kaz29Вестник Казахстанско-Британского технического университетаHerald of the Kazakh-British Technical University1998-66882959-8109Казахстанско-Британский Технический Университет10.55452/1998-6688-2026-23-3-298-311kaz29-3193Research ArticleКОМПЬЮТЕРНЫЕ НАУКИCOMPUTER SCIENCEРАЗРАБОТКА БИОМЕТРИЧЕСКОЙ СИСТЕМЫ ИДЕНТИФИКАЦИИ ЛИЧНОСТИ С ПРИМЕНЕНИЕМ ТЕХНОЛОГИЙ МАШИННОГО ОБУЧЕНИЯ ДЛЯ АНАЛИЗА ПАРАМЕТРОВ ЛАДОНИDEVELOPMENT OF A BIOMETRIC IDENTIFICATION SYSTEM USING MACHINE LEARNING TECHNOLOGIES TO ANALYZE PALM PARAMETERShttps://orcid.org/0000-0002-8307-9417ТасжурековаЖ. К.TaszhurekovaZh. K.

К.т.н., и.о.доцента

Тараз

Cand. Sc. (Tech.) Acting Associate Professor

Taraz

taszhurekova@mail.ruhttps://orcid.org/0000-0001-5509-8656КозыбаевД. Х.KozybayevD. H.

PhD

Астана

Cand. Sc. (Tech.) Acting Associate Professor

Astana

kozybayev_dkh@enu.kzhttps://orcid.org/0009-0000-8401-5434ТанирбергеновА. Ж.TanirbergenovA. Zh.

К.т.н., и.о. доцента

Астана

Cand. Sc. (Tech.) Acting Associate Professor

Astana

t.adilbek@mail.ruhttps://orcid.org/0000-0002-4131-8328АхметжановаШ. Е.AkhmetzhanovaSh. E.

К.т.н., и.о. доцента

Астана

Cand. Sc. (Tech.) Acting Associate Professor

Astana

sh.akhmetzhanova@astanait.edu.kzhttps://orcid.org/0000-0002-4683-7821АбдуваловаА. Д.AbduvalovaA. D.

К.т.н., и.о. доцента 

Тараз

Cand. Sc. (Tech.) Acting Associate Professor

Taraz

abduvalova_ad@mail.ruТаразский региональный университет им. М.Х. ДулатиКазахстанTaraz Regional University named after M.Kh. DulatyKazakhstanЕвразийский национальный университет им. Л.Н. ГумилеваКазахстанL.N. Gumilyov Eurasian National UniversityKazakhstanAstana IT universityКазахстанAstana IT universityKazakhstan202626092026233298311Copyright © Тасжурекова Ж.К., Козыбаев Д.Х., Танирбергенов А.Ж., Ахметжанова Ш.Е., Абдувалова А.Д., 20262026Тасжурекова Ж.К., Козыбаев Д.Х., Танирбергенов А.Ж., Ахметжанова Ш.Е., Абдувалова А.Д.Taszhurekova Z.K., Kozybayev D.H., Tanirbergenov A.Z., Akhmetzhanova S.E., Abduvalova A.D.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://vestnik.kbtu.edu.kz/jour/article/view/3193

В данной статье рассматриваются вопросы разработки биометрической системы идентификации личности на основе анализа параметров ладони с применением технологий машинного обучения. Актуальность исследования обусловлена необходимостью обеспечения информационной безопасности, контроля доступа и надежной идентификации пользователей. Поскольку ладонь как биометрический идентификатор обладает высокой степенью индивидуальности, ее анатомические особенности – контуры пальцев, текстура кожи, линии ладони и расположение кровеносных сосудов – использованы в качестве эффективных признаков для распознавания личности. В ходе исследования для автоматического выделения значимых биометрических областей на изображениях ладони была применена модель ROI-LANet. Данная модель обеспечивает точную локализацию ключевых точек ладони, выравнивание изображения и выделение области интереса (ROI). Для классификации пользователей на основе полученных ROI использовалась глубокая сверточная нейронная сеть ResNet18. Модель, основанная на остаточных блоках, позволяет эффективно распознавать сложные биометрические признаки и повышать точность классификации. Экспериментальные результаты подтвердили высокую точность и устойчивость предложенной системы. В ходе испытаний точность идентифика ции составила около 97%. Кроме того, система продемонстрировала устойчивость к изменениям условий освещения и угла съемки. Полученные результаты свидетельствуют о высоком потенциале практического применения разработанной биометрической системы в системах безопасности, контроле доступа и проверке транзакций.

This article addresses the development of a biometric personal identification system based on palm parameter analysis using machine learning technologies. The relevance of the study is determined by the need to ensure information security, access control, and reliable user identification. Since the palm as a biometric identifier possesses a high degree of individuality, its anatomical features–such as finger contours, skin texture, palm lines, and blood vessel patterns–are used as effective characteristics for personal recognition. In the course of the study, the ROI-LANet model was employed to automatically identify significant biometric regions in palm images. This model enables accurate localization of key palm points, image alignment, and extraction of regions of interest (ROI). User classification based on the extracted ROI was performed using the deep convolutional neural network ResNet18. The residual block-based architecture allows efficient recognition of complex biometric features and improves classification accuracy. Experimental results demonstrated that the proposed system achieves high accuracy and stability. During testing, the identification accuracy reached approximately 97%. In addition, the system showed robustness to variations in lighting conditions and image acquisition angles. The obtained results indicate a high potential for practical application of the developed biometric system in security systems, access control, and transaction verification.

биометрическая идентификациямашинное обучениеладоньсверточные нейронные сетиROI-LAnetResNet18параметры ладониконтроль доступаверификацияbiometric identificationmachine learningpalmconvolutional neural networksROI-LAnetResNet18palm parametersaccess controlverificationReferencesДевицына С.Н., Елецкая Т.А., Балабанова Т.Н., Гахова Н.Н. Разработка интеллектуальной системы биометрической идентификации пользователя // Экономика. Информатика. – 2019. – № 1. – URL: https://cyberleninka.ru/article/n/razrabotka-intellektualnoy-sistemy-biometricheskoyidentifikatsii-polzovatelya (дата обращения: 09.10.2024).Devitsyna, S.N., Eletskaya, T.A., Balabanova, T.N., Gakhova, N.N. Razrabotka intellektual’noy sistemy biometricheskoy identifikatsii pol’zovatelya [Development of an Intelligent User Biometric Identification System]. Ekonomika. Informatika, (1) (2019). Available at: https://cyberleninka.ru/article/n/razrabotkaintellektualnoy-sistemy-biometricheskoy-identifikatsii-polzovatelya (accessed: 09.10.2024). (in Russian).Маркелов К.С. Идентификация и верификация личности – комплексная биометрическая информационная технология // International Journal of Open Information Technologies. – 2015. – № 5. – URL: https://cyberleninka.ru/article/n/identifikatsiya-i-verifikatsiya-lichnosti-kompleksnaya-biometricheskayainformatsionnaya-tehnologiya (дата обращения: 09.10.2024).Markelov, K.S. Identifikatsiya i verifikatsiya lichnosti – kompleksnaya biometricheskaya informatsionnaya tekhnologiya [Personal Identification and Verification – Complex Biometric Information Technology]. International Journal of Open Information Technologies, (5) (2015). Available at: https://cyberleninka.ru/article/n/identifikatsiya-i-verifikatsiya-lichnosti-kompleksnaya-biometricheskayainformatsionnaya-tehnologiya (accessed: 09.10.2024). (in Russian).Маркелов К.С., Нечаев В.В. Идентификация и верификация человека в системах телеобучения: биометрические методы // Образовательные ресурсы и технологии. – 2015. – № 2 (10). – URL: https://cyberleninka.ru/article/n/identifikatsiya-i-verifikatsiya-cheloveka-v-sistemah-teleobucheniyabiometricheskie-metody (дата обращения: 09.10.2024).Markelov, K.S., Nechaev, V.V. Identifikatsiya i verifikatsiya cheloveka v sistemakh teleobucheniya: biometricheskie metody [Human Identification and Verification in Distance Learning Systems: Biometric Methods]. Obrazovatel’nye resursy i tekhnologii, (2 (10)), (2015). Available at: https://cyberleninka.ru/article/n/identifikatsiya-i-verifikatsiya-cheloveka-v-sistemah-teleobucheniya-biometricheskie-metody (accessed: 09.10.2024). (in Russian).Якубов Н. Преимущества биометрических методов идентификации человека // Современная электроника и технологии автоматизации (СТА). – 2019. – № 4. – С. 16–22. – URL: https://www.cta.ru/articles/cta/obzory/tekhnologii/124324/ (дата обращения: 01.02.2026).Yakubov, N. Preimushchestva biometricheskikh metodov identifikatsii cheloveka [Advantages of Biometric Human Identification Methods]. Sovremennaya elektronika i tekhnologii avtomatizatsii (STA), (4), 16–22 (2019). Available at: https://www.cta.ru/articles/cta/obzory/tekhnologii/124324/ (accessed: 01.02.2026). (in Russian).Begum N., Mustafa A.S. A novel approach for multimodal facial expression recognition using deep learning techniques // Multimedia Tools and Applications. – 2022. – Vol. 81. – P. 18521–18529. – https://doi.org/10.1007/s11042-022-12238-y.Begum, N., and Mustafa, A.S. A novel approach for multimodal facial expression recognition using deep learning techniques. Multimedia Tools and Applications, 81, 18521–18529 (2022). https://doi.org/10.1007/ s11042-022-12238-yRusia M.K., Singh D.K. A comprehensive survey on techniques to handle face identity threats: challenges and opportunities // Multimedia Tools and Applications. – 2022. – https://doi.org/10.1007/s11042-022-13248-6.Rusia, M.K., and Singh, D.K. A comprehensive survey on techniques to handle face identity threats: challenges and opportunities. Multimedia Tools and Applications (2022). https://doi.org/10.1007/s11042-022-13248-6Wu C., Nabil S., Zhou S. et al. Gram Matrix-Based Convolutional Neural Network for Biometric Identification Using Photoplethysmography Signal // Journal of Shanghai Jiaotong University (Science). – 2022. – https://doi.org/10.1007/s12204-022-2426-5.Wu, C., Nabil, S., Zhou, S. et al. Gram Matrix-Based Convolutional Neural Network for Biometric Identification Using Photoplethysmography Signal. Journal of Shanghai Jiaotong University (Science) (2022). https://doi.org/10.1007/s12204-022-2426-5Корсун О.Н., Юрко В.Н. Оценивание состояния оператора по изображению лица на основе глубоких сверточных нейронных сетей // Сборник докладов XVI Всероссийской научно-технической конференции «Научные чтения по авиации». – М.: ВВИА им. Жуковского, 2019. – С. 266–270.Korsun, O.N., Yurko, V.N. Otsenivanie sostoyaniya operatora po izobrazheniyu litsa na osnove glubokikh svertochnykh neyronnykh setey [Assessment of the Operator’s Condition Based on Facial Images Using Deep Convolutional Neural Networks]. Sbornik dokladov XVI Vserossiyskoy nauchno-tekhnicheskoy konferentsii «Nauchnye chteniya po aviatsii» (Moscow: VVIA im. Zhukovskogo, 2019), pp. 266–270. (in Russian).Гудков В.Ю. Метод параллельных цепей для распознавания изображений отпечатков пальцев // Системы и средства информатики. – 2013. – Т. 23, № 2. – С. 35–49.Gudkov, V.Yu. Metod parallel’nykh tsepey dlya raspoznavaniya izobrazheniy otpechatkov pal’tsev [Method of Parallel Chains for Fingerprint Image Recognition]. Sistemy i sredstva informatiki, 23 (2), 35–49 (2013). (in Russian).Кухарев Г. А. Биометрические системы: Методы и средства идентификации личности человека. – СПб.: Политехника, 2001. – 240 с.Kukharev, G.A. Biometricheskie sistemy: Metody i sredstva identifikatsii lichnosti cheloveka [Biometric Systems: Methods and Means of Human Personality Identification] (St. Petersburg: Politekhnika, 2001), 240 p. (in Russian)

The authors declare that there are no conflicts of interest present.