DeepTeeth: نظام تعريف بيومتري يستخدم الأسنان

قدم باحثون من الهند نظامًا بيومتريًا لاستخدام الأسنان كرمز تحقق لأجهزة الموبايل. يُسمى نظام DeepTeeth، ويتغلب على العقبات التي واجهت الجهود السابقة في هذا الهدف، مثل وقت التدريب الزائد أو متطلبات بيانات التدريب العالية أو غير الواقعية، لتحقيق معدل دقة يبلغ 100٪.

كما يهدف بشكل خاص إلى بيئات الموبايل المتواضعة ومحاولات التحقق من الهوية للمستخدمين العاديين، بدلاً من استخدام هذه التقنيات في سياق تحليل جنائي مكلف.

الورقة الجديدة، من قبل باحثين في معهد بيرلا للتكنولوجيا والعلوم في راجستان، تستخدم حجم صورة بيانات يبلغ 75×75 بكسل، وهي إطار عمل من النوع القليل من اللقطات، ولديها احتياجات موارد محلية минимальة مقارنة بالمحاولات السابقة لأنظمة التعرف على الأسنان بالتعلم الآلي.

الاستخدام المقترح لنظام التحقق من الهوية المعتمد على DeepTeeth. مصدر: https://arxiv.org/pdf/2107.13217.pdf

الأسنان كمرموزات تعريف

على الرغم من أن الأسنان قد تعتبر أكثر الميزات الوجهية تقلبًا، بسبب تكرار التدخلات الجراحية مقارنة بعمليات التجميل أو إعادة بناء الوجه الأخرى، تشير الورقة إلى أن الأسنان تبقى أكثر الميزات الثابتة لتعريف الوجه في المدى الطويل ومعدلاتها.

ربما يكون أشهر مثال على ذلك هو مقاومة الأسنان للاستخدامات الجنائية، حيث يتم استخدامها في كثير من الأحيان لتحديد الهوية بعد الوفاة، حيث تتحلل جميع الأنسجة الأخرى نتيجة للحريق أو الإصابات القاسية الأخرى.

في حين أن مجموعات البيانات لهذا النوع من الطب الجنائي متخصصة وتتطلب معدات مسح مخصصة (عادة مع مكون الأشعة السينية)، يتطلب نظام DeepTeeth فقط سلسلة من الصور الشخصية البسيطة (“دنتال سيلفي”) لتحديد هوية أساسية.

علاوة على ذلك، وجد الباحثون أن إطار تحديد الهوية المعتمد على الأسنان مقاومًا لنوع الهجمات المزيفة التي كان لها تأثير فعال على أساليب التحقق من الهوية بالبصمة والوجه.

صور المنطقة المعنية المعتمدة على DeepTeeth، وتحسيناتها في تدفق العمل التلقائي.

التحكم، المعالجة، والتدريب

يعمل نظام DeepTeeth في تطبيق أندرويد، حيث يقدم المستخدم عدة لقطات. يمكن التقاط صور الأسنان من زوايا مختلفة ودرجات إضاءة متعددة، وتتم معالجتها محليًا للاستدلال لاحقًا في وقت التحقق.

لإنشاء قاعدة بيانات التدريب الأساسية، جمع الباحثون صور الأسنان من 51 متطوعًا. استخدم المتطوعون نسخة تجريبية من تطبيق الأندرويد لالتقاط الصور بأنفسهم. يحدد التطبيق منطقة الأسنان التي يبحث عنها ويحدد موقعها. قدم كل مستخدم أربع صور أسنان نموذجية في غضون 3-4 أيام.

تم اختبار البيانات في شبكة سياميز حيث تم تشغيلها أيضًا ضد طريقة أقدم – FaceNet من جوجل في عام 2015. استخدم التدريب حجم دفعة يبلغ 16 مع محسّن آدم. تم تدريب النموذج على جهاز Dell Inspiron-15-5577 باستخدام وحدة معالجة رسومات Nvidia GTX 1050، واستغرق التدريب أقل من 25 دقيقة لإنشاء متجه ميزة بعرض 256.

يتم تمرير الصور الخام المقطوعة للمستخدم عبر إطار تحسين قبل استخراج الميزات والتدريب المحلي عبر شبكة محلية مُعدة مسبقًا.

على الرغم من أن القطع الأصلية والمقطوعة من قسم الأسنان يبلغ قياسها 1416 × 510 بكسل، وهو حجم غير عملي حتى لتدريب التعلم الآلي على الخادم، فإن الصور الرمادية الصغيرة المشتقة من هذه اللقطات هي ما يمر عبر النظام، مع التخلص من البيانات الأكبر.

دالة الخسارة المستخدمة لتدريب شبكة التصنيف هي SoftMax، وهي خفيفة ومتينة بما يكفي للبيئة التشغيلية المستهدفة.

هيكل دالة الخسارة في نظام DeepTeeth.

النتائج

استخدم الباحثون خمسة معايير أداء منفصلة لتقييم نظام DeepTeeth، ووجدوا أن النظام يعمل بشكل مثالي مع حجم مدخلات قيمته 75 بكسل مربع، ويحقق معدل نجاح يبلغ 100٪.

تتضمن المحاولات السابقة لاستخدام الأسنان كمؤشر بيومتري دراسة عام 2008 بعنوان “التحقق البيومتري المتعدد باستخدام صورة الأسنان والصوت في بيئة الموبايل”، والتي أضافت الأسنان كطريقة احتياطية لتحديد الهوية القائم على الصوت.

منافس آخر، من عام 2020، كان إطار SmileAuth المقترح من قبل باحثين في جامعة هونان في الصين، بالتعاون مع جامعة ميشيغان وجامعة ماساتشوستس. تشير النتائج التجريبية في وقت نشر الورقة إلى أن نظام SmileAuth يمكن أن يحقق معدل دقة يصل إلى 99.74٪. استخدم النظام غابة عشوائية لاستخراج الميزات.

يُدّعي الباحثون أن نظام DeepTeeth يحسن على جميع المحاولات السابقة في هذا المجال المتخصص من البيومتريات، وينقل التعرف على الأسنان إلى ما وراء المجال الجنائي كطريقة محتملة قابلة للتطبيق لتحقق الهوية القائم على الوجه.