ต้นแบบอุปกรณ์ตรวจจับภาพม่านตา
ชื่อผู้แต่งข้างต้นเป็นข้อความจากระเบียนผลงาน ไม่ได้ผูกกับรหัสนักวิจัย จึงกดดูผลงานอื่นของบุคคลนี้ไม่ได้ — ในคลังนี้ 142,080 ผลงาน (63.6% ของทั้งหมด) มีชื่อผู้แต่งที่เชื่อมกับหน้าผู้แต่งได้ และ 60,298 ผลงาน (27.0%) มีผู้แต่งที่ผูกกับรหัสนักวิจัยจริง ส่วนอีก 81,382 ผลงานไม่มีข้อมูลผู้แต่งเลย (มีชื่อผู้แต่งเป็นข้อความอยู่ 142,009 ผลงาน = 63.5%)
บทคัดย่อ
งานวิจัยนี้มีพัฒนาต้นแบบอุปกรณ์ตรวจจับภาพม่านตาโดยใช้กล้องถ่ายภาพที่มีในท้องตลาด CCTV รุ่น 27xDSP เป็นอุปกรณ์ถ่ายภาพ พร้อมทั้งเพิ่มส่วนของแสงใกล้อินฟาเรดย่าน 850 890 และ 950 นาโนเมตรเข้ากับระบบตรวจจับภาพม่านตา เพื่อให้ภาพม่านตาที่ได้มีลายม่านตาชัดเจนเพียงพอต่อการนำไปประมวลผลเพื่อการระบุบุคคลด้วยลายม่านตา นอกจากนั้นงานวิจัยยังครอบคลุมการพัฒนาขั้นตอนวิธีระบุขอบเขตของม่านตาหรือการคัดแบ่งม่านตาภายในภาพ ขั้นตอนวิธีการคัดแยกพิกเซลที่เป็นส่วนหนึ่งของม่านตาจากภาพถ่ายตามนุษย์ที่พัฒนาขึ้นมาแบ่งการประมวลผลออกเป็น 2 ส่วน ส่วนแรกทำหน้าที่ในกำหนดขอบเขตส่วนที่เป็นม่านตาภายในภาพตาโดยประมาณ การสำรวจทำโดยการหาความเหมือนของเฟส (Phase Symmetry) ความเข้มแสงและลักษณะรูปวงกลมของม่านตามาใช้ในการคัดแยกพิกเซลที่ไม่ใช่ม่านตาออกจากภาพ ส่วนที่สองเป็นการจำแนกพิกเซลของภาพผลลัพธ์ที่ได้ออกเป็นสองประเภท คือ เป็นม่านตาและไม่เป็นม่านตา การจำแนกทำโดยใช้โครงข่ายประสาทเทียม (Neural Network) จากการทดสอบขั้นตอนการคัดแบ่งม่านตาที่พัฒนาขึ้นกับภาพม่านตาจากฐานข้อมูล UBIRISv2 ได้ค่าความถูกต้องของการคัดแยกพิกเซลม่านตาประมาณ 95 % และได้ค่าความผิดพลาดแบบเฉลี่ยค่า False-positives rates กับ False-negatives rates ประมาณ 7.5 %งานวิจัยนี้มีพัฒนาต้นแบบอุปกรณ์ตรวจจับภาพม่านตาโดยใช้กล้องถ่ายภาพที่มีในท้องตลาด CCTV รุ่น 27xDSP เป็นอุปกรณ์ถ่ายภาพ พร้อมทั้งเพิ่มส่วนของแสงใกล้อินฟาเรดย่าน 850 890 และ 950 นาโนเมตรเข้ากับระบบตรวจจับภาพม่านตา เพื่อให้ภาพม่านตาที่ได้มีลายม่านตาชัดเจนเพียงพอต่อการนำไปประมวลผลเพื่อการระบุบุคคลด้วยลายม่านตา นอกจากนั้นงานวิจัยยังครอบคลุมการพัฒนาขั้นตอนวิธีระบุขอบเขตของม่านตาหรือการคัดแบ่งม่านตาภายในภาพ ขั้นตอนวิธีการคัดแยกพิกเซลที่เป็นส่วนหนึ่งของม่านตาจากภาพถ่ายตามนุษย์ที่พัฒนาขึ้นมาแบ่งการประมวลผลออกเป็น 2 ส่วน ส่วนแรกทำหน้าที่ในกำหนดขอบเขตส่วนที่เป็นม่านตาภายในภาพตาโดยประมาณ การสำรวจทำโดยการหาความเหมือนของเฟส (Phase Symmetry) ความเข้มแสงและลักษณะรูปวงกลมของม่านตามาใช้ในการคัดแยกพิกเซลที่ไม่ใช่ม่านตาออกจากภาพ ส่วนที่สองเป็นการจำแนกพิกเซลของภาพผลลัพธ์ที่ได้ออกเป็นสองประเภท คือ เป็นม่านตาและไม่เป็นม่านตา การจำแนกทำโดยใช้โครงข่ายประสาทเทียม (Neural Network) จากการทดสอบขั้นตอนการคัดแบ่งม่านตาที่พัฒนาขึ้นกับภาพม่านตาจากฐานข้อมูล UBIRISv2 ได้ค่าความถูกต้องของการคัดแยกพิกเซลม่านตาประมาณ 95 % และได้ค่าความผิดพลาดแบบเฉลี่ยค่า False-positives rates กับ False-negatives rates ประมาณ 7.5 %