كلية علوم الحاسوب والرياضيات

مناقشة رسالة ماجستير في كلية  علوم الحاسوب والرياضيات – قسم علوم الحاسوب

بعنوان (التعرف على الاشخاص من خلال قزحية العين باستخدام تقنيات التعلم العميق)

 

استمرارا لحركة البحث العلمي وبمتابعة وحضور  السيدة عميد كلية علوم الحاسوب والرياضيات الأستاذ الدكتورة ضحى بشير عبد الله المحترمة

 

نوقشت في قاعة المناقشة بكلية علوم الحاسوب والرياضيات في جامعة الموصل يوم الاثنين   15 – 5 – 2023

رسالة الماجستير (التعرف على الاشخاص من خلال قزحية العين باستخدام تقنيات التعلم العميق) للطالب  أحمد ميسر فتحي المشهداني   وبإشراف الاستاذ الدكتورة  بيداء إبراهيم خليل الطائي

 

تناولت الرسالة التي تقدم  بها الطالب:

التعرف على الاشخاص من خلال قزحية العين، اذ أصبحت أنظمة التعرف على الأشخاص وتحديد هويتهم من خلال قزحية العين واحدة من بين أكثر أنظمة القياسات الحيوية اماناً مقارنةً بالقياسات الحيوية الاخرى، إذ إن قزحية العين تحتوي على عدد كبير جداً من الخصائص الفردية التي تجعلها مناسبة بشكل خاص لهذه العملية.

وتنبثق مشكلة الرسالة من تعدد الأنظمة المستخدمة في التعرف على الأشخاص عن طريق قزحية العين بنسب دقة متفاوته، إذ توجد بعض المؤثرات على القزحية التي تنشأ عند مسح صورة القزحية ضوئياً ويؤدي ذلك الحصول على معلومات غير كافية عنها بسبب انعكاسات القرنية الناتجة عن الإضاءة المحيطة، فضلا عن تأثيرات الرموش والجفون المغلقة للغاية، ان هذه الضوضاء والتأثرات على القزحية قد تؤثر بشكل كبير على نتائج تجزئة القزحية ودقة التعرف عليها. وبذلك جاءت دراستنا لتلبي الطلب المتزايد على تحقيق الدقة العالية في عملية تحديد الأشخاص والتحقق منهم.

وانطلاقاً مما تقدم تم تصميم وبناء نظام حاسوبي ذكائي للتعرف على الاشخاص عن طريق قزحية العين اطلق عليه (Persons Identification through the Iris by Using Deep Learning Techniques (PIIDLT)) ، وقد تم بناء ثلاث نماذج للشبكة العصبية التلافيفية العميقة (CNN):النموذج الاول للتعامل مع صور القزحية باستخدام الشبكة العصبية التلافيفيةIris Convolutional Neural Network (Iris-CNN)، النموذج الثاني يتعامل مع الصفات المستخلصة من صور القزحية باستخدام تحليل المكونات الرئيسية مع الشبكة العصبية التلافيفيةPrincipal Component Analysis-Convolutional Neural Network (PCA-CNN).  النموذج الثالث يتعامل مع صور القزحية باستخدام الشبكة العصبية التلافيفية المهجنة باستخدام مرشح كابور (Gabor-CNN). وتعمل هذه النماذج الثلاثة التي تم بناؤها على نظامين مستقلين هما نظام احادي الوسائط، ونظام متعدد الوسائط.

وتضمن تصميم وبناء النظام المقترح (PIIDLT) مراحل متعددة، بدءًا من تهيئة مجموعة بيانات القزحية المكونة من ثلاث مجموعات (IITD-Iris Dataset)، MMU-Iris Dataset) ) التي تم الحصول عليها من شبكة الانترنت، بينما المجموعة الثالثة التي سميت بـ(AMF-Iris Dataset)  تم انشائها وجمع عيناتها باستخدام جهاز ماسح القزحية (VistaEY2H)، الذي يعمل على التقاط صور القزحية بتقنية اضاءة الأشعة تحت الحمراء متعددة الأطوال الموجية، وتم جمع عينات القزحية لمجموعة من المشاركين (ذكور واناث). وبعد الانتهاء من هذه المرحلة تم تجزئة قزحية العين باستخدام تقنية تحويل هوف (Hough Transform) كجزء من المعالجة الاولية لصور القزحية. ومن ثم استخلاص الصفات المهمة باستخدام تقنية تحليل المكون الرئيسي (PCA) لأستخراج الخصائص وتقليل الابعاد، وتم استخدام مرشح كابور(Gabor)  في الشبكة العصبية التلافيفية (CNN) ايضاً ضمن مرحلة استخلاص الصفات، اذ اُستخدم مرشح كابور كنواة (Kernel) تؤدي عملية الالتفاف في الشبكة التلافيفية.

وبعد تنفيذ واختبار النظام (PIIDLT) على  هذه الثلاث مجموعات من بيانات صور القزحية ، اظهرت النتائج العملية للنظام بأن الطريقة الهجينة المقترحة (Gabor–CNN) حققت أفضل النتائج من ناحية الدقة مقارنةً بالنموذجين (Iris-CNN) و (PCA–CNN) على مستوى النظامين الاحادي والمتعدد الوسائط. كما تم اختبار مستوى الأمان والتحقق من النظام باستخدام مقاييس (FAR) و(FRR) واظهر الاختبار افضل النتائج.

تهدف الدراسة الى بناء نظام التعرف على الاشخاص من خلال قزحية العين قادر على المساعدة في تحديد طريقة جديدة لتمييز القزحية بدقة عالية والتعرف على الاشخاص باستخدام تقنيات ذكائية في التعلم العميق ومعالجة المشكلات التي تواجه المؤسسات والدوائر في هذا المجال.

 

ترأس لجنة المناقشة  أ.م.د. يسرى فيصل محمد

وعضوية كل من:

أ.م.د. سجى جاسم محمد                 عضواً

أ.م.د. ايلاف اسامة عبد المجيد          عضواً

أ.د. بيداء ابراهيم خليل الطائي          عضواً ومشرفاً