Информационно - коммуникационные и химические технологии

Том_ 3 № 28 (2025) / 2025-09-30 / Кол. просмотров: 176

ОБЗОР ЛИТЕРАТУРЫ И СРАВНИТЕЛЬНЫЙ АНАЛИЗ МЕТОДОВ ИДЕНТИФИКАЦИИ ЛИЧНОСТИ ПО РАДУЖНОЙ ОБОЛОЧКЕ ГЛАЗА

Авторы

ЕНУ им. Л.Н.Гумилева
https://orcid.org/0000-0003-3795-0424
ЕНУ им. Л.Н.Гумилева
https://orcid.org/0000-0002-8405-5038
ЕНУ им. Л.Н.Гумилева
https://orcid.org/0000-0002-9162-6791
ЕНУ им. Л.Н.Гумилева
https://orcid.org/0000-0002-8152-8661
Esil University
https://orcid.org/0000-0002-8435-7773

Ключевые слова

радужная оболочка, аутентификация, глубокое обучение, сегментация изображений, вызовы в открытых средах

DOI ссылка:

https://doi.org/10.58805/kazutb.v.3.28-874

Как цитировать

Мусайф, М., и др. «ОБЗОР ЛИТЕРАТУРЫ И СРАВНИТЕЛЬНЫЙ АНАЛИЗ МЕТОДОВ ИДЕНТИФИКАЦИИ ЛИЧНОСТИ ПО РАДУЖНОЙ ОБОЛОЧКЕ ГЛАЗА». Вестник КазУТБ, т. 3, вып. 28, сентябрь 2025 г., doi:10.58805/kazutb.v.3.28-874.

Аннотация

На протяжении работы мы опирались на открытые базы изображений радужной оболочки глаза. Среди них особенно полезными оказались CASIA и UBIRIS. Они включают в себя снимки, сделанные в разных условиях - от хорошего лабораторного освещения до более "жизненных" ситуаций. Это как раз то, что нужно, чтобы проверить, насколько алгоритмы справляются вне идеальной обстановки.

Перед анализом фотографии были немного подготовлены: улучшали контрастность, убирали шумы, настраивали яркость. Всё это делалось для того, чтобы структура радужки была чёткой и пригодной для дальнейшей обработки.

Дальше шёл этап, где важно было найти и выделить саму радужную оболочку. Здесь хорошо себя показал метод Хафа, так как он умеет точно находить круги. После этого форма радужки преобразовывалась - из круговой в прямоугольную, чтобы с изображениями было проще работать на следующих шагах.

Когда с формой разобрались, пришло время извлечь признаки. Это такие уникальные особенности, по которым можно отличить один глаз от другого. Мы использовали фильтры Габора и вейвлеты - они неплохо справляются с детальной текстурой. Затем классификация: система должна понять, чей это глаз. Тут помогали нейросети и метод опорных векторов - в паре они давали довольно точные результаты.

В процессе тестирования мы обращали внимание не только на точность, но и на скорость работы. Важно также отслеживать, когда система ошибается - как в одну, так и в другую сторону. Такие сбои могут сказаться на безопасности.

Финальный шаг - это статистика. Мы сравнивали разные версии и отслеживали, какие из них показывают себя лучше. Так удалось понять, где алгоритм слабее, а где работает стабильно. И это даёт возможность двигаться дальше и улучшать систему.