بکارگیری شبکه های عصبی موازی در تشخیص هویت بیومتریک از طریق الگوی عنبیه چشم

تاکنون محققان زیادی اقدام به بهبود و توسعه ی سیستم تشخیص هویت بیومتریک از طریق الگوی عنبیه نمودند به گونه ای که امروزه شاهد گسترش این سیستم و افزایش دقت آن هستیم. به طور خلاصه حذف پاره ای از نویزهای موجود در تصاویر ورودی، افزایش سرعت و قابلیت اعتماد سیستم در روند شناسایی افراد از جمله اهدافی هستند که سعی در دستیابی به آن ها شده است. توسط فیلتر میانه با قاب افقی، وجود نویزهایی از قبیل مژه ها برطرف شده که این امر سبب شد تا محدوده ی بیشتری از تصویر عنبیه به منظور شناسایی قابل استفاده باشد. به کمک شبکه های عصبی مصنوعی تصاویر در دسته های مختلفی طبقه بندی شدند که هر دسته نشان دهنده ی یک فرد ثبت شده در سیستم است. جهت افزایش دقت سیستم، الگوریتم های مختلفی به عنوان تابع آموزشی شبکه عصبی مورد استفاده قرار گرفتند که با ارزیابی نتایج هر کدام، به میزان بسیار مناسبی، دقت افزایش یافته است. استفاده ی همزمان از توابع آموزشی مختلف درعین حال که سبب افزایش دقت خواهد شد، باعث کاهش سرعت سیستم در شناسایی افراد می گردد که این مشکل با بهره گیری از موازی سازی از طریق پردازنده اصلی و پردازنده کارت گرافیک مرتفع گردید. تقسیم بار محاسباتی سیستم در امر طبقه بندی، بین پردازنده اصلی و پردازنده ی کارت گرافیک سبب شد تا از منابع موجود بیش ترین استفاده برده شده و حداکثر کارایی بدست آید. در ارزیابی سیستم و مقایسه ی نتایج حاصل و زمان سپری شده در شناسایی هر فرد، با سیستم های موجود و روش های ارائه شده، دقت 100درصد در شناسایی (با توجه به داده های مورد آزمایش) و سرعت 1/1 ثانیه در شناسایی هر فرد به دست آمد که نسبت به سیستم های پیاده سازی شده دقت و سرعت خوبی را نشان می دهد.