วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2551

นำเสนอวิธีการชีวมาตรสำหรับการระบุบุคคลโดยใช้ลักษณะของลายฝ่ามือที่ทำงานได้เร็ว โดยลดจำนวนการเปรียบคู่จากที่ต้องเปรียบคู่กับข้อมูลทั้งหมดในฐานข้อมูล เป็นการเปรียบคู่เฉพาะกลุ่มของลายฝ่ามือที่คล้ายกัน วิธีการแบ่งกลุ่มของลายฝ่ามือทำโดยใช้ลักษณะของเส้นหลักซึ่งได้แก่ เส้นชีวิต เส้นสมอง และเส้นหัวใจ เพราะเป็นเส้นที่มีความชัดเจนและมีลักษณะเฉพาะของแต่ละบุคคล ส่วนฟีเจอร์ที่ใช้ในการเปรียบคู่เพื่อระบุบุคคล สกัดจากลายผิวของฝ่ามือด้วยตัวกรองกาบอร์แบบลอการิทึม วิธีการระบุบุคคลโดยใช้ลักษณะของลายฝ่ามือในงานวิจัยนี้ รับภาพลายฝ่ามือที่ไม่มีการกำหนดตำแหน่งของการวางมือ หลังจากหาฝ่ามือหรือบริเวณที่สนใจและประมวลผลภาพเบื้องต้นแล้ว จึงสกัดเส้นหลักและแบ่งกลุ่มตามลักษณะของเส้นหลักนั้นๆ ส่วนฟีเจอร์ที่สกัดจากลายฝ่ามือทำโดยใช้ตัวกรองกาบอร์แบบลอการิทึม เปรียบคู่ฟีเจอร์ที่สกัดได้ด้วยตัววัดระยะทางแบบแฮมมิ่ง กับกลุ่มลายฝ่ามือที่คล้ายกัน ถ้าผลการเปรียบคู่ไม่พบข้อมูลของบุคคลนั้นอยู่ในกลุ่มนั้นๆ ก็จะเลื่อนไปเปรียบคู่ในกลุ่มที่มีลักษณะใกล้เคียงต่อไป งานวิจัยนี้ทดสอบกับภาพมือจาก 3 ฐานข้อมูลประกอบด้วย ฐานข้อมูล Visgraph [8] ที่มีภาพมือของคนในฮ่องกง ฐานข้อมูล CU-CGCI1-Hand ที่มีภาพมือของกลุ่มนิสิตจากจุฬาลงกรณ์มหาวิทยาลัย และฐานข้อมูล CU-CGCI2-Hand ที่มีภาพมือของกลุ่มคนทำงานอาชีพต่างกันในประเทศไทย พบว่าประสิทธิภาพของวิธีการที่ใช้ในระบบชีวมาตรที่นำเสนอนี้ให้ผลที่สอดคล้องกันในทุกฐานข้อมูล กล่าวคือการแบ่งกลุ่มของลายฝ่ามือโดยใช้เส้นหลักให้การกระจายตัวของข้อมูลเป็น 6 กลุ่ม โดยที่มีขนาดของกลุ่มใหญ่ที่สุดและเล็กที่สุดมีข้อมูล 34% และ 3.4% ตามลำดับ ส่วนการระบุบุคคลด้วยวิธีการที่นำเสนอได้ค่าอัตราความผิดพลาดที่เท่ากันเฉลี่ยของทั้ง 3 ฐานข้อมูลเท่ากับ 3.22% ซึ่งในวิธีการแบบทั่วไปได้ค่าอัตราความผิดพลาดที่เท่ากันเฉลี่ยของทั้ง 3 ฐานข้อมูลเท่ากับ 3.1% แต่สามารถลดจำนวนการเปรียบคู่ลงเหลือประมาณ 40%.