مشخصات پژوهش

عنوان	زیست سنجی چند مؤلفه ای تحت وب
نوع پژوهش	پایان نامه
کلیدواژه‌ها	زیست سنجی چند مولفه ای- زیست سنجی تحت وب- تشخیص صورت- شناسایی صورت- تعقیب صورت- تشخیص احساسات صورت- بخش بندی صورت- تشخیص گوش
چکیده	با گسترش استفاده از اینترنت به عنوان ابزار اصلی در تعاملات اقتصادی و همچنین زندگی شخصی افراد، اهمیت استفاده از روش های امن تر و مطمئن تر برای کاربردهای تحت وب بیش از پیش احساس می شود. این کاربردها عموماً شامل دسترسی به داده های مهم و شخصی یا انجام تراکنش های مالی می باشند. امروزه اکثر روش های احراز هویت در وب مبتنی بر شناسه و رمز عبور است که ناکارآمدی آن نگرانی های زیادی را در این زمینه ایجاد کرده است. از طرفی فناوری ریست سنجی به معنی بازشناسی افراد با استفاده از خصوصیات فیزیولوژیکی و یا رفتاری آنها، امروزه نقشی کلیدی در سیستمهای امنیتی مختلف داشته و استفاده از آن بسیاری از مشکلات روش های سنتی تایید هویت را برطرف کرده است. با وجود این استفاده از این فناوری برای کاربردهای تحت وب خود چالش های جدیدی ایجاد می کند. به خطر افتادن حریم شخصی کاربران، نبود سخت افزارهای ورودی مناسب در اکثر سرویس گیرنده های وب و همچنین بدون ناظر بودن فرآیند احراز هویت از مهمترین چالش های یادشده می باشند. برای غلبه بر این چالش ها، در این پایان نامه رهیافتی چند مؤلفه ای مبتنی بر زیست سنجی ارائه شده است که از مشخصه های زیستی صورت، نیمرخ و فرم گوش برای تشخیص هویت افراد استفاده می کند. تمامی مؤلفه های مورد استفاده مبتنی بر تصویر بوده و از تصاویر بدست آمده از وب کم معمولی نیز می توان برای انجام فرآیند شناسایی هویت استفاده کرد. اولین مؤلفه مورد استفاده، "صورت" می باشد که دو چارچوب متفاوت برای انجام تمامی پردازش های مرتبط با آن ارائه شده است. این پردازش ها شامل فرآیند تشخیص صورت، تعقیب صورت در تصاویر، تشخیص حالات صورت، تشخیص جهت صورت، تایید زنده بودن صورت و شناسایی صورت می باشند. رهیافت اول ساختاری پایین به بالا دارد که با استفاده از 24 نقطه کلیدی اطراف مؤلفه های صورت، مدل اولیه آن را استخراج می کند. موقعیت این نقاط کلیدی با استفاده از رهیافتی مبتنی بر AdaBoost و Back Projection دو بعدی برای بخش بندی ناحیه صورت در فضای رنگی YCbCr تعیین می شوند. رهیافت دوم از یک مدل بالا به پایین برای استخراج ساختار اولیه صورت استفاده می کند. نسخه ای تغییر یافته از الگوریتم تعقیب اشیاء CAMSHIFT همراه با راهکار ASM برای استخراج و تعقیب مدلی 68 نقطه ای بصورت بلادرنگ استفاده شده است.
پژوهشگران	فردین اخلاقیان طاب (استاد راهنما)، کرامت الله غفاری (دانشجو)