kaz29Вестник Казахстанско-Британского технического университетаHerald of the Kazakh-British Technical University1998-66882959-8109Казахстанско-Британский Технический Университет10.55452/1998-6688-2021-18-2-39-44kaz29-82Research ArticleФИЗИКО-МАТЕМАТИЧЕСКИЕ И ТЕХНИЧЕСКИЕ НАУКИPHYSICAL, MATHEMATICAL AND TECHNICAL SCIENCESБИОМЕТРИЧЕСКАЯ ИДЕНТИФИКАЦИЯ ЛИЧНОСТИ ПО НЕСКОЛЬКИМ ПАРАМЕТРАМBIOMETRIC IDENTIFICATION OF A PERSON BY SEVERAL PARAMETERShttps://orcid.org/0000-0002-9290-6074ЗиятбековаГ. З.ZiyatbekovaG. Z.

050000, Алматы

Ziyatbekova Gulzat Ziyatbekkyzy - Doctor PhD, Art. Lecturer of the Department of Information Systems, Faculty of Information Technologies

050000, Almaty

ziyatbekova@mail.ruАлиаскарМ. С.AliaskarM. S.

050000, Алматы

Aliaskar Magzhan Sundetovich - 2nd year PhD student

050000, Almaty

87019931011@mail.ruhttps://orcid.org/0000-0002-2565-3812AбжалиловаА. А.AbzhalilovaA. A.

050000, Алматы

Abjalilova Aisha Akhmetkyzy - 2nd year Master student

050000, Almaty

aishakz_97@mail.ruMонтаеваД. Н.MontaevaD. N.

050000, Алматы

Montaeva Diana Narynbekovna - 2nd year Master student

050000, Almaty

dianamonti24@gmail.comTурлыбековаА. Н.TurlybekovaA. N.

050000, Алматы

Turlybekova Arailym Nurzhanovna - 2nd year Master student

050000, Almaty

araylym.turlybekova@samgau.comИнститут Информационных и Вычислительных технологий; Казахский Национальный аграрный исследовательский университетКазахстанInstitute of Information and Computational Technologies; Kazakh National Agrarian universityKazakhstanИнститут Информационных и Вычислительных технологий; Казахский Национальный университет имени аль-ФарабиКазахстанInstitute of Information and Computational Technologies; Al-Farabi Kazakh National universityKazakhstanКазахский Национальный университет имени аль-ФарабиКазахстанAl-Farabi Kazakh National universityKazakhstan2021041120211823944Copyright © Зиятбекова Г.З., Алиаскар М.С., Aбжалилова А.А., Mонтаева Д.Н., Tурлыбекова А.Н., 20212021Зиятбекова Г.З., Алиаскар М.С., Aбжалилова А.А., Mонтаева Д.Н., Tурлыбекова А.Н.Ziyatbekova G.Z., Aliaskar M.S., Abzhalilova A.A., Montaeva D.N., Turlybekova A.N.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/82

Статья посвящена разработке системы биометрической идентификации человека по лицу, отпечаткам пальца и голосу. В качестве информативных признаков биометрической идентификации человека по лицу использованы двумерные и трехмерные характеристики лица человека, учитывающие площадь и объем. Для учета таких явлений, как сдвиг портрета, разный масштаб фотографий и наклон идентифицируемого лица разработан сложный алгоритм идентификации.

Для биометрической идентификации человека по отпечаткам пальцев использован сканер FPM10A и микроконтроллер Arduino. Идентификационные признаки основаны на анализе строения папиллярных узоров на пальца: тип и вид папиллярного узора; направление и крутизна потоков папиллярных линий; строение центрального рисунка узора; строение дельты; количество папиллярных линий между центром и дельтой и множество других признаков.

Другой тип признаков — локальные. Их также называют минуциями (особенностями или особыми точками) — уникальные признаки присущие только конкретному отпечатку, определяющие пункты изменения структуры папиллярных линий (окончание, раздвоение, разрыв и т.д.), ориентацию папиллярных линий и координаты в этих пунктах. Каждый отпечаток может содержать до 70 и более минуций.

Для биометрической идентификации человека по голосу использованы алгоритмы MFCC и PLP для цифровой обработки и анализа аудиозаписей. Для акустического анализа речи применены различные алгоритмы: скрытые марковские модели, модель смеси гауссовских распределений. Получен результат определения тональности речи и содержательности речи для целей идентификации по голосу. На СУБД Visual FoxPro разработана «Многопараметрическая автоматизированная система биометрической идентификации личности».

The article is devoted to the development of a system of biometric identification of a person by face, fingerprints and voice. Two-dimensional and three-dimensional characteristics of a person's face, taking into account area and volume, were used as informative signs of biometric identification of a person by face. A complex identification algorithm has been developed to account for such phenomena as portrait shift, different photo scales, and the tilt of the identified face. The FPM10A scanner and the Arduino microcontroller are used for biometric identification of a person by fingerprints.

Identification signs are based on the analysis of the structure of papillary patterns on the finger: type and type of papillary pattern; direction and steepness of streams of papillary lines; the structure of the central pattern of the pattern; delta structure; the number of papillary lines between the center and the delta and many other signs. Another type of feature is local. They are also called minutiae (features or special points) — unique features inherent only in a particular print, determining the points of change in the structure of papillary lines (end, split, break, etc.), the orientation of papillary lines and coordinates at these points. Each print can contain up to 70 or more minutations.

For biometric identification of a person by voice, MFC and PLP algorithms for digital processing and analysis of audio recordings are used. Various algorithms are used for acoustic speech analysis: hidden Markov models, a model of a mixture of Gaussian distributions. The result of determining the tone of speech and the content of speech for the purposes of voice identification is obtained.

The Visual FoxPro DBMS has developed a «multiparametric automated system for biometric identification of an individual».

защита информациидвухмерное и трехмерное изображениеидентификацияпапиллярные узорыхарактеристика голосачеловеческая речьакустическое моделированиеinformation securitytwo-dimensional and three-dimensional imageidentificationpapillary patternsvoice characteristicshuman speechacoustic modelingThe work was carried out at the expense of grant funding for research for 2020-2022 under the project №AP08856579 «Development of scientific and technological approaches to the production and study of the properties of silicon nanostructures decorated with carbon nanoparticles for modern nanophotonics and sensorics» at the Institute of Information and Computational Technologies, the Committee of science of the Ministry of Education and Science of the Republic of Kazakhstan.ReferencesG.A. Buzov. Practical guide to identifying special technical means of unauthorized obtaining of information. – М.: Hot line – Telecom, 2010. – 240 p.G.A. Buzov. Practical guide to identifying special technical means of unauthorized obtaining of information. – М.: Hot line – Telecom, 2010. – 240 p.U.F. Katorin, A.V. Razumovskiy, A.Y. Spivak. Protection of information by technical means. Saint Petersburg: NRU ITMO, 2012. – 416 p.U.F. Katorin, A.V. Razumovskiy, A.Y. Spivak. Protection of information by technical means. Saint Petersburg: NRU ITMO, 2012. – 416 p.R.M. Bolle, J.H. Connel, S. Pankanti, N.K. Ratha, A.W. Senior. Guide to Biometrics, SprinterVerlag New York, 2004.R.M. Bolle, J.H. Connel, S. Pankanti, N.K. Ratha, A.W. Senior. Guide to Biometrics, SprinterVerlag New York, 2004.S. Crihalmeanu, A. Ross. Multispectral sclera patterns for ocular biometric recognition, Pattern Recognition. Lett. 33 (2012)1860–1869.S. Crihalmeanu, A. Ross. Multispectral sclera patterns for ocular biometric recognition, Pattern Recognition. Lett. 33 (2012)1860–1869.V.B. Klepinin, T.P. Agafonov. Visual FoxPro 9.0. The most complete guide. – Saint Petersburg.: BHV-Petersburg, 2007. – 1216 p.V.B. Klepinin, T.P. Agafonov. Visual FoxPro 9.0. The most complete guide. – Saint Petersburg.: BHV-Petersburg, 2007. – 1216 p.S. A. Ayvazyan, V. M. Buchberger, I. S. Enyukov, L. D. Meshalkin. Applied statistics. Classification and dimensionality reduction. – М.: Finance and statistics, 1989. – 607 p.S. A. Ayvazyan, V. M. Buchberger, I. S. Enyukov, L. D. Meshalkin. Applied statistics. Classification and dimensionality reduction. – М.: Finance and statistics, 1989. – 607 p.V. A. Petin. Projects using the Arduino controller. – Saint Petersburg.: BHV-Petersburg, 2016. – 464 p.V. A. Petin. Projects using the Arduino controller. – Saint Petersburg.: BHV-Petersburg, 2016. – 464 p.Tan and B. Bhanu. Robust fingerprint identification, in International Conference on Image Processing 2002. – Vol. 1. – IEEE. Р. 1-277.Tan and B. Bhanu. Robust fingerprint identification, in International Conference on Image Processing 2002. – Vol. 1. – IEEE. Р. 1-277.Ethan Rublee, Vincent Rabaud, Kurt Konolige, Gary Bradski: «ORB: an efficient alternative to SIFT or SURF», Computer Vision (ICCV), IEEE International Conference on IEEE, 2011. – Р. 2564-2571.Ethan Rublee, Vincent Rabaud, Kurt Konolige, Gary Bradski: «ORB: an efficient alternative to SIFT or SURF», Computer Vision (ICCV), IEEE International Conference on IEEE, 2011. – Р. 2564-2571.Dzmitry Bahdanau, Kyunghyun Cho, and Yoshua Bengio. Neural machine translation by jointly learning to align and translate. CoRR, abs/1409.0473, 2014.Dzmitry Bahdanau, Kyunghyun Cho, and Yoshua Bengio. Neural machine translation by jointly learning to align and translate. CoRR, abs/1409.0473, 2014.

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