基于射频识别和人脸识别安全和访问控制系统

Adnan Affandi¹穆罕默德Awedh²,Mubashshir侯赛因³艾哈迈德Alghamdi⁴

教授,选出的部门。& Comp。英格。,Faculty of Eng. King Abdul Aziz University Jeddah, KSA
部门助理教授,选出。& Comp。英格。,Faculty of Eng. King Abdul Aziz University Jeddah, KSA
讲师,选出的部门。& Comp。英格。,Faculty of Eng. King Abdul Aziz University Jeddah, KSA
学生(硕士)、部门的选举。& Comp。英格。,Faculty of Eng. King Abdul Aziz University Jeddah, KSA

文摘

在过去,大多数的公司都使用磁条卡是一种卡存储数据的能力通过修改微小的磁性铁基磁性材料的磁性粒子在一个乐队的名片。卡有一个个人识别号码(PIN)允许访问电子账户。这些天,RFID卡已被广泛应用。本文研究者使用射频识别卡的磁条卡,因为它不需要身体接触。雷竞技网页版研究者把一个人脸识别系统和RFID系统支持保障体系。如果在RFID卡销匹配公认的脸然后发送响应由调制解调器远程站。本文非常重要,因为它提高安全性。本文研究混合两种安全(FR和RFID)使安全更强大的和可靠的。反过来,这给用户更多的控制。matlab程序开发和满足设计标准和解决问题

关键字

射频识别、销等。

介绍

无线电频率识别(RFID)系统(见图1)是一种自动识别传感器技术。这是一个无线信息系统,实时视觉显示的活动,导致效率的改善人类努力用更少的数据条目。它自动跟踪和追踪项目,组成的三个关键要素:射频识别标签,射频识别阅读器和一个后端数据库服务器识别信息。射频识别技术承诺很多好处几个部门(制造业、物流、军事、医疗、…等)。它的主要意图是货物跟踪和监测移动通过供应链,和管理交付和装配过程。它减少交付和组装流程时间。在空气中传播的信息标签和阅读器之间的无线电传输性质,所以它可能会面临几个威胁:

模拟攻击:通过伪装读者或标记。

回复:通过拦截传播信息和读者重新发送它。

拒绝服务:通过屏蔽射频识别设备停止运行或tocause标签和数据库无法更新他们的信息。

隐私问题:通过访问标记数据。

一个。通信系统

有很多方法站之间的通信。通过互联网沟通可以应用,但是增加了安全我们写了一个特殊的代码通过MATLAB使用电话沟通。系统响应可以通过调制解调器传输到远程控制站。例如,响应可以匹配或不匹配的结果。远程站或火车站的FR或射频识别系统可以控制p的输出过程。代码是一个GUI界面,而不是文本界面方便用户与之交互。图2显示了GUI的沟通。

C。现代

研究者使用全球声音调制解调器从硅lab.图3显示了现代。声音调制解调器由主板上的一个完整的可移动的子卡。声音调制解调器是一个完整的控制器调制解调器芯片集成和可编程序直接访问安排(DAA),符合全球电话线路的要求。它有24针或38-pin系统设备和16-pin线设备。

一个基本的RFID系统包括三个部分:

天线或线圈

一个收发器(解码器)。

应答器(射频标签)电子程序具有独特的信息。

研究者选择射频识别,因为它是一种非接触式系统像人脸识别系统。雷竞技网页版人脸识别系统结合射频识别系统将会添加更多的任何安全系统,这些系统使一个权威控制保护区和资源的访问。作为一个应用程序中,想象在一个世界,你不需要担心身份验证。想象而不是所有请求到你的区域或资源已经包含你需要的信息访问控制决策。访问控制是,在现实中,一个日常的现象。锁上车门是访问控制的一种形式。APIN在ATMsystem在银行是另一个访问控制的手段。访问控制至关重要的占有人寻求安全的重要,机密或敏感信息和设备。系统在任何组织可以信任另一个系统组件来安全地提供用户信息,如用户的身份或数字,用户的信息总是到达同样的简单格式,不管身份验证机制,无论是从键盘、摄像头或被动或主动的名片。

文献综述

1991年),m . Turk和a . Pentland使用主成分分析(PCA)算法的研究。他们定义的主成分分析(PCA)作为一个数学程序,使用一个正交变换,将一组观测可能相关变量转化为一组不相关的变量的值称为主要组件。主成分的数量小于或等于原始变量的数量。这个变换定义,第一主成分尽可能高的方差(即占尽可能多的变化的数据),并且每个成功组件反过来又可能的最高的方差是正交的约束下(不相关的)前面的组件。主要组件是保证独立只有联合正态分布的数据集。PCA是敏感的原始变量的相对比例。根据不同的应用领域,它也叫离散Karhunen-Loeve变换(KLT),霍特林变换或适当的正交分解(POD)”(http://en.wikipedia.org/wiki/Principal_Component_Analysis)。m . Turk, a Pentland已经开发出一种计算机系统可以识别的人通过比较特征脸用Eignfaces那些已知的个人。(m . Turk和a . Pentland, 1991)

b) h .月亮,P.J.菲利普斯还用PCA算法2001年在他们的研究。他们使用主成分分析,因为它是一个统计降维方法。(h .月亮,P.J.菲利普斯,2001)

c) 1999年,刘呈君和哈利韦氏用独立分量分析(ICA)人脸识别在第二国际会议音频和视频生物识别人的身份验证。“独立分量分析(ICA)定义了一个生成模型,观察到的多元数据,通常是作为一个大型数据库的样本。在模型中,数据变量被认为是一些未知的潜在变量的线性混合,混合系统也是未知的。(刘呈君和哈利韦氏,1999)d)潜在变量假定nongaussian和相互独立,他们被称为“独立观测数据的组件。这些独立的组件,也称为来源或因素,由ICA可以找到。ICA表面相关主成分分析和因子分析。ICA是一个更强大的技术,然而,能够发现潜在因素或来源当这些经典方法完全失败。数据分析ICA可以源自许多不同的应用领域,包括数字图像、文档数据库、经济指标和心理测量。在许多情况下,给出了测量作为一组并行信号或时间序列;盲源分离这个词是用来描述这个问题。 Typical examples are mixtures of simultaneous speech signals that have been picked up by several microphones, brain waves recorded by multiple sensors, interfering radio signals arriving at a mobile phone, or parallel time series obtained from some industrial process" (http://en.wikipedia.org/wiki/Independent_component_analysis).

e)“独立分量分析(ICA)是一种从多元方法寻找潜在因素或组件(多维)统计数据。ICA与其它方法的区别在于:它查找组件都是统计独立的,nongaussian”。(a . Hyvarinen i karhunen大肠Oja, 2001)

RaufKh f)。Sadykhov弗拉基米尔•a . Samokhval列昂尼德•p Podenok使用人脸识别算法的基础上截断Walsh-Hadamard变换和综合判别函数。他们提出了人脸识别算法通过构造综合判别函数特征空间的2 d截断Walsh-Hadamard变换。方法依赖于切片面部图像上使用的二进制的数量后一些预处理操作作为输入向量构造自卫队。(RaufKh。Sadykhov弗拉基米尔•a . Samokhval列昂尼德•p . Podenok, 2004)

g) Yasufumi铃木和佐藤柴田使用了一个算法,用于VLSI硬件加速器。他们用multiple-clue人脸检测算法使用edge-based特性向量和应用于人脸检测的问题。在该算法中,生成特征向量利用输入图像中的边缘分布,从而为有效实现降维处理。利用边缘分布中的多个线索提高人脸检测的准确性。几个特征向量生成计划已经开发出来,这都是直接硬件实现兼容。(Yasufumi铃木和佐藤柴田,2004)

h) SittinonKongsontana并使用2 dlda YuttapongRangsanseri使用人脸识别算法。他们的研究提出了二维线性判别分析(2 dlda)应用程序用于人脸识别的特征提取。这个方法是由Fisher线性Discrimnant(盛名)和二维主成分分析(2神龙公司)。在这种方法中,2 dlda直接使用图像矩阵来计算类间散布矩阵和课下散射矩阵。此外,2 dlda将处理的问题在课堂散射矩阵奇异。实验结果表明,2 dlda方法比传统方法计算效率更高。

使用演算法在彩色图像人脸检测算法基于肤色信息。(SittinonKongsontana YuttapongRangsanseri, 2005)

我)吴Yan-Wen 1,学易人工智能检测提出一种新颖的技术在彩色图像使用学习演算法结合肤色分割。第一个肤色模型YCbCr色度空间构建段non-skin-color像素的图像。然后,数学形态学运算符用于去除噪声区域和填补的肤色区域,我们可以提取候选的人脸区域。这些候选人脸扫描的级联分类器基于演算法更准确的人脸检测。这在不同尺度系统检测到人脸,各种各样的姿势,不同的表情,照明条件和方向。实验结果表明该系统取得竞争的结果,大大提高了检测性能。(吴Yan-Wen 1,学易Ai, 2008)

j) Nakano和他的同事们提出一种新的统计学习算法。本研究定量验证其特征提取的有效性面临信息处理的性能。Simple-FLDA算法是一种基于几何分析的Fisher线性判别分析。作为一个高速特征提取方法,目前的算法在本文Simple-FLDA的改进版本。首先,近似主成分分析(通过简单的学习- PCA),使用每个类平均向量的计算。接下来,为了调整在每个类在类方差为0,向量类中移除。通过这种处理,它变得比Simple-FLDA高速特征提取方法。的是使用脸部图像通过计算机模拟实验验证了有效性。(m . Nakano s Karungaru Tsuge, t·明石y Mitsukura。andM。 Fukumi, 2008)

Dongil汉,k) KanghunJeong Yongguk金正日,Hyeonjoon月球使用人脸识别算法基于线性离散分析(LDA)算法替代PCA。它需要更多的处理时间,但是更好的识别性能。LDA算法的基础上,收集和分析数据统计特征向量。LDA相对强劲的正面形象,但弱剖面图像一般人脸识别系统。(Dongil汉KanghunJeong Yongguk金,Hyeonjoon月亮,2008)Raghavendra l)。R, Ashok Rao HemanthaKumar。G解决新面孔验证方案基于日志——伽柏滤波器和高斯混合模型(基于纹理)。该方法由三部分组成。第一部分是对面部图像Log-Gabor过滤。第二部分是模型Log-Gabor滤波器响应使用高斯混合模型来获得超过一组的功能。第三部分是改变的一组功能使用子空间方法如主成分分析(PCA)和独立分量分析(ICA)。 Thus, in this paper two methods namely Log-Gabor Mixture Model (LGMM) based on PCA and Log-Gabor Mixture Model (LGMM) based on ICA is proposed.Proposed methods are evaluated for its performance by conducting series of experiments on three image databases: ORL, AR, YALE face database. The nature of type & size of databases chosen on the performance of these algorithms are also studied. The experimental results indicate the efficacy of the proposed methods and varied nature of results based on these algorithms. (Raghavendra.R, Ashok Rao, HemanthaKumar.G, 2008)

甘米)Jun-Ying Si-Bin,他在诉讼第八届国际会议在机器学习和控制论,提出一种改进的2神龙公司的人脸识别算法。二维主成分分析的基础上,提出了一种改进的二维主成分分析(I2DPCA)提出了人脸识别。首先,全球的标准功能和定义类间散射投影特性。其次,准则函数定义的两个融合通过ultiplication或添加。因此,I2DPCA生产的判别函数,最优的投影轴向量I2DPCA算法最大化其准则函数的向量。实验结果表明,I2DPCA的正确识别率高于2神龙公司。在I2DPCA算法,融合识别率的加法高于通过乘法。(甘Jun-Ying Si-Bin他,2009)

Imtiaz, n) AnikaSharin MahmudurRahman汗,哈菲兹MirzaSaquib我们萨瓦尔,ShaikhAnowarul Fattah提出了一个高效的基于频域的人脸识别算法互相关函数。论文提出了一种人脸识别算法基于光谱域互相关的原则。而不是考虑到人脸图像的空间数据作为一个整体,光谱特征提取的每一行单独空间数据。每个这些行熊不同的特征脸的形象,一点考虑行操作傅立叶域的所有保证提取的详细几何变化的脸。结果表明,获得的互关联考虑双连续的谱表示行提供特定的签名脸图像反映了面对几何变化沿垂直方向。以类似的方式,水平签名可以考虑连续光谱互相关在列。在拟议的方法,利用这两个水平和垂直的签名为了获得一个特定的人可区分的特征空间。发现提出的特征提取算法提供了简单实用的优点实现高度的人脸识别的准确性。(AnikaSharin MahmudurRahman汗、哈菲兹Imtiaz MirzaSaquib美国萨瓦尔和ShaikhAnowarul, 2010)

主成分分析(PCA)算法

主成分分析(PCA)是一种统计技术在现代数据分析,发现应用程序在不同的人脸识别等领域。它可以用于数据分析和数据压缩。它减少了复杂的数据集到一个较低的维度披露隐藏,简化结构,往往是它的基础。这是一个方法来识别数据中的模式,和表达的数据来突出他们的相似与相异。PCA是适当的,当你得到措施在许多观察变量和希望开发一个小型的人工变量(叫做主成分)数量将占大多数的方差在观察到的变量中。PCA是一个变量还原过程。是有用的,当有一些冗余的变量。这意味着一些变量是相关的。我们可以尽可能减少观测变量到一个更小的主成分(人工变量)数量将占大多数的方差在观察到的变量中。主成分分析是一种线性变换,将数据转换到一个新的坐标系统,新的变量,主成分,是原始变量的线性函数,是不相关的,和最大的方差的投影数据来躺在第一个坐标,第二大方差在第二个坐标,等等。 In PCA we compute the covariance matrix for the full data set. Next, the eigenvectors and eigenvalues of the covariance matrix are computed, and sorted according to decreasing eigenvalue.

实验的细节

研究者开始本文通过收集和分析射频识别和人脸识别的信息。研究者研究了人脸识别的一些(FR)算法和发现PCA是最近流行的算法已经被使用。本文研究人员利用离散小波变换(DWT)的人脸识别。DWT方法用于数据压缩(如JPEG2000)。研究人员介绍了射频识别技术及其组件。在本文中,我们设计了三个系统,一个是人脸识别的MATLAB程序捕获图像的相机,然后认识到它从图像数据库中,另一个系统是射频识别系统使用MATLAB浏览和阅读用户射频识别卡,第三个系统是一个通信系统由调制解调器发送和接收响应另一个车站采取任何回应关于从站1的结果。我们使用图形用户界面(GUI)来让用户与电子设备交互(RFID阅读器,相机,和调制解调器)与图像而不是文字命令图1所示。

图3显示了一个信息和操作表示为图形图标。图1包含几个字段和按钮,如下图:

这个领域是一个形象的名字来测试人脸识别功能。

这个字段显示了RFID标签号码。

这个字段显示的时间。

这个字段显示了进程状态(主动)。

这个按钮是启动程序。

这个字段显示的图像。

这个按钮是一张快照。

这个字段是选择一个图像的类型(颜色或灰度图像)。

研究人员使用GUI图形化显示过程。图4显示了流程步骤。每个框代表一个步骤中,红色圆圈代表步骤序列,行代表交通从一步到下一个。步骤:

摄像头捕捉图像。

调整图像-可选的步骤是相同的数据库字段的图像数据类型。

保存图像数据库中的一个惟一的ID。

识别图像。

扫描射频识别标签。

RFID标签号码保存在数据库中。

匹配图像与RFID标签号码

结果的过程

发送一个响应远站2通过电话线。

用户检索站2的反应。

结果和讨论

在实验中,我们假设有12个用户(图)的安全系统。每个人都持有一个RFID卡。系统来验证构建持卡人是否卡所有者。这12个图片存储在数据库中。

安全系统需要一个快照的摄像头当一个人提出他的RFID卡系统(图)。系统扫描射频识别卡。

安全系统匹配最近的图像与图像数据库。一旦匹配,成像系统将信息发送到其他站通过调制解调器。最后,它接收到的响应从其他站像打开门。安全是所有组织或者公司的请求。结合几个安全系统将获得显著改善。研究者利用DWT和欧几里得遥远的人脸识别系统中测量和他有一个好的结果。该方法不仅用于人脸识别,还可以用于任何类型的识别。我们可以加强安全通过添加RFID系统的人脸识别系统。结合在一个系统,我们希望增加安全度50%。提高安全性,我们可以分享或将结果发送到第三部分远离火车站FR和射频识别系统。 Finally, we developed Matlab program to to solve the paper problem.

结论

本文研究者支持人脸识别RFID和通信系统。研究人员希望安全强度提高50%。约束条件下的人脸识别和射频识别非接触式的过程。雷竞技网页版人脸识别的方法提出了利用DWT和欧氏距离的方法。人脸识别是一个非常重要的组件在许多应用程序中搜索引擎和情感探测器。此外,研究人员使用一个通信系统与遥远的电台是控制过程的一部分来提高安全性能的过程。matlab代码开发和满足设计标准和解决问题。

承认

这篇文章是由院长职科研(域),阿卜杜拉国王大学,吉达。因此,作者承认,由于安全域的技术和财政支持。

引用

一个。Hyvarinen,我。karhunen E。Wiley-Interscience Oja,“独立分量分析”,首先,2001。
m . Nakano s Karungaru Tsuge, t·明石y Mitsukura。andM。Fukumi(2008),“快速统计学习算法面临信息处理”,神经网络,国际联合大会pp.3229 - 3232.米。土耳其人,Pentland。“承认”Eigenfaces,认知神经科学杂志》上。3卷,第一。71 - 86年,1991年。
月亮H,菲利普斯P J,“PCA-based面部识别算法的计算和性能方面”,感知30 (3)PP.303 - 321, 2001。
RaufKh。Sadykhov弗拉基米尔•a . Samokhval列昂尼德•p•Podenok“人脸识别算法的基础上截断walsh-hadamard转换和综合判别函数”,学报第六届IEEE国际会议上自动的脸和手势识别,华盛顿特区,2004年美国。219 - 222页。
Yasufumi铃木和佐藤柴田Multiple-Clue人脸检测算法使用Edge-Based特性向量”,第二次国际会议上互联网多媒体计算和服务pp.737 - 740, 2004。
SittinonKongsontana YuttapongRangsanseri,“使用2 dlda人脸识别算法”,IEEE。pp.675 - 678, 2005。
吴Yan-Wen 1,学易Ai,“彩色图像人脸检测使用学习演算法基于肤色信息”,车间在知识发现和数据挖掘,IEEE, pp.339 - 342, 2008。
KanghunJeong Dongil汉,Yongguk金,Hyeonjoon月亮,“无处不在的计算人脸识别算法的优化环境”,第二国际会议上未来的一代通信和网络、pp.298 - 301, 2008。
Raghavendra。R, Ashok Rao HemanthaKumar。G,纹理算法为基础的主观性能面临验证:数据库”的角色,第六印度计算机视觉、图形与图像处理、IEEE,第428 - 421页,2008年。
Jun-Ying甘,Si-Bin他,一种改进2神龙公司人脸识别的算法,程序第八届国际会议在机器学习和控制论,保定,IEEE, 2380 - 2384年,2009页。
AnikaSharin MahmudurRahman汗,哈菲兹Imtiaz MirzaSaquib我们萨瓦尔,ShaikhAnowarul,”一个高效的基于频域的人脸识别算法互相关函数”,第六届国际会议在电气和计算机工程ICECE 2010年IEEE,达卡,孟加拉国183 - 186年,2010页。。