มือเปียก ปัญหาที่ท้าทาย ของเครื่องสแกนลายนิ้วมือ

สำหรับองค์กรที่ใช้ เครืื่องสแกนลายนิ้วมือใน หรือ finger scan การบันทึกเวลา และ ควบคุมการเข้าออก สำหรับพนักงานจำนวนมาก คงคุ้นเคยกับปัญหาในการใช้งานหนึ่งเป็นอย่างดี โดยเฉพาะอย่างยิ่งหากงานของพนักงานเป็นงานที่ต้องอยู่กับความเปียกชื้นตลอดเวลา เช่น งานเกี่ยวกับอาหารทะเล อาหารแช่แข็ง โรงน้ำแข็ง หรือ ฯลฯ เป็นต้น

ด้วยเทคโนโลยีของ เครื่องสแกนนิ้วมือ ในปัจจุบันนั้นส่วนมากที่ใช้กันในเชิงพานิชย์แบบแพร่หลายเป้นเทคโนโลยีหัวอ่านลายนิ้วมือแบบ Optical Sensor ซึ่งใช้แสง LED ในการอ่านลายนิ้วมือและสามารถใช้งานได้ดีในการใช้งานในสภาพแวดล้อมปกติ แต่ประสบปัญหาอย่างมากกับกรณีที่ลายนิ้วมือของพนักงานเปียกชื้น และไม่มีการเช็ดให้แห้งก่อนสแกน หรือ อยู่ในสภาพแวดล้อมการทำงานที่มีความเปียกชื่นตลอดเวลา หรือ แม้กระทั่งฝนตก หยดน้ำที่อยู่บนนิ้วมือเวลาตกกระทบเลนศ์จะทำให้เกิดการหักเหแสงและ Sensor จะไม่สามารถจับภาพลายนิ้วมือได้ นำไปสู่การสแกนลายนิ้วมือไม่ผ่าน หรือ สแกนผ่านยาก ทำให้เกิดปัญหาในการใช้งานในที่สุด อย่างไรก็ตามผู้ผลิต เครื่องสแกนนิ้วมือ ก็ไม่ได้นิ่งเฉยกับปัญหา ยังคงมีความพยายามอย่างต่อเนื่องที่จะสรรค์หาเทคโนโลยีที่สามารถแก้ไขปัญหานี้ให้ลดน้อยถอยลงหรือหมดไปได้ เพื่อประสิทธิภาพการทำงานที่ดียิ่งขึ้น

การรู้จำลายนิ้วมือที่เปียก : ความท้าทายและโอกาส

1. บทนำ

การรู้จำลายนิ้วมือเป็นปัญหาที่ได้รับการวิเคราะห์เป็นอย่างดีด้วยหลายๆวิธีการที่ประสบความสำเร็จ มีอัตราความผิดพลาดที่เท่ากัน (EER) น้อยกว่า 5%  การดำเนินการยอดเยี่ยมในเงื่อนไขที่ท้าทายไม่แพ้เงื่อนไขแห้ง(dry)ที่จำเป็นสำหรับระบบไบโอเมตริกเพื่อที่จะทำงานในเงื่อนไขการดำเนินงานที่ควบคุมไม่ได้ หนึ่งในความสนใจที่ได้รับการสำรวจเพียงน้อยนิด คือการรู้จำลายนิ้วมือที่สนใจเกี่ยวกับน้ำ ซึ่งมือต้องมีการสัมผัสน้ำนานขึ้น และนิ้วมือเปลี่ยนเป็นย่นและเหี่ยว แอปพลิเคชันรวมถึงควบคุมการผ่านเข้าออก หรือด้านนิติเวช และความปลอดภัย Fakourfar et al ได้เผยถึงการลดลงเล็กน้อยของประสิทธิภาพโดยเฉพาะในอัลกอลิทึมการจับคู่เชิงพาณิชย์ ในรายงานนี้เราพยายามวิเคราะห์ให้ละเอียดในปัญหาของการรู้จำลายนิ้วมือเกี่ยวกับนิ้วมือย่นและเพื่อเสนอแนวทางที่เป็นได้ แม้กระทั่งกระบวนการของรอยย่นก็ยังไม่เป็นที่เข้าใจอย่างสมบูรณ์ แม้ว่าจะมีทฤษฎีเพียงเล็กน้อยเกี่ยวกับการเกิดรอยย่น และสำรวจอย่างรวบรัด บ้างอ้างว่าการเกิดรอยย่น นั้นเกิดจากการขยายของผิวหนังชั้นบน(Stratum Corneum) หรือการหดตัวของเซลล์ไมโออิปิทีเลียม (myoepithelial cell) เมื่อไม่มีต่อมไขมันในผิวหนังที่ไม่มีขน(glabrous skin) การศึกษาขณะนี้เสนอว่าการที่หลอดเลือดหดตัวอาจเป็นสาเหตุทำให้ความเต่งลดลง(แรงดันของเนื้อนิ้วมือ) การหดปริมาตรทำให้เกิดรอยย่นดูภาพที่ 1

wet-finger-on-fingerprint-scanner

รูปที่ 1: นิ้วมือที่ไม่แนบสนิทและมีฟองอากาศขณะวางนิ้วเปียกลงลงบน เครื่องสแกนลายนิ้วมือ

เป็นภาพรอยย่นบนนิ้วมือในอากาศ มีความท้าทายมากมายในการแสดงในการรู้จำของนิ้วมือที่เปียก อย่างแรกคือมักใช้เซนเซอร์ที่ยึด capacitive imaging หรือ frustrated totalinternal reflectance (FTIR) เป็นหลัก ซึ่งไม่น่าเชื่อถือถ้าไม่มีการทำให้แห้งเมื่อนิ้วมือเปียกหรือชื้นมากๆ แม้กระทั่งการทำให้แห้ง การเปลี่ยนแปลงทางกายภาพยังคงอยู่ประมาณ10-15 นาที ดังนั้นเซนเซอร์ที่เหมาะสม เช่ multispectral sensor ต้องถูกนำมาใช้ ต่อไปด้วยระดับรอยย่นขนาดใหญ่ การเสียรูป non-isometric ของผิวหน้านิ้วมือ อาจจะมีการขยายของผิวหน้าในบางแห่ง มีการหดในบางแห่ง และผลสืบเนื่องคือระยะห่างระหว่างลักษณะลายนิ้วมือ เช่น มินูเทีย จุดกลาง อาจจะเปลี่ยน เมื่อลายนิ้วมือเปียกเป็นรูปในอากาศผิวหน้าของมันจะเปลี่ยนด้วยรอยย่น ความหวังหนึ่งคือเมื่อลายนิ้วมือที่มีรอยย่นกดลงบนแผ่นเซนเซอร์ ลายนิ้วมืออาจจะแบนและได้สัดส่วนเดิม แต่โชคไม่ดีเมื่อลักษณะที่กดลงไปมีความแตกต่างจากนิ้วที่แห้ง อาจถูกมองว่าเป็นการปลอมด้วยยางหรือพลาสติกเมื่อกดนิ้วลงบนแผ่นเซนเซอร์ เราไม่ได้จัดการปัญหาที่ลายนิ้วมือชื้นจากเหงื่อซึ่งส่งผลกระทบต่อคุณภาพของภาพกับ FTR และ Capacitive Sensors เหตุการณ์ลักษณะนี้อาจจะเกี่ยวข้องกับคุณสมบัติสามระดับ รวมทั้งรูขุมขนที่ถ่ายด้วยเซนเซอร์ที่มีความละเอียดสูงเพราะไม่มีชุดข้อมูลของรายย่นและลายนิ้วมือที่เปียกน้ำที่เผยแพร่สาธารณะ และเพราะการศึกษาก่อนๆนั้นมีเอกสารน้อยมาก เราจึงต้องการมีข้อมูลของเราเอง เพื่อเผยแพร่ฐานข้อมูลเรื่อง นิ้วมือที่ เปียกและย่น (Wet and Wrinkled Finger :WWF) เพื่อทดสอบปรากฏการณ์ของรอยย่นและเราต้องการให้ฐานข้อมูลที่ตีพิมพ์นี้เป็นประโยชน์กับนักวิจัยอื่นๆด้วย รายงานนี้เราเสนอการสังเกตเชิงคุณภาพและการประเมินผลเชิงปริมาณ เป็นสร้างเป็นตัวเปรียบเทียบต่อไป ฐานข้อมูลใช้อัลกอลิทึมเชิงพาณิชย์และ BoZorth3 ที่ใช้ในสาธารณะเพื่อแยกจุดมินูเทีย จับคู่ และนับ เนื่องจากเราไม่คำนึงถึงผู้ใช้งานตอนบันทึกลายนิ้วมือที่เปียก เรามุ่งไปที่การเปรียบเทียบลายนิ้วมือที่แห้ง สำหรับตัวเปรียบเทียบเราพิจารณาประสิทธิภาพของนิ้วทั้งสองที่แห้งและเปรียบเทียบกับสถานการณ์ที่นิ้วหนึ่งเปียก นิ้วหนึ่งแห้งเพราะเราจะแยกนิ้วมือที่มีรอยย่นมากที่สุดและนำมาใช้ในการทดลอง การเปียกและย่นใช้สลับกันได้ เป้าหมายก็เพื่อพัฒนาเทคโนโลยีการรู้จำลายนิ้วมือที่มีอยู่ โดยการใช้แบบจำลองซึ่งเตือนเมื่อนิ้วมือมีรอยย่น

2. งานที่เกี่ยวข้อง

Fakourfar et al ศึกษาประสิทธิภาพของระบบการรู้จำลายนิ้วมือด้วยการใช้ลายนิ้วมือเปียก ฐานข้อมูลนั้นถูกสร้างขึ้นจากการจุ่มมือขวาในน้ำเย็นประมาณ 30 นาทีกระบวนการนี้ไม่อาจกระรันตีได้ว่าจะเกิดรอยย่นบนนิ้วมือ ทั้งๆที่แช่น้ำนาน แต่บางคนก็ไม่เกิดรอยย่น หรือบางที 30 นาทีอาจไม่พอในการสร้างการขยายผิว เมื่อสื่อสารกับผู้แต่ง เราเรียนรู้ว่าการจุ่มลงในน้ำเป็นเวลาคงที่ รอยย่นไม่ถูกบันทึก ดังนั้นการเปลี่ยนแปลงของรอยย่น รวมถึง การมีรอยย่นปานกลางและรอยย่นนิ้วมือ ในฐานข้อมูล WWF เราเสนอว่า รอยย่นจากน้ำอุ่นที่ใช้ระบบทำความร้อน และ ค่า pH 8.1จาก เบกกิ้งโซดา นี่เป็นเงื่อนไขที่เหมาะสมที่สุดในการแพร่นำเข้าสู่ผิวหนังชั้นนอก และทั้งๆที่เราใช้วิธีการนี้ การเกิดรอยย่นบนนิ้วมือยังล้มเหลว เราได้อธิบายชุดข้อมูล เพื่อเลือกส่วนที่จัดแสดงภาพลายนิ้วมือที่มีรอยย่นมากก่อนการทดสอบประสิทธิภาพในวงการแพทย์มีการใช้ปลายนิ้วมือเป็นการทดสอบคัดกรองสำหรับฟังก์ชั่นเส้นประสาทปกติ เขาถกเถียงหลายเงื่อนไขเพื่อเสนอรอยย่น เราใช้การตรวจสอบนี้เพื่อรักษาเงื่อนไขที่ดี รวมถึงรอยย่นที่ปลายนิ้วมือเพื่อเก็บฐานข้อมูลเพื่อการถกเถียงใน section ที่ 3Yin et al เสนอแบบจำลองของรอยย่น รวมถึงส่วนประกอบ เช่น ระยะระหว่างรอยย่น(ความยาวคลื่น) ความลึกรอยย่น ความเครียด/ความตึงของรอยย่นวิกฤต ด้วยรูปร่างที่แปรปรวนและเครื่องวัดวัตถุทำให้มองเห็นการเปลี่ยนแปลงรอยย่นของนิ้วมือจากการแสดงลักษณะของรอยย่นโดยใช้สมการเชิงวิเคราะห์จากองค์ประกอบข้างต้น Ross et al ได้ให้แบบจำลองแผ่นสลักที่ผิดรูปร่างเพื่อประมาณขนาด เรียกว่า การเสียรูปเฉลี่ย(average deformation) ซึ่งการเสียรูปร่างเฉลี่ย ใช้ก่อนการบิดเบือนของจุดมินูเทียในภาพแบบ ถ้าการสร้างรอยย่นเทียมยืดออกจากการเปลี่ยนแปลงไม่เชิงเส้น( nonlinear change) ก็สามารถเป็นแบบจำลองเช่นเดียวกัน อย่างไรก็ตามเป็นไปได้ต่อเมื่อแบบลายนิ้วมือเปียกด้วย จนกระทั่งการเสียรูปร่างเฉลี่ยสามารถถูกประมาณได้ ในความสัมพันธ์ของแบบที่เสียรูปร่าง Cappelli et al พิจารณาแรงไถลที่ได้ประยุกต์หลังจากการสัมผัสเซนเซอร์ มันไม่ตั้งฉากและสามารถบิดเบือนการกระจายมินูเทีย  แบบจำลองมี 3 บริเวณ ที่มีคุณสมบัติแตกต่างกัน

3. ฐานข้อมูล WWF

 เพื่อที่จะศึกษาผลกระทบการแช่น้ำและรอยย่นของลายนิ้วมือ ที่ส่งผลกระทบต่อการทำงานของเครื่องสแกนนิ้วมือ เราได้ฐานข้อมูล Wet and Wrinkled Finger(WWF) การจากรวบรวมข้อมูลทั้งสิบนิ้วของคน 30 คน โดยใช้multispectral fingerprint scanner จาก Lumidigm (Venus series) เราเก็บทั้ง 300 นิ้วมือแยกกัน Multispectral sensorsถูกดีไซน์ฟังก์ชันมา เมื่อนิ้วที่เปียกกดลงในน้ำ ก็จะได้ภาพออกมาเมื่อนิ้วมือไม่สัมผัสแผ่นเซนเซอร์ มีความเป็นไปได้เพราะ multispectral sensor สามารถได้ภาพจากจากใต้ผิวดินและพื้นผิวแม้กระทั่งในสภาวะที่แย่ เปรียบเทียบกับ Internal reflection sensors ที่ต้องการความชื้นอย่างพอเพียงระหว่างเส้น ช่องว่างอากาศ และแท่นที่แห้งสะอาดสำหรับแต่ละนิ้วมือ ฐานข้อมูลจะบรรจุภาพ 2 ชนิด คือภาพกดนิ้วมือคือภาพที่กดปลายนิ้วมือติดกับแผ่นเซนเซอร์ กับภาพนิ้วมือในอากาศคือภาพที่ไม่กดนิ้วมือบนเซนเซอร์ เพียงแต่วางเหนือเซนเซอร์เท่านั้น เซนเซอร์สร้างภาพประกอบระดับสีเทาจากสัญญาณ multispectral ภาพ raw RGB เพื่อตรวจสอบโดยการมองลายนิ้วมือ ได้มาทั้งหมด 3600 ภาพ เพราะแต่ละนิ้วมือของ 300 นิ้วมือมี 4รูปแบบ (Dry-Air, Dry-Pressed, Wet-Air and Wet-Pressed) และแต่รูปแบบมี 3 การทดลองซ้ำ การตรวจ 300 ภาพนิ้วมือในอากาศ มีรอยย่น 185 ภาพ เพื่อกระตุ้นการเกิดรอยย่นที่นิ้วมือ แช่มือทั้งมองในน้ำอุ่น 40 เซลเซียสเป็นเวลา 30 นาที pH 8.1
การใช้ Lumidigm sensor จับภาพ 3 ชุด ได้แก่ภาพลายนิ้วมือสองชุด และภาพ raw RGB ก่อนการแช่มือ ภาพ RGB ที่เก็บไว้มีขนาด 352? 544 pixels แทนที่จะได้มา 3ภาพต่อเนื่องของแต่ละนิ้ว ก็ได้นิ้วทั้งหมดและทำซ้ำ 3 ครั้งเพื่อลดข้อเสียเปรียบในการมีวัตถุจำนวนจำกัด เราจึงจับภาพลายนิ้วมือทั้ง 10 นิ้ว การทดลองในส่วนถัดมาได้ทำตามกระบวนการเพื่อระบุตัวตนจากแต่ละนิ้ว อาจมีความสัมพันธ์ระหว่างนิ้วที่มาจากมือเดียวกันยอมรับได้เพราะเป้าหมายของเราคือตรวจสอบการลดลงของจำนวนการจับคู่(match scores) เมื่อทำการทดลองที่เหมือนกันกับเงื่อนไขที่ต่างกัน เปียกและแห้งหลังจากได้มา เราทำสัญลักษณ์แต่ละภาพที่มีรอยย่น หรือไม่มีรอยย่น โดย 185 นิ้วจาก 300 นิ้ว เห็นรอยย่น เราสังเกตว่าประมาณ 10 คนจาก 30 คน ไม่มีรอยย่นมากพอ ทั้งๆที่แช่ในน้ำ 1ชั่วโมง

 4. การประเมินความแม่นยำสำหรับลายนิ้วมือแห้งและเปียก

เพื่อประเมินผลกระทบของการแช่น้ำและรอยย่นในการลายนิ้วมือรู้จำลายนิ้วมือ ใช้ 2 ระบบคือ ระบบเชิงพาณิชย์และระบบที่เผยแพร่สาธารณะ แต่ละระบบมี 2 ระยะ คือการแยกมินูเทียและการเข้าคู่ฐานข้อมูลของ 300 นิ้วมือ 185 นิ้วที่พบรอยย่นในภาพในอากาศของนิ้วมือ เราใช้ภาพ 185 ภาพนี้ในการทดลอง การเผยแพร่สาธารณะหรือระบบ open source คือ the National Institute of Standards and Technology (NIST)Biometric Image Software (NBIS) เวอร์ชัน 3.1.1 เราใช้เครื่องตรวจจับมินูเทีย(เรียกว่า MINDTCT) และเครื่องจับคู่ (เรียกว่า Bozorth3) เพราะข้อสัญญาของผู้ขาย จึงไม่สามาระเผยเครื่องตรวจจับเชิงพาณิชย์ได้อัลกอลิทึมของ Bozorth3 ใช้วิธีการจับคู่ โดยใช้ค่าคงที่การหมุนและการแปล ส่วนสำคัญเกี่ยวข้องกับการสร้างคู่มินูเทียจากภาพ แต่ละคู่อธิบายจากระยะห่างระหว่างมินูเทียและมุมระหว่างรูปส่วนของเส้นตรงจากสองมินูเทียและทิศทางของมินูเทียที่ได้มาจากเครื่องตรวจจับ คู่ส่วนของเส้นตรงระหว่างการตรวจสอบและภาพแกลอรี่(gallery images) จะถูกพิจารณาที่สอดคล้องกันถ้าความแตกต่างของระยะห่างระดับต่ำและถ้าความแตกต่างของทิศทางยังอยู่ภายในขอบเขต คู่ส่วนของเส้นตรงที่สอดคล้องกันจะถูกจัดเก็บในรายการ วิธีการที่ใช้คู่ของมินูเทียแทนการใช้จุดมินูเทียโดยลำพังเพื่อที่จะสร้างค่าคงที่การแปลและการหมุน หลังจากนั้นข้ามผ่านรายการและคู่ที่เชื่อมโยงกันทั้งหมด ความยาวของโซ่ที่ยาวที่สุดจะถูกขีดไว้ แนวคิดของสองส่วนของเส้นตรงที่เชื่อมกันดูเหมือนจะใกล้เคียงวิธีของการสนับสนุนคู่ที่สัมพันธ์กันสูงสุด( matched pair support (MPS)) แม้ว่าศัพท์เฉพาะโครงสร้างกราฟจะถูกใช้เราประเมินผลกระทบการแช่น้ำในการตรวจสอบ ซึ่งจะให้สองนิ้วกับระบบและต้องตัดสินใจว่ามาจากนิ้วเดียวกันหรือต่างกัน ประสิทธิภาพตัดสินจากจำนวน(scores)ของจริงและของปลอมจำนวนของอันที่จริงบอกระดับความเห็นพ้องระหว่างของตัวอย่างนิ้วมือที่เหมือนกัน จำนวนของอันที่ปลอมได้รับมาจากการจับคู่ของตัวอย่างนิ้วมือที่ต่างกัน ในการวิเคราะห์ต่อไป จำนวนของอันที่จริงที่เป็นไปได้สำหรับ185 นิ้วได้รับการคำนวณ เพราะมีจำนวนของคู่อันที่ปลอมเป็นไปได้มากมาย เราสุ่มตัวอย่างชุดของปลอม รายงานเป็นรูปกราฟโค้ง Receiver Operating Characteristic(ROC)[เป็นกราฟความสัมพันธ์ระหว่าง true positive rate ( Sensitivity ) กับ false positive rate และเงื่อนไขอันตราล้มเหลวที่เท่ากัน(Equal Error Rate (EER))


4.1 ประสิทธิภาพของอัลกอลิทึมในการผลิต เครื่องสแกนลายนิ้วมือ เชิงพาณิชย์

เปรียบเทียบเครื่องสแกนลายนิ้วมือ-Plot-graphgraph-3

ภาพที่ 2 แสดงฮิสโตแกรมของจำนวนคู่เหมือนของอัลกอลิทึมเชิงพาณิชย์         

ภาพที่ 2a แสดงกรณีที่ภาพลายนิ้วมือแห้งและเปียก สังเกตว่าพื้นที่ซ้อนกันนั้นมีความเป็นไปได้สำหรับความผิดพลาดที่ขึ้นอยู่กับการเข้าคู่ระดับพื้นฐาน(match threshold) ซึ่งใหญ่กว่าลายนิ้วมือที่เปียก  ก่อให้เกิดกราฟโค้ง ROC ดังภาพที่ 3 และอัตราความผิดพลาดที่เท่ากัน(EER)ของภาพลายนิ้วมือแห้และเปียก ดำลับดังนี้ 2.29% และ 4.12% เกือบจะเพิ่มเป็นเท่าตัวของอัตราความผิดพลาดของลายนิ้วมือที่มีรอยย่น4.2 ประสิทธิภาพของอัลกอลิทึม NIST NBIS

ภาพที่ 4 แสดงฮิสโตรแกรมของจำนวนคู่เหมือนเมื่อใช้อัลกอลิทึม MINDTCT และ Bozorth3

picrure-4Picrure-5

ภาพ 4a แสดงกรณีที่ภาพทั้งสองและการตรวจสอบภาพลายนิ้วมือที่แห้ง ภาพ 4bแสดงกรณีที่ภาพลายนิ้วมือแห้งและการตรวจสอบลายนิ้วมือทีเปียก และกราฟโค้ง ROC ในภาพ 5 แสดง เพิ่มการสังเกตเกี่ยวกับการสับสนในการเข้าคู่นิ้วมือเปียก และอัตราความผิดพลาดที่เท่ากัน(EER)2.29% และ 3.23% ตามลำดับ

5. ผลกระทบทางกายภาพบนนิ้วมือ

ในส่วนที่แล้ว จะเห็นว่าลายนิ้วมือที่มีรอยย่นหรือเปียกนั้นทำให้ผลที่ของของอัตราการรู้จำต่ำว่าอีกนิ้วที่แห้ง เพราะการปรากฏของรอยย่นเป็นปรากฏการณ์ที่มองเห็นได้ในภาพนี้ รอยย่นเป็นสาเหตุให้ภาพที่กดลายนิ้วมือเสื่อมลง หรือมีผลกระทบอื่น ในส่วนนี้เราพิจารณาบางผลกระทบที่อาจนำไปสู่ประสิทธิภาพที่ลดลงของภาพที่กดลายนิ้วมือและการเสนอข้อสังเกตเชิงคุณภาพจากการศึกษานี้
การเปลี่ยนแปลงของลายนิ้วมือเมื่อแช่ในน้ำ เกิดจากการขยายของผิว ในการวิเคราะห์ภาพลายนิ้วมือบนอากาศ ดังที่แสดงในภาพที่ 1 พบว่าการปรากฏรอยย่นก่อนการแช่น้ำสัมพันธ์กับผลกระทบที่แน่นอนลายนิ้วมือที่กด ผลกระทบนี้ไม่เกิดกับทุกๆลายนิ้วมือทีเปียก แต่เกิดบ่อยพอจนน่าสังเกต

ภาพที่ 6

picture-6    

ภาพที่ 7  

  picture-7                          

  1. ก้อนของผิวหนังทำให้เกิด u-shaped ภาพที่ 6 แสดงผลกระทบของก้อนนี้นำไปสู่โค้งเล็กน้อยแบบ U-shaped ปลอม เป็นภาพเกิดเกิดจากการตัดกันของเส้นลายนิ้วมือ ตามลำดับนี้นำไปสู่มินูเทียปลอม ในการวิเคราะห์ของเรานั้นการใช้อัลกอลิทึมมีความแม่นยำมากกว่าเมื่อไม่มีก้อนของผิวหนังเกิดใกล้กับศูนย์กลาง
  2. ส่วนที่ตัดกลายชัดเจนมากยิ่งขึ้น ภาพที่ 7 แสดงภาพนิ้วมือในอากาศของนิ้วมือที่เปียกและแห้งด้วยผิวหน้าด้วยส่วนขนาดเล็กที่นำมา และส่วนที่นำมาของภาพลายนิ้วมือเปียกนั้นยื่นออกมา นำไปสู่มินูเทียปลอมซึ่งนำไปสู่จำนวนเข้าคู่ที่ต่ำกว่าซึ่งขึ้นอยู่กับวิธีการจับคู่ที่ใช้
  3. การทำให้เส้นลายนิ้วมือหนาขึ้น เส้นลายนิ้วมือจะหน้าขึ้นและสัญลักษณ์ของชนิดมินูเทีย (จุดแยก vs จุดจบ) ที่ได้มาจากเครื่องตรวจจับมินูเทียอาจจะเปลี่ยนเเปลง บางครั้งมีการเปลี่ยนแปลงที่สำคัญในพื้นที่ของมินูเทีย
  4. การเคลื่อนที่แยกออกจากกันของมินูเทีย การบิดเบือนที่ไม่เชิงเส้นของผิวหนังเนื่อจากโครงสร้างพื้นผิวเปลี่ยนและต่อมากดลงบนเพลต นำไปสู่พื้นภาพที่มีมินูเทียเคลื่อนเข้าใกล้กันในขณะที่พื้นที่อื่น มินูเทียเคลื่อนที่ออกห่างกัน

6 นิ้วที่ใช้

เราพบว่าอัตราการผิดพลาดแปรผันโดยนิ้วและนำไปสู่คำถามว่านิ้วไหนได้รับผลกระทบมากที่สุดจากเงื่อนไขเปียก และนิ้วไหนได้รับผลกระทบน้อยที่สุด และเพื่อที่จะตอบคำถามนี้ดูที่ประสิทธิภาพROCบนนิ้วมือ ที่ละนิ้ว จาก 300 นิ้วมือไม่คำนึงว่าจะมีย่นมากหรือไม่หรือไม่ได้รับการทดสอบบน Mindtct (ใช้แยกมินูเทีย) และ Bozorth3 (ใช้จับคู่) ทำให้เราสรุปได้ว่าจากนิ้วมือทั้งหมดนิ้วไหนเป็นโยชน์สูงสุด สำหรับแต่ละนิ้วมือนั้นคะแนนของอันที่ปลอมเป็นตัวอย่างย่อยเพื่อเลือกประมาณ 3500 คู่สำหรับทั้ง การจับคู่แบบ แห้ง-แห้ง และ แห้ง-เปียก จำนวนคู่ของอันที่จริงเป็น 180 และ840 สำหรับ แห้ง-แห้ง แห้ง-เปียก ตามลำดับอัตราความผิดพลาดที่เท่ากันของเงื่อนไข แห้ง-เปียก ลดลงจาก แห้ง-แห้ง สำหรับทุกนิ้วมือยกเว้นนิ้วหัวแม่มือซึ่งมีอัตรา EER สูงกว่าเพียงเล็กน้อยดังที่แสดงในตารางที่ 1

table-1

นิ้วนาง และนิ้วก้อยมีEER สูงที่สุดในเงื่อนไขเปียก สนับสนุนการสรุปซึ่งสอดคล้องกับว่า นิ้วนางอยู่ระหว่างตัวเลือกที่ไม่ดี ยังแสดงอีกว่านิ้วหัวแม่มือเป็นตัวเลือกที่ดีที่สุดที่ใช้ใน เครื่องสแกนนิ้ว สำหรับกราฟโค้ง ROC แสดงให้เห็นในภาพที่ 8

picture-8

ตรวจสอบการเปลี่ยนแปลงของขำนวนของอันที่จริงสำหรับทุกๆนิ้วมือที่สมัครหลังจากเปียกแล้ว เช่น การเปลี่ยนแปลง คะแนน แห้ง-แห้ง หรือ คะแนน แห้ง-เปียก โดยเฉลี่ยแล้วการเปลี่ยนแปลงทั้งหมดเป็นบวกและบอกให้รู้ถึงการลดลงของคะแนนการจับคู่เมื่อนิ้วมือเปียก พบว่าการลดลงเฉลี่ยสำหรับนิ้วนางและนิ้วชี้(มักใช้การสแกน)สูงกว่านิ้วอื่น และนิ้วหัวแม่มือดีกว่าเมื่อเปรียบเทียบกับนิ้วอื่น

7. งานในอนาคต – การจัดการรอยย่น

ควรรวมถึงการจัดการ 2 ทางที่จะกล่าวคือ อย่างแรกเพื่อให้ง่ายต่อการตัดสินใจเมื่อนิ้วมือมีรอยย่นมากเกินไป ส่วนสำคัญคือส่วนของการวัดคุณภาพลองภาพบายนิ้วมือ อย่างที่สองคือจะเป็นการปรับปรุงความแม่นยำการรู้จำเมื่อลายนิ้วมือมีรอยย่นเพื่อที่จัดการกับความท้าทายแรก ได้ทำบางการทดลองสำหรับแยกลายนิ้วมือที่มีรอยย่นกับไม่มีรอยย่น โดยใช้ภาพ raw RGB ลายนิ้วมือในอากาศ แทนที่การกดลายนิ้วมือ และตัดสินใจโดยใช้เส้น SVM ลักษณะเวกเตอร์ประกอบด้วยค่าเบี่ยงเบนมาตรฐาน 10 subbands (3-level decomposition)ของภาพการแปลงเวฟเล็ตแบบเต็มหน่วย(discrete wavelettransformed image) วิธีการนี้พยายามที่จับภาพความแตกต่างที่สำคัญของลายนิ้วมือในอากาศระหว่างมีกับไม่มีรอยย่นผ่านการแสดงของภาพเวฟเล็ต การแสดงความถี่ของรอยย่นบนนิ้วมือนั้นแตกต่างกันเพราะรอยย่นความถี่ต่ำอยู่ด้านบนของรูปแบบอ ridge-valley ความถี่สูง ภาพลายนิ้วมือในอากาศที่รอยย่นสูง ใช้สำหรับตัวอย่างการฝึกฝนทางบวก(เปียก)และทางลบ(แห้ง) ชุดที่แยกออกสำหรับการประเมินผล(evaluation)ของการจำแนก(classifier) ทั้งหมด 555 ภาพของแต่ละภาพลายนิ้วมือในอากาศของมีและไม่มีรอยย่นถูกใช้ เมื่อทดสอบ การจำแนกตัวอย่างนี้มีความแม่นยำ 84.25%

8. สรุปผลความพยายามปรับปรุงความสามารถในการอ่านลายนิ้วมือเปียกของ เครื่องสแกนลายนิ้วมือ

เราพิจารณาความท้าทายการรู้จำลายนิ้วมือที่นิ้วมือนั้นเปียกจนกระทั่งเกิดรอยย่น ที่ชื่อว่าฐานข้อมูล Wet and Wrinkled Fingerprint (WWF) และฐานข้อมูลนี้ได้รับการวิเคราะห์ประสิทธิภาพด้วยระบบโปรแกรมลายนิ้วมือที่มีอยู่ พบการเพิ่มขึ้นของอัตราความผิดพลาดในการพิสูจน์ทั้งอัลกอลิทึมเชิงพาณิชย์และอัลกอลิทึม NIST NBIS ที่เผยแพร่สาธารณะเมื่อภาพลายนิ้วมือแห้ง(dry)และภาพที่ตรวจสอบที่เปียก(wet) ยังพบว่าผลกระทบของรอยย่นขึ้นอยู่กับนิ้วมือ รอยย่นบนนิ้วหัวแม่มือดูเหมือนจะได้รับผลกระทบน้อยกว่านิ้วอื่น กับการคำนึงถึงประสิทธิภพ ROC และเกี่ยวข้องกับการเปลี่ยนแปลงจำนวนของฮิสโตแกรม  

ที่มา : http://vision.ucsd.edu/sites/default/files/fpwrinkled-ijcb.pdf

Tags: finger scan, เครื่องสแกนลายนิ้วมือ, Fingerprint scanner, เครื่องสแกนนิ้ว, fingerscan, เครื่องสแกนนิ้วมือ

 Print  Email