हाथों का उपयोग बायोमेट्रिक पहचानकर्ता के रूप में आपराधिक वीडियो फोरेंसिक्स में

यूके में शोधकर्ताओं ने एक मशीन लर्निंग बायोमेट्रिक सिस्टम विकसित किया है जो व्यक्तियों को उनके हाथों के आकार से पहचान सकता है। इस काम का उद्देश्य अपराधियों की पहचान करने में मदद करना है, विशेष रूप से उन मामलों में जहां अपराधियों ने अपने अपराधों को रिकॉर्ड किया है, जहां हाथ की जानकारी अक्सर एकमात्र उपलब्ध बायोमेट्रिक संकेत होती है।

इस पेपर में, जिसका शीर्षक हाथ-आधारित व्यक्ति पहचान के लिए ग्लोबल और पार्ट-एवेयर डीप फीचर रिप्रेजेंटेशन लर्निंग है, एक नया एमएल फ्रेमवर्क प्रस्तावित किया गया है जिसे ग्लोबल और पार्ट-एवेयर नेटवर्क (जीपीए-नेट) कहा जाता है।

जीपीए-नेट में, दो अलग 3डी टेंसर (ग्लोबल और लोकल) रेसनेट50 बैकबोन नेटवर्क पर स्टैक्ड कॉन्वोल्यूशनल लेयर्स के माध्यम से सोर्स इमेज पास करने से प्राप्त किए जाते हैं। प्रत्येक विश्लेषणात्मक मार्ग एक पहचान भविष्यवाणी करेगा। स्रोत: https://arxiv.org/pdf/2101.05260.pdf

जीपीए-नेट कॉन्वोल्यूशनल लेयर पर स्थानीय और ग्लोबल शाखाएं बनाता है, ताकि हाथों के पूरे हिस्से (बाएं और दाएं हाथों को अलग-अलग पहचाना जा सके) और हाथ के हिस्सों के लिए अलग-अलग पहचान प्रणाली बनाई जा सके।

इस शोध का स्रोत लैंकस्टर विश्वविद्यालय के स्कूल ऑफ कंप्यूटिंग एंड कम्युनिकेशन्स से है, और इसका नेतृत्व नाथानेल एल. बैसा ने किया है, जो अब लेस्टर के डी मोंटफोर्ट विश्वविद्यालय में सहायक प्रोफेसर हैं।

हाथों को सुसंगत बायोमेट्रिक संकेतक के रूप में

शोधकर्ताओं का मत है कि हाथ विभिन्न बायोमेट्रिक विशेषताओं का एक सुसंगत संग्रह प्रदान करते हैं जो आयु, छलावरण के प्रयासों या अन्य विकृत करने वाले कारकों से कम प्रभावित हो सकते हैं जो अन्य लोकप्रिय संकेत प्रणालियों की विश्वसनीयता को प्रभावित कर सकते हैं, जैसे कि चाल पहचान और चेहरा पहचान।

हालांकि सुरक्षा प्रणालियों को हाथ की नसों के पैटर्न का उपयोग करने के लिए डिज़ाइन किया गया है, यह अपराधों में उपयोग किए जाने वाले रिकॉर्डिंग उपकरणों में उपलब्ध नहीं हो सकता है। इसके बजाय, वर्तमान शोध मानक डिजिटल कैमरों से प्राप्त कैप्चर पर केंद्रित है, जो आमतौर पर मोबाइल डिवाइस में एम्बेडेड होते हैं, लेकिन यौन अपराधों के मामले में, अक्सर ‘डंब’ कैमरों द्वारा प्राप्त किए जाते हैं जो नेटवर्क जानकारी साझा करने के लिए कम इच्छुक होते हैं।

आयरनिकली पाम प्रिंट, जो शायद पिछले पचास वर्षों की विज्ञान कथा फिल्मों में सबसे लोकप्रिय बायोमेट्रिक विधि है, ने उम्मीद के मुताबिक अपनाया नहीं है, शायद इसलिए कि फिंगरप्रिंट आईडी सिस्टम छोटे और सस्ते पहचान सतहों की आवश्यकता होती है। हालांकि, फुजित्सु ने 2016 में एक प्रमोटर अध्ययन तैयार किया जिसमें तर्क दिया गया कि पाम वेन पैटर्न पहचान सुरक्षा प्रणालियों के लिए एक बेहतर बायोमेट्रिक उपकरण है।

डेटासेट और परीक्षण

जीपीए-नेट, शोधकर्ताओं के अनुसार, हाथ पहचान का पहला एंड-टू-एंड प्रशिक्षित सिस्टम है। इसके नेटवर्क का केंद्रीय बैकबोन रेसनेट50 पर आधारित है जो इमेजनेट पर प्रशिक्षित है। इन्हें उनकी विभिन्न प्लेटफार्मों पर अच्छा प्रदर्शन करने की क्षमता के लिए चुना गया था, जिनमें गूगल इन्सेप्शन (एक गूगलनेट मॉड्यूल जो एक विकसित कन्वोल्यूशनल न्यूरल नेटवर्क में विकसित हुआ जो वस्तु पहचान और छवि विश्लेषण में माहिर है) शामिल हैं।

जीपीए-नेट फ्रेमवर्क का दो डेटासेट पर परीक्षण किया गया – 2016 का 11के हाथ सेट, जो कनाडा और मिस्र के शोधकर्ताओं के बीच एक सहयोग है; और हांगकांग पॉलिटेक्निक विश्वविद्यालय हाथ डोर्सल (एचडी) डेटासेट।

पाम डोर्सल सतह से नाबालिगों के नखून पैटर्न का उपयोग करके व्यक्तिगत पहचान पर एक विवरण, नखून पहचान पर केंद्रित।

11के डेटासेट में 190 पहचान विषय शामिल हैं, जिनमें आईडी, आयु, त्वचा का रंग, लिंग और अन्य कारकों के बारे में विभिन्न मेटाडेटा शामिल हैं। शोधकर्ताओं ने उन छवियों को बाहर कर दिया जिनमें गहने शामिल थे, क्योंकि वे अंततः विकृत आउटलियर के रूप में समाप्त हो जाएंगे। उन्होंने एचडी डेटासेट से उन छवियों को भी बाहर कर दिया जिनमें पर्याप्त स्पष्टता नहीं थी, क्योंकि आईडी मिलान एक अधिक संवेदनशील क्षेत्र है और अस्पष्ट डेटा एक बड़ा खतरा है।

जीपीए-नेट को पायटॉर्च डीप लर्निंग फ्रेमवर्क पर एक एकल एनवीडिया जीफोर्स आरटीएक्स 2080 टीआई जीपीयू पर 11जीबी के वीआरएएम के साथ चलाया गया था। मॉडल को क्रॉस-एंट्रोपी लॉस का उपयोग करके प्रशिक्षित किया गया था, और एक मिनी-बैच स्टोकास्टिक ग्रेडिएंट डेसेंट (एसजीडी) ऑप्टिमाइज़र। प्रशिक्षण 60 एपोक्स पर हुआ, जिसमें शुरुआती लर्निंग दर 0.02 थी, जिसे बाद में एक लर्निंग दर अनुसूचक द्वारा संभाला गया था जिसमें प्रत्येक 30 एपोक्स के लिए 0.1 का डिके फैक्टर था – प्रभावी रूप से प्रशिक्षण को धीमा कर दिया क्योंकि उच्च आयामी विशेषताएं जल्दी से एम्बेड हो जाती हैं, और प्रणाली को बाद में अधिक विस्तृत विवरण के लिए डेटा पर अधिक समय बिताने की आवश्यकता होती है।

मूल्यांकन संचयी मिलान विशेषताओं (सीएमसी) मीट्रिक के साथ मीन एवरेज प्रेसिजन (मैप) का उपयोग करके किया गया था।

शोधकर्ताओं ने पाया कि जीपीए-नेट रेसनेट50 पर प्रतिस्पर्धी विधियों को 24.74% रैंक-1 सटीकता और 37.82% मैप पर बेहतर प्रदर्शन करता है।

जीपीए-नेट सिस्टम के परीक्षण के गुणात्मक परिणाम। ऊपर से नीचे की पंक्तियां 11के सेट की दाएं डोर्सल पहचान, उसी की बाएं डोर्सल, उसी की दाएं पामर, और 11के और एचडी डेटासेट की बाएं पामर हैं। हरे और लाल बाउंडिंग बॉक्स सही और गलत मिलान को इंगित करते हैं।

शोधकर्ताओं का मानना है कि इस विधि में गंभीर अपराध के अपराधियों की पहचान के लिए ‘मजबूत संभावना’ है।