استخدام تعلم الآلة لكشف القرابة استناداً إلى صور اليد

الباحث

سارة إبراهيم فتحي ياسين

المشرف

مازن هاشم عزيز

الجامعة

جامعة الموصل

الكلية / القسم

كلية الهندسة / هندسة الحاسوب

الشهادة

ماجستير

السنة

2024

لغة الرسالة

إنجليزي

الكلمات المفتاحية

Kinship detection ; Machine learning ; Hand images ; Biometrics

يلعب اكتشاف القرابة دورًا Laue في العديد من المجالات، بما في ذلك الأمن البيومتري والتبني وتحقيقات الطب الشرعي وغيرها. وهو مهم Gala USE: في أوقات الصراع والكوارث الطبيعية، مثل الزلازل، a يمكن أن يسهل لم الشمل، ويمكن من التواصل في حالات الطوارئء ويقدم الدعم النفسي. إن الطريقة الأكثر Le gad لتحديد القرابة هي تحليل الحمض النوويء وهي دقيقة للغاية. وهناك نهج AN وهو غير ،gale حيث يستخدم صور الوجه والرؤية الحاسوبية وخوارزميات التعلم الآلي لتقدير القرابة. إن لكل جزء من جسم الإنسان معلومات مدمجة خاصة به يمكن استخلاصها واعتمادها لتحديد هوية ذلك الشخص أو التحقق منه أو تصنيفه. كما إن العثور على الخصائص الموروثة جينياً من الوالدين والتي تؤثر على كل أجزاء الجسم هو الأساس للتعرف على القرابة. تبحث هذه الأطروحة في طريقة جديدة لاستخدام صور الأيدي للكشف عن القرابة. لقد كانت الخطوة الأولى في هذا العمل هي إنشاء مجموعة بيانات ade والتي تم تسميتها صور الأيدي للقرابة الموصلية (MKH) وذلك GY مجموعات بيانات الصور اليدوية المتوفرة لا تحتوي على حقيقة صلة القرابة. وهكذا تم توليد مجموعة البيانات هذه باستخدام كاميرا الهاتف المحمول. وهي تتألف من 634 صورة ل 81 1058 من 14 عائلة. ويعرض هذا البحث أيضًا استخدام مجموعة البيانات هذه في التنبؤ بالقرابة باستخدام التعلم الآلي. وقد تم استخدام كل من العمل اليدوي والنقل العميق في استخراج الميزات من صور الأيدي في عشرة سيناريوهات تجريبية مختلفة. حيث تم تصميم مصنفات شبكة عصبية مختلفة وتدريبها للتنبؤ بانتماء أي شخص إلى إحدى العائلات في مجموعة البيانات .MKH باعتبارها طريقة واعدة لاستخدام اليد كمؤشر للقرابة قد تعزز الطرق السابقة، أظهرت نتائج هذا النهج الجديد أن اليد تمتلك خصائص بيومترية يمكن استخدامها للتصنيف العائلي بنطاق دقة أساسي يبلغ 5 إلى 93.%

Kinship detection plays a critical role in a multitude of domains, including biometric security, adoption, forensic investigations, and more. The most common method of determining kinship is DNA analysis, which is highly accurate. Another approach, which is noninvasive, uses facial photos with computer vision and machine learning algorithms for kinship estimation. Each part of the human body has its own embedded information that can be extracted and adopted for identification, verification, or classification of that person. Finding characteristics that are genetically inherited from the parents and that affect every region of the body is the foundation for kinship recognition. This thesis investigates a novel method of using hand photographs for kinship detection. The first step in this work was the creation of a new dataset, which is named the Mosul Kinship Hand (MKH) because the available hand image datasets do not contain kinship ground truth. This dataset was collected using a mobile phone camera. They consisted of 634 images for 81 individuals from 14 families. This research also presents the use of this dataset in kinship prediction using machine learning. Both handcraft and deep transfer learning were used in feature extraction from hand images in ten different experimental scenarios. Neural network classifiers were designed and trained to predict the membership of any person in one of the families in the MKH dataset. As a promising way to use the hand as a kinship indicator that may enhance the use of the earlier methods, the results of this novel approach showed that the hand possesses biometric characteristics that may be used for familial classification with an essential accuracy range of 75% to 93%.

طلب نسخة من الملف

الملفات غير منشورة على الموقع. اترك بياناتك وسيتواصل معك موظفو قسم الشؤون الثقافية والفنون لإرسال النسخة مجاناً.

الاسم

رقم الهاتف

البريد الإلكتروني

الغرض من الطلب (اختياري)

إرسال الطلب