1. تميـيــز بصمات الأصابع
اعداد: منــــــى سليمان الهواورة
جامعة مؤته
مقـــــــــدم للدكتور أحــــمــــد الحســــــنات
Lecture by Muna Hawari and Dr. Ahmad B. A. Hassanat, Information Technology department, Mutah University, Jordan

2. قائمة المحتويات المقدمة ما هي بصمة الاصبع؟
اهم المبادئ العامة لبصمة الاصبع
تصنيفات انماط بصمة الاصبع
بعض التفاصيل التي تحتويها بصمة الاصبع .
النموذج العام لتمييز بصمات الاصابع .
التقنيات المستخدمة في عملية مطابقة بصمات الاصابع.
السيئات والحسنات لبصمات الاصابع.
اهم استخدمات بصمة الاصبع.
مقارنة تقنية تمييز بصمة الاصبع بغيرها من التقنيات البيومترك.
الدراسات السابقة
المراجع

3. المــــــقــــدمة
ظهرت البصمة لأول مرة عام 1882 علي يد الطبيب الجراح البريطاني هنري فولت .
البصمة = المفتاح.... حيث تعتبر البصمة مفتاح اساسي للدخول لكثير من الأنظمة، وذلك باعتبارها جزء اساسي لمنع اي شخص غير مخول له بالدخول الى اي مكان .
بدأ الاستخدام الفعلي لبصمة الاصبع في التحقيقات الفيدارالية الامريكية عام 1903 بعد حادثة ويل الشهيرة .

4. حادثة ويل الشهيرة
حادثة ويل الشهيرة حدثت عام 1903 ، حيث كانت التحقيقات الفيدرالية في الولايات المتحدمة انذاك تعتمد على مقاسات بيرلون
لتسجيل السجناء وانشاء القيد باسمائهم، ويل كان من مسجون لفترة بجريمة جنائية ولكن بعد خروجه بفترة ، انكر ويل الجرائم المقيدة باسمه وانكر ان تكون هذه الصورة والمقاسات تعود اليه، خصوصا انه من الوارد جدا ان تتغير هذه المقاسات ولا تبقى ثابتة ، فكان هنا لابد من الاعتماد على امر اكثر جدية لتمييز السجناء فبدأ الاعتماد وادخال البصمة كوسيلة للتعرف عليهم وتمييزهم

5. حادثة ويل الشهيرة
William West's Bertillon Measurements ; 188.0; 91.3; 19.8; 15.9; 14.8; 6.5; 27.5; 12.2; 9.6; 50.3
Will West's Bertillon Measurements ; 187.0; 91.2; 19.7; 15.8; 14.8; 6.6; 28.2; 12.3; 9.7

6. مقاسات بيرلون التي تعتمد على اخذ صورة للسجين واخذ مقاسات مختلفة مثل طول الوجه والايدي والاقدام والخصر .... والخ.
wikipedia

7. ما هي بصمة الاصبع؟
تعتبر التلال «ridges» هي المكون الاساسي لبصمة الاصبع وكذلك الحال بالنسبة لاصبع القدم، ولكف اليد، والقدم .
تكون التلال مرتبة على شكل وحدات متصلة يطلق عليها الجلد «dermal»،
تساعد التلال في عملية مسكنا والقاء قبضتنا على الاشياء المحاطة بنا.
بصماتنا موجودة في كل مكان “Anywhere” نلامسه وذلك نتيجة الافرازات الطبيعية او الاوساخ التي تكون موجودة على اصابعنا.
Trimpe( 2006)

8. بصمة اليد بشكل ثلاثي الابعاد يظهر التلال “ridges” والوديان “valleys” المكونة لها

9. Jean François 2000

10. فحص علم الدكتيلية :Dactyloscopy هي دراسة عملية التعرف على بصمات الأصابع.
موظفي الامن العام والتحقيقات الجنائية خبراء في عملية تجميع وتحليل « علم الدكتيلية» “Dactylograms” وهي المسمى العلمي الاخر لبصمة الاصبع .

11. المبادئ الأساسية لبصمة الأصبع
المبدأ الأول: تعتبر بصمة الاصبع ميزة فريدة لكل شخص، حيث لا يوجد شخصين في هذا العالم لهم بصمات متشابهة حتى التوأم لهم بصمات مختلفة.
المبدأ الثاني:البصمة ميزة لا تتغير طول فترة حياة الإنسان.
المبدأ الثالث: التلال الموجودة في بصمة الاصبع لها انماط مختلفة يتم استخدامها في عملية تصنيف الناس وتمييزهم.

12. انماط بصمة الاصبع الحلزوني التكرار القوس
القوس “Arch”: وهو التلة التي تبدأ من نقطة في جهة معينة وتنتهي في نقطة في الجهة الأخرى مُشَكِلةً ًموجة في المنتصف.
التكرار “loop”: وهي التلة التي تبدأ من نقطة معينة في جهة معينة وتنتهي تقريبا في نفس الجهة مُشَكِلةً منحنى.
الحلزوني “Whorl”: وهو يكون بوجود على الاقل تلة واحدة مُشَكِلةً دائرة كاملة.
Yadav & Mathuria (2015).
الحلزوني
التكرار
القوس

13. سكان العالم وتوزيع انماط البصمات بينهم....
التكرار “loop” %
الحلزوني “whorl” %
القوس “arch” %

14. بعض التفاصيل التي تحتويها بصمة الاصبع :
التقاطع “crossover”: التلال التي تتقاطع مع بعضها.
النواة “core”: المركز
التفرع “bifurcation”: انقسام التلة Ridge separate
نهاية التلة او خط التلة :”ridge ending” نقطة نهاية التلة
الجزيرة “island”: خط التلة القصير .
الدلتا “delta”: هو الفراغ بين التلال ويكون على شكل مثلث.
المسام “pore”: مسامات الانسان

15. النموذج العام المستخدم لتمييز البصمات
قبول
تخزين السمات المميزة
التي تم استخراجها
ادخال اليد لاخذ البصمة
التقاط البصمة من خلال السنسور
معالجة الصور واستخراج السمات المميزة
رفض
ادخال اليد لاخذ البصمة
التقاط البصمة من خلال السنسور
معالجة الصور واستخراج السمات المميزة
مطابقة البصمات

16. تقنيات مطابقة البصمات
السمات العامة : النقاط المنفردة مثل نواة البصمة، (التكرار، الحلزوني، الدلتا...الخ)، الشكل الخارجي للبصمة، شكل خطوط التلال الخشنة، الخ.
السمات المحلية: وهي خصائص المنوشا minutiae متل التفرعات ونهايات الاطراف ، التقاطع وغيرها.
السمات الداخلية للتلال: متل المسامات الموجودة على التلال. ولكن هذه التقنية تحتاج بصمات ذات نوعية وجودة عالية. بالاضافة الى ذلك هذه التقنية ممكن دمجها مع السمات العامة وذلك لدعم وتحسين النتائج التي من الممكن الحصول عليها عند القيام بعملية التعرف على البصمات.
Chowdhury & Saha (2015)

17. الحسنات: السيئات: دقة عالية
اكثر تقنيات البيومترك “biometrics” اقتصادية
سهلة الاستخدام
لا تحتاج الى مساحة تخزين كبيرة.
السيئات:
بعض الاشخاص يعتبرونها عمل تطفلي، وذلك لانها مرتبطة بالنسبة لهم بالاحداث الجرمية والتحقيقات الجنائية.
الاخطاء في عملية تمييز البصمات واردة بقوة وذلك بسبب جفاف منطقة البصمة او وجود اوساخ ، وكذلك الحال لا يمكن اخذها للاطفال وذلك بسبب امكانية تغير حجم البصمة بالنسبة لهم مع زيادة العمر.
يمكن سرقتها، حيث هناك طرق مختلفة متل استخدم معاجين خاصة لعمل قالب للبصمة ، وكذلك سرقتها من الاثار التي يتركها الاشخاص على الاشياء التي يستخدمونها،عن طريق استخدام الاشرطة اللاصقة ، وغيرها من الطرق المتاحة.

18. استخدامات بصمة الاصبع
امن البنوك ، والة ATM، واحيانا المعاملات الخاصة بالبطاقات البنكية
التحكم بعملية الدخول الى اماكن معينة متل المطارات .
حماية انظمة المعلومات
في اصدارات جواز السفر (INSPASS).
التصويت
السجون للتحكم بالسجناء والسيطرة عليهم وكذلك الحال لسيطرة على الزائرين للسجناء
التعرف على المجرمين .
التعرف على الاطفال المفقودين.
حماية الاعمال والتجارة الالكترونية

20. مقارنة بصمة الاصبع بغيرها من تقنيات البيومترك
5 « الاحسن» « الاسوأ»
الحجم
التكلفة
ملائمتها لراحة الشخص
الدقة
التقنية 4 5
بصمة الاصبع 1
الصوت 3 2
الوجه
اليــــــد
القزحية
Duta( 2015)

21. الدراسات السابقة

22. Fingerprint Recognition Using Minutiae Extractor (Manisha &Balkishan,2013) تمييز بصمة الاصبح باستخدام مستخرج المنوشا
النظام يقوم على فكرة رئيسية وهي ادخال صورتين مختلفتين لبصمة الاصبع ومن ثم ايجاد نسبة التطابق بينهم، وفي حال كانت النسبة اعلى من القيمة المحددة «threshold» فانهما يعتبرا متطابقتان ، وغير ذلك يعتبرا مختلفتان ....

24. محول فوريير السريع Fast Fourier Transform
حيث يتم تقسيم الصورة الى مجموعات صغيرة blocks، لتحسين كل مجموعة حسب التردد frequency الاكثر انتشارا في تلك المنطقة...

25. تحويل الصورة الى صورة ثنائية Image Binarization
تقسم الصورة الى مجموعات بحجم (16 x16 ).
حساب المتوسط الحسابي لقيم البكسل الموجودة في كل مجموعة.
استخدام المتوسط كقيمة محددة يتم مقارنة قيم الالوان في البكسلات معها، حيث اي قيمة لون gray value في كل بكسل pixel اكبر من قيمة المتوسط يتم تحويلها الى واحد 1 اي اللون الابيض، وغير ذلك تحول الى صفر 0 اي اللون الاسود.

27. ترقيق البصمة Image thinning
من اجل جعل سمك التلال ridges عبارة عن بيكسل واحد، يتم اجراء عملية ترقيق لها، وقد استخدم الباحثين امر من برمجية الماتلاب للقيام بهذه العملية bwmorph(binary Image,'thin',Inf) :
حيث كل بكسل يطبق الشروط التالية يتم ايقافه او حذفه:
اذا كان هناك على الاقل تحول واحد من 1 الى صفر (from on to off) بين جيرانه.
ان لا يكون كله جيرانه لونهم ابيض ..
ان لا يكون مركز center او نقطة نهاية end point ...
بعد هذه العمليات قام الباحثين ايضا باجراء بعض التحسينات متل التخلص من النقاط الزائدة “noise” وكذلك تعبئة الفراغات.
استخراج السمات الأساسية Feature extraction
وذلك باستخدام الفلتر المعروف
“crossing number”، حيث رقم 1
يعود الى نهايات الاطراف termination،
رقم 3 الى تفرع التلال bifurcation.

28. التخلص من المنوشا السلبية False minutiae removing
حيث تم حساب معدل المسافات بين التلال المتوازية D، وبالاعتماد على هذه القيمة تم التخلص منها.

29. الحالة الاولى: اذا كان الفرق بين التفرع ونقط النهاية اقل من قيمة D، وكان في نفس التلة ridge... سوف يتم حذفها (كما هو ملاحظ في م4).
الحالة الثانية: اذا كان الفرق بين التفرعين اقل من قيمة D، وكانوا في نفس التلة ridge... سوف يتم حذفها (كما هو ملاحظ في م1، م2، م3، م6، م7).
الحالة الثالثة: اذا كان الفرق بين نهايتين طرفيتين يساوي D، وكانا نفس الاتجاه مع اختلاف بسيط في الزاوية، بشرط ان لا يقع نهاية طرفية اخرى بينهم فانه سوف يتم حذفهم (كما هو ملاحظ في م1، م6، م7).
الحالة الرابعة: اذا كان الفرق بين نهايتين طرفيتين اقلم من D وكانوا في نفس خط تلة قصير short ridge يتم التخلص منهم (كما هو ملاحظ في م5).

30. بعـــد
قبــل

31. S = mi=0xiXi/[mi=0xi2Xi2]^0.5
مطابقة المنوشا Minutiae matching .
محاذاة التفصيلات «المنوشا» Minutiae Alignment
لمطابقة المنوشا، يتم تحديد المنوشا المرجع (اكثر زوج متشابه بحيث يكون التشابه اكبر من القيمة المحددة «threshold» 0.8 ) باستخدام المعادلة التالية:
S = mi=0xiXi/[mi=0xi2Xi2]^0.5
(xi~xn) ، (Xi~XN ) = مجموعة المنوشا لكلا البصمتين على التوالي.
الان المنوشا المرجع هي نقطة الاصل في نظام الاحداثيات بالنسبة للبصمات، ويتم حساب قيم x، y عن طريقة زاوية الاتجاه orientation angle. كما هو موضح بالصورة، بعد ذلك كل نقاط المنوشا سوف يتم محاذاتها بالنسبة الى احداثيات النظام الجديدة. ويتم تحديد الاتجاهات الجديدة باستخدام transform matrix.

32. Shobhraj et al (2014)

33. مطابقة المنوشا Minutiae matching .
الان اذا كان هناك اثنتين من المنوشا تقع داخل المستطيل المحيط بالمنوشا ، وكان الفرق بين قيم x, y اقل ما يمكن وكذلك الحال بالنسبة لزاوية الاتجاه فانهما متطابقتان.. اما عكس ذلك يتم الانتقال الى زوج المنوشا التالي....

34. يتم حساب قيمة score، نسبة التوافق حسب المعادلة الاتية:
عدد المنوشا المتطابقة / اكبر عدد منوشا من البصمتين
Num(Matched Minutia)/Max(Num Of Minutia(image1,image2))
اذا كانت النتيجة اكبر من القيمة المحددة مسبقا «threshold» يتم اظهار النتجة بأنها متطابقة..
النتائج:
تم استخدام قاعدة بيانات FVC
نسبة معدل الرفض السلبي FRRوالقبول السلبي FAR تترواح بين % تقريبا.
استخدم قيمة محددة سابقا لاختيار النتيجة وهي 28.
حصل على دقة 65-70%

35. AN EFFECTIVE METHODOLOGY FOR MINUTIAE BASED FINGERPRINT MATCHING USING SINGULARITIES INDEXING (Sivapriya & Pushpa, 2013) طريقة فعالة لمطابقة المنوشا في تمييز بصمات الاصابع باستخدام سمات البصمة العامة
تقسيم الصورة الى مجموعات blocks بحجم 16 x 16 ويتم حساب التباين لها variance ، ثم اي تباين مجموعة اقل من threshold المحدد يتم حذفها.
يتم حساب x-signature لكل التلال ridges ضمن حجم النافذة oriented window (32 x16)، اذا لم تظهر اي منوشا في النقاط المنفردة singular point في النافذة الموجهة oriented window، فإنه ترددfrequency للتلال يمكن توقعه، وذلك من خلال اخذ الفرق بين القمم كما هو موضح في الشكل...وتكمن الفائدة منه بمنع قمم التلال من الظهور مشوشة وغير واضحة... بعد ذلك يتم تطبيق غابور فلتر من اجل استكشاف الحواف edge detection.

36. Maltoni eta al (2009) X-signature
غابور فيلتر ( باتجاهين)
Sin et al (2012)..

37. يتم استخراج المنوشا بالاعتماد على جيران البكسل وهي معروفة بفلتر crossing number، التي تم الحديث عنها في السلايدات السابقة...
بالاضافة الى الاعتماد على احداثيات مكان واتجاه المنوشا، تم اضافة السمات العامة للبصمة متل مكان النواة ورقمها وذلك لزيادة دقة تمييز البصمات في حالة كانت صور البصمات ذات نوعية غير جيدة....يتم تتبع تدفق التلال لتحديد وتوقع الاتجاه، ومن ثم يتم تمييلها بمقدار 20 درجة باتجاه محور السينات، كما هو موضح بالرسمة ...
بالاعتماد على مجموع الفروقات بين الزوايا لكل مجموعة المحاطة بـــ 8 بكسل عن طريق فلتر 3x3 يتم تحديد نقطة النواة core

38. يتم بعد ذلك تحديد نقاط الدلتا delta، بالاعتماد على مجموع الفروق بين الزوايا وبالاعتماد على مبدأ poincare indexing، حيث اذا كان مجموع الفروقات بين الزوايا يساوي 360 فانها تعتبر نقطة نواة core ، واذا كان مجموع الفروقات اكبر 180 فانها تعتبر دلتا delta. (انظر للرسمة اسفل الصفحة).
فهرسة السمات العامة Singularities indexing : وذلك بتحديد اقصى عدد ممكن لحدوث دلتا delta بالنسبة الى نقطة النواة ... « علامة الفهرسة flag»
00 يكون اقصى حدوث لدلتا في النقطة (x,y).
01 يكون اقصى حدوث لدلتا في النقطة (-x, y).
10 يكون اقصى حدوث لدلتا في النقطة (x,-y).
11 يكون اقصى حدوث لدلتا في النقطة (-x,-y).

39. يتم مطابقة بصمات الاصابع الان بالاعتماد على ( علامة الفهرسة flag، رقم النواة، احداثيات النواة (xc,yc)،عدد المنوشا، واحداثيات واتجاه (ثيتا) للمنوشا (x,y, Θ)، بالاعتماد على قانون هامينغ للمسافة «hamming distance»... تمت عملية المطابقة بين البصمات وكانت النتائج كالتالي:
النتائج....
تم مقارنة الطريقة العادية للمطابقة وهي فقط بالاعتماد على مكان واتجاه المنوشا، بالطريقة المقترحة وباستخدام قاعدة البيانات FVC
الطريقة العادية: حققت نتائج دقة بنسبة %
اما الطريقة المقترحة: فقد حققت نتائج بنسبة 99.65%... مع تقليل نسبة القبول السلبي والرفض السلبي FAR, FRR

40. A NOVEL APPROACH FOR FINGERPRINT RECOGNITION WITH DYNAMIC TIME WARPING
(PHANIKUMAR & PRASAD, 2015)
نهج جديد للتعرف على بصمات الاصابع باستخدام
DYNAMIC TIME WARPING
تحسين الصورة باستخدام histogram equalization، ومحول فوريير السريع fast Fourier transform. تم شرحها في السلايدات السابقة
تحويل الصورة الى صورة ثنائية باستخدام القيمة المحددة مسبقا المناسبة) (threshold، حيث تدعم برمجية الماتلاب عملية اختيار threshold المناسب بشكل اتوماتيكي دون الحاجة الى اختياره..
تم استخدام غابور وايفلت gabor wavelet وذلك من اجل استخراج المنوشا، حيث يقوم على فكرة اساسية وهي الاعتماد على عامل الاتجاه والحجم ...orientation and scale
استخدام DYNAMIC TIME WARPING لمطابقة البصمات ...حسب المعادلة التالية

41. Baaziz et al (2010)
غابور وايفلت ….Gabor wavelet

42. النتائج :
تم استخدام FVC و VFR كقواعد بيانات وكانت النتائج كالتالي :

43. الخلاصة
تستخدم البصمة بشكل واسع للتعرف على الاشخاص، وقد ظهرت لاول مرة في عام 1882
هناك ثلاثة انماط رئيسة لبصمة الاصبع وهي القوس والتكرار والحلزوني
تعتبر تمييز بصمة الاصبع منطقة خصبة للبحث العلمي، وذلك لأهميتها وخصائصها، حيث هناك كم هائل جدا من الابحاث التي تمت والتي مازالت تتم .

44. المراجع
Webpage: access time: 21/3/2016
Yadav, S., & Mathuria, M. (2015). Fingerprint Recognition based on Minutiae Information. International Journal of Computer Applications, 120(10).
Chowdhury, C. R., & Saha, B. (2015). Efficient Fingerprint Matching Based Upon Minutiae Extraction. International Journal of Advanced Computer Research, 5(21), 347.
Redhu, m., & Balkishan (2013). Fingerprint Recognition Using Minutiae Extractar.
International Journal of Engineering Research and Applications (IJERA) , Vol. 3, Issue 4 , pp
5. Sivapriya, M., & Pushpa, S. (2013). AN EFFECTIVE METHODOLOGY FOR MINUTIAE BASED FINGERPRINT MATCHING USING SINGULARITIES INDEXING. International Journal of Advanced Research in Computer Engineering & Technology (IJARCET), 2(5), pp-1834.
6. VENKATRAMAPHANIKUMAR, S., & PRASAD, V. K. (2015). A NOVEL APPROACH FOR FINGERPRINT RECOGNITION WITH DYNAMIC TIME WARPING. Journal of Theoretical & Applied Information Technology, 74(2).
7. Shobhraj , N.R. Kidwai , &Monauwer Alam,(2014). Fingerprint Recognition System,
International Journal of Innovative Science, Engineering & Technology, Vol. 1 Issue 3.
8. CHAMA, N.  FINGERPRINT IMAGE ENHANCEMENT AND MINUTIAE EXTRACTION.
9. T. Trimpe Kendall-Hunt Publishing Co.
Cengage Learning
10. Sin, S., Li, D., Isshik, T., & Kunieda, H. (2012). Fingerprint verification with scratch feature for personal portable devices. Optical Engineering, 51(2),

45. 11Baaziz, N. , Abahmane, O. , & Missaoui, R. (2010)
11Baaziz, N., Abahmane, O., & Missaoui, R. (2010). Texture feature extraction in the spatial-frequency domain for content-based image retrieval. arXiv preprint arXiv:
12.
Joy Dutta, Researcher at Jadavpur University
14. Maltoni, D., Maio, D., Jain, A. K., & Prabhakar, S. (2009). Fingerprint analysis and representation. Handbook of Fingerprint Recognition,