Professional Documents
Culture Documents
Lecture : Biometrics
Lecture : Biometrics
Lecture (4)
# Scope 8
▪ The first is specific to biometric type, while handling
decision is independent of biometric type.
# Scope 8
: علىsystem ✓ ال يعتمد ال
similarity score اوmatching score هىmatching ان ناتج عمليه ال-
و مش هيعتمد على نوع ال, معينthreshold و ده رقم هطبق بعد كده عليها
biometric
, biometrics سوف تعتمد على نوع الmatching يعنى كل الخطوات لحد عمليه ال-
biometric ال يعتمد على نوع الmatching score لكن ما بعد ال
➢ Match scores :
# Scope 8
- Match scores are either genuine matches, which should be high
scores, or impostor matches, which should be lower scores.
كانhigh score = score عندما تكون قيمه ال, هى قيم رقميهmatching score ال-
كانlow score = score و عندما تكون قيمه ال, match اوgenuine الشخص
reject اوimposter الشخص
عندما ننتهى من عمل ال, system performance و ذلك المبدا هو الذى نبنى عليه ال-
سؤاءsystem للevaluation (ممكن اعملevaluation و نبدا فى عمليه الsystem
) figures باالرقام او بال
# Scope 8
• Enrollment
و بالتالى نقوم بمراجعه, يؤدى لنواتج غلط, لكل خطوه بشكل كويسcheck لو لم نقوم بعمل-
feature extract و الalgorithm of matching و الthreshold كل من ال
للبحث عن مكان المشكله و حلهاsensor و نوع الpreprocessing و الalgorithm
تسمى, و ادى لحدوث خطا فى الصور التى تم تجميعهاenrollment لو حدث مشكله فى ال-
FTA اوFTE نسبه هذا الخطا ب
الن لو كان هناك خطا سوف نرجع, سليمsystem لكى نتاكد ان الFTA يجب حساب ال-
token data و من الممكن حلها باستخدام ال, خطوات قليل
➢ Correct User:
# Scope 8
- This is known as genuine match, because comparison is
between samples from same user.
fingerprint يدخل الشخص ال, accept هذه الحاله ان عندنا شخص المفروض يكون-
high value = score و عندما يكون ال, template ثم يتم مقارنتها بال, الخاص بيه
)correct user( genuine فيكون الشخص
وجدنا ان بعض االشخاص المفروض يكونوا, system ان بعد لما خلصت ال, المشكله هنا-
low value الخاص كانscore وجدنا ان هذا الشخص ال, genuine اوaccept
! طيب ليه ؟. ) reject (يعنى
, بشكل صحيحsensor لم يستخدم الuser هناك مشكله فى الصوره التى تم اخذها الن ال-
, accept و هو المفروض ان يكونsystem فتكون غير مميزه فعندما يدخل الشخص على ال
النه رفض بالخطا النه من المفروض انfalse reject فيكون الشخص, reject يجد انه
accept يكون
# Scope 8
و هى قيمه احتمال او معدل, system هى قيم مهم جدا و يجب حسابها لكلFRR ال-
و لكنgenuine االشخاص الذى حصل لهم رفض بشكل خطا (يعنى المفروض يكون الشخص
genuine اوaccept خاص باالشخاص ال, ) imposter طلعواsystem ال
5/40 = FRR تكون ال, شخص40 شخص تم رفضهم بالخطا من5 يعنى لو عندنا-
لم يضغط على الuser و ذلك الن الuser غير واضح من الsample عندما ناخذ-
sample بشكل صحيح و هو يعطى الsensor
acquisition غير سليم و ذلك بسبب حدوث خطا اثناء عمليه الfeatures او ان تكون ال-
و عندما جاء ليدخل على ال, left hand تعنى انه عندما كان يسجل الشخص سجل بال-
different biometric و يطلق عليها اسم, right hand استخدمsystem
مختلف بصفات مختلفbiometric النه استخدمcharacteristics
المستخدم فىhand التى كان مسجل فيها الmetadata حل هذه المشكله هى الرجوع لل-
التسجيل
# Scope 8
4. fingerprint was correct and of good quality, but a weakness of
matching algorithm led to low score.
➢ Incorrect User :
- ‘impostor’ refers to the fact that the two matches are not taken
from same biometric characteristic.
fingerprint يدخل الشخص ال, reject هذه الحاله ان عندنا شخص المفروض يكون-
value low = score و عندما يكون ال, template ثم يتم مقارنتها بال, الخاص بيه
)incorrect user( Imposter فيكون الشخص
وجدنا ان بعض االشخاص المفروض يكونوا, system ان بعد لما خلصت ال, المشكله هنا-
high value الخاص كانscore وجدنا ان هذا الشخص ال, imposter اوreject
! طيب ليه ؟. ) accept (يعنى
extract feature algorithm و ذلك الن هناك مشكله فى ال, مميزfeatures عدم اخذ-
# Scope 8
- Rate estimated to occur for random users is the False Accept
Rate (FAR).
و هى قيمه احتمال او معدل, system هى قيم مهم جدا و يجب حسابها لكلFAR ال-
و لكنimposter االشخاص الذى حصل لهم قبول بشكل خطا (يعنى المفروض يكون الشخص
imposter اوreject خاص باالشخاص ال, ) genuine طلعواsystem ال
: ملحوظه-
يكونواimposter خطا فيؤدى لحدوث خطا فى ال ان الthreshold ان مينفعش استخدم ال-
كلهsystem الن هذا خطا قاتل لو حصل هيضيع ال, عندناsystem فى الgenuine
و التى من المفروض ان تقترب, system لكلFRR , FAR يجب حساب قيمه ال-
zero و لكن من المستحيل ان تساوى, zero قيمتهم لل
➢ Match Threshold :
# Scope 8
- Match Threshold : To Accept or Reject depends on how high or
low the match score is.
بناء على قيمه الimposter و الgenuine هو رقم يستخدم لتحديد ال: threshold ال-
score فهذا يعنى ان كل شخص قيمه ال95 = threshold يعنى لو قلنا ان ال, score
الخاص بيهscore و ان كل شخص قيمه ال, genuine يكون95 الخاص بيه اكبر من
imposter يكون95 اصغرمن
: فى الجدول السابق-
# Scope 8
)1لو كانت قيمه ال scoreاكبر من او تساوى ال <---- thresholdهيكون genuine
و ( correct acceptيعنى انا كنت عرف انه الشخص ده المفروض يكون genuine
و لما طبقنا عليه ال systemطلع ) genuine
)3لو كان الشخص المفروض imposterو طلعت قيمه ال scoreالخاص بيه اكبر من او
يساوى <---- thresholdفيكون FARو ( incorrect acceptالنه المفروض
كان يترفض لكن القيم الخاص بيه طلعت اكبر من ال thresholdو اتقبل ) ,يعنى اتقبل
بالغلط
)4لو كان الشخص المفروض genuineو طلعت قيمه ال scoreالخاص بيه اصغر من
<---- thresholdفيكون FRRو ( incorrect rejectالنه المفروض كان يتقبل
لكن القيم الخاص بيه طلعت اصغر من ال thresholdو اترفض ) ,يعنى اترفض
بالغلط
FTA )5لو لم يكون له scoreاو ال scoreالخاص بيه كان , very lowو ذلك
بسبب حدوث مشكله فى ال acquisition
حيث انه يبين عدد التكرار كل, evaluation هو نوع من انواع الhistogram ال-
بقسمه عدد التكرارFRR , FAR ليستخدم لحساب قيم االحتماالت الخاص بال, score
total على ال
# Scope 8
دهscore يعبر عن عدد تكرار الbar حيث ان كلhistogram هى, الرسم السابق-
▪ Black Bars :
high كانتscore الن قيم تكرار الgenuine تمثل الblack bars ال-
▪ White Bars:
low كانتscore الن قيم تكرار الimposter تمثل الwhite bars ال-
✓ Setting a Threshold :
# Scope 8
- Fingerprint algorithm in laptop correctly accept or reject a biometric
match depending on setting threshold.
و كل شخص عند ال, imposter هوwhite bars ده احنا عرفنا ان كل شخص عند ال-
لكن هناك مشكله فى الجزء الموجود فى منتصف الرسم الن ال, genuine هوblack bars
الصح الذى يفصل بين الthreshold ازاى نحدد ال, متداخل فيه مع بعضهاbars
genuine و الimposter
فسوف, system يدخل الimposter يعنى مش عايز اى حدsecurity فلو مهتم بال
الخاص بهمscore القيمهgenuine و بقى االشخاص ال70 = threshold نختار
algorithm ) هدخلهم معانا بتعديل فى الFRR (هيكونواthreshold هتكون اقل من ال
فسوف, system يدخل الgenuine يعنى عايز كل الsecurity لو مش مهتم بال
الخاص بهمscore القيمهimposter و بقى االشخاص ال50 = threshold نختار
)FAR (هيكونواthreshold هتكون اكبر من ال
# Scope 8
➢ Equal Error Graph :
Equal Error Graph حيث ان ال, histogram يشبه الEqual Error Graph ال-
) وhistogram فى الFAR (و هى التى كانت تعرف بfalse match rate يوضح ال
)histogram فى الFRR (و هى التى تعرف بfalse nonmatch rate ال
لكن حصل لهم قبول فى ال, هى معدل االشخاص التى كان من المفروض ان يتم رفضهم-
فى الaccept الذين حصل لهمimposter او عدد االشخاص ال, بالخطاsystem
imposter خاصه بال, system
لكن حصل لهم رفض فى ال, هى معدل االشخاص التى كان من المفروض ان يتم قبولهم
فى الreject الذين حصل لهمgenuine او عدد االشخاص ال, , بالخطاsystem
genuine خاصه بال, system
# Scope 8
- Repeating process over range of threshold values, graph is
generated showing false match rate against false non-match
rate for any threshold.
مع الFMR هى النقطه التى تتساوى فيها ال: Equal Error Rate (EER) ال-
) 60 (فى الرسم السابق هتكون عندFNMR
system كل لما يكون ال, صغيرهFMR, FNMR كل لما تكون المنطق المشترك بين ال-
imposter , genuine للفصل بين الoptimal threshold و يجب ان ناخذ قيمه, افضل
# Scope 8
➢ Biometric Authentication: Card door access :
1. Matching Data
# Scope 8
• Each person in test presents their card, labeled (A-J), to the door
and match score is generated depending on similarity of the
enrollment stored and images collected from camera.
, 10 users سوف يتم تطبيقها على, face recognition يعمل بالsystem عندنا-
1000 users يطبق على10 users و ما يطبق على, لتسهيل الحسابات
و بعد ذلك سوف يتم, يظهروا االولcard كل واحد منهم معاه, 10 users احنا عندنا-
) verification مع الصوره يعتبرcard (ال, الخاص بيهface تصوير
)10 لل1 (منusers ) للJ للA (منlabels اعطينا, 10 users للlabel اعطينا-
# Scope 8
-هذه هى صور ال , 10 usersحيث ان الصوره االول هى صوره الشخص اثناء ال
( enrollmentاثناء جمع الصور ) ,و تانى صوره هى صوره نفس الشخص اثناء عمليه ال
( evaluationاثناء التسجيل على ال )system
الذى استخدمنا كان جيد النه طلعfeature extraction algorithm و هذا يعنى ان ال-
! ؟optimal threshold و عايزين دلوقتى نحدد ال, النواتج كما توقعناها فوق
# Scope 8
❖ خطوات تحديد ال : optimal threshold
- Genuine and impostor score distribution for previous match pairs
-هنعدد كام شخص كان genuineو ال scoreالخاص بيه = , 1و كام شخص كان
genuineو ال scoreالخاص بيه = , 2و كام شخص كان genuineو ال score
الخاص بيه = , 3و كام شخص كان genuineو ال scoreالخاص بيه = , 4و كام شخص
كان genuineو ال scoreالخاص بيه = 5
-هنعدد كام شخص كان imposterو ال scoreالخاص بيه = , 1و كام شخص كان
imposterو ال scoreالخاص بيه = , 2و كام شخص كان imposterو ال score
الخاص بيه = , 3و كام شخص كان imposterو ال scoreالخاص بيه = , 4و كام
شخص كان imposterو ال scoreالخاص بيه = , 5كام شخص كان fail
4 = genuine للtotal يعنى العدد ال, genuine همD لA احنا عارفين ان من-
6 = imposter للtotal يعنى العدد ال, imposter همJ لE و عارفين ان من-
: هنحسب-
(ال4 / فى الجدول السابقgenuine = قسمه كل قيمهgenuine ) قيمه احتمال ال1
) genuine الخاص بالtotal number
# Scope 8
✓ نحسب قيمه ال )FMR( FARالخاص بال imposterو قيمه ال FRR
( )FNMRالخاص بال genuine
# Scope 8
: when threshold score = 4 )4
total number of genuine / 4 الخاص بيهم اقل منscore = عدد االشخاص ال
25% = 1 / 4 =
# Scope 8
: FAR -
# Scope 8
: when threshold score = 4 )4
total number of / 4 الخاص بيهم اكبر من او يساوىscore = عدد االشخاص ال
imposter
zero = 0 / 6 =
# Scope 8
✓ هنرسم ال equal error graph
-ال ( equal error rateنقطه تقاطع two curveمع بعض او النقط التى يتساوى عندها
قيمه ال FARمع ال 3.6 = ) FRR