ЖУРНАЛ СТА 1/2021

СТА 1/2021 ОБЗОР/ТЕХНОЛОГИИ В ВЕДЕНИЕ Биометрические характеристики на основе анализа рисунка вен являются новыми признаками, которые имеют преимущества перед другими биомет- рическими методами. Наиболее широ- ко используются биометрические пока- затели, сформированные на основе структуры сосудистого русла вен, обра- зованного кровеносными сосудами пальцев и рук человека. Данный метод основан на распознавании вен ладоней и пальцев рук с целью идентификации по биометрическому признаку. Для это- го существуют две важные предпосыл- ки: наличие адаптивных инструментов биометрического распознавания и на- боров данных для обучения, тестирова- ния, определения биометрических ха- рактеристик, а также инструментов для оценки эффективности распознавания. В настоящее время уже есть несколько общедоступных наборов данных рисун- ков пальцевых и кистевых вен, содер- жащих более 14 400 изображений для проведения исследований. Такой набор данных является уникальным в своём роде, поскольку изображения имеют высокое разрешение. Кроме того, это первый набор данных, в котором в ка- честве метаданных содержатся возраст, пол и другие биометрические данные добровольцев. Изображения были по- лучены с использованием специально разработанного сканера рисунка вен конечностей. Для реализации полного биометриче- ского распознавания требуются пять основных модулей. Первый необходим для сканирования рисунка вен пальцев или кистей рук и анализа набора дан- ных. Второй нужен для предваритель- ной обработки с целью повышения ка- чества картинки рисунка вен. Третий используется для создания биометриче- ских объектов, где извлекаются вектор- ные биометрические шаблоны, коди- рующие соответствующие детали узо- ров вен из предварительно обработан- ных изображений. На следующем этапе два шаблона сравниваются друг с дру- гом и рассчитывается качественный по- казатель результатов сравнения. По- следний шаг – оценка эффективности, где генерируются определённые пока- затели производительности и графики данного алгоритма. Эти результаты яв- ляются важной частью в оценке эффек- тивности новых алгоритмов распозна- вания вен и формировании отчёта о ре- зультатах распознавания и его эффек- тивности. У некоторых опубликованных реше- ний для распознавания рисунка вен ко- нечностей подходят не все наборы ин- струментов, а только некоторые, осо- бенно в части извлечения и сравнения признаков. Только в одной общедоступ- ной полнофункциональной библиотеке есть все необходимые инструменты для распознавания вен, она является частью библиотеки BOB, написанной на Python. Даже эта библиотека не содер- жит более современных схем распозна- вания вен и полного набора адаптиро- ванных алгоритмов. Хотя в Python и осо- бенно в некоторых свободно распро- страняемых модулях Python присут- ствуют несколько операций обработки изображений, многие исследователи предпочитают MATLAB вместо других языков программирования для тестиро- вания своих новых алгоритмов. MATLAB предоставляет большое коли- чество готовых стандартных приложе- ний обработки изображений, простых в использовании и отладке. Одним из них является полноценная среда распозна- вания вен, написанная наMATLAB с от- крытым исходным кодом, под названи- ем PLUSOpenVein Toolkit. Эта среда включает в себя полный набор инстру- ментов распознавания вен, состоящий из модулей считывания изображений, предварительной обработки, извлечения признаков, сравнения и оценки про- Платформа распознавания вен с открытым исходным кодом Часть 1 Дмитрий Швецов Доступный инструментарий распознавания рисунка сосудистого русла вен является одним из основных требований для применения в промышленности и проведения исследований. В настоящее время наиболее полный инструментарий распознавания вен конечностей содержит программный пакет PLUSOpenVein Toolkit. 6 www.cta.ru

RkJQdWJsaXNoZXIy MTQ4NjUy