طراحی و پیاده سازی سخت‌افزاری طبقه‌بندی کننده بهینه شده تصاویر اثرانگشت مبتنی بر مدل‌های یادگیری ماشین

شناسایی و تشخیص هویت با استفاده از اثر انگشت دارای قدمت بیش از یکصد سال بوده و یکی از متداول‌ترین و پرکاربردترین روش‌های احراز هویت مبتنی بر ویژگی‌های زیستی انسان می‌باشد که از اعتبار علمی و تجربی بالایی برخوردار است و روز به روز بر گستره کاربردهای آن افزوده می‌گردد. اثر انگشت‌ها الگوهایی هستند که توسط خلل و فرج و خطوط روی انگشت ایجاد شده‌اند. در اصطلاح رایج به خطوط مرتفع که اثر انگشت را شکل می‌دهند پشته و به بخش‌های پایین بین پشته ها دره می‌گوییم. اشکال ساخته شده توسط پشته ها یک مجموعه از نقاطی را می‌سازند که هرکدام با نامی مشخص شناخته می‌شوند. به منظور افزایش سرعت عملیات مقایسه و تطبیق یک اثر انگشت مجهول با کلیه آثار موجود در بانک اطلاعاتی سعی می‌شود آثار انگشتان را به دسته‌های مختلف و متمایزی تقسیم نمود تا عملیات جستجو صرفا در یک طبقه خاص معمول گردد. لذا روش‌های مختلفی برای طبقه‌بندی اثر انگشت ابداع گردیده است. در اغلب این روش‌ها عمل طبقه‌بندی بر اساس تعداد و موقعیت نقاط مینوت در اثر انگشت انجام می‌پذیرد. در این مقاله عملیات طبقه‌بندی تصاویر اثر انگشت صورت گرفته است. برای استخراج ویژگی ازنقاط مینوت استفاده شده است یعنی نقاط انشعابی و انتهایی استخراج شده به عنوان بردارویژگی درنظر گرفته شده و درانتها از روش های کاهش ابعاد نظیر pca و lda برای کاهش ابعاد بردارهای ویژگی دادگان استفاده شده است. این سیستم روی پایگاه داده ای متشکل از320 تصویر از40 شرکت کننده ازمایش شده و به نتایج با دقت بسیار بالایی دست پیدا کرده است. همچنین مدل نهایی برای ایجاد یک سیستم سخت‌افزاری بی‌وقفه تشخیص اثر انگشت بر روی یک سخت‌افزار nodemcu پیاده‌سازی شده و به نتایج مطلوبی رسیده است.