نیز یکسری کارها را به صورت تکراری با سرعت ودقت بالا انجام می دهند مثل روبات هایی که در کارخانه های خودرو سازی استفاده می شوند.این گونه روبات کارهایی از قبیل جوش دادن بدنه ماشین ، رنگ کردن ماشین را با دقتی بالاتر از انسان بدون خستگی و وقفه انجام می دهند.

ربات چیست؟ قسمت 1
ربات چیست؟ قسمت 2
ربات چیست؟ قسمت 3
ربات چیست؟ قسمت 4
ربات چیست؟ قسمت 5
ربات چیست؟ قسمت 6
ربات چیست؟ قسمت 7
ربات چیست؟ قسمت 8