A Comparison between Backpropagation Neural Network and Seven Moments for More Accurate Fingerprint Video Frames Recognition

في العصر الحديث للتداخلات الإلكترونية ، ظهرت الحاجة إلى طرق أكثر أمانًا لحماية المعلومات الحيوية. كلمات السر هي بالفعل وسيلة بارزة وآمنة ، لكنها عرضة للنسيان ، خاصةً إذا كانت طويلة ومعقدة. الطريقة الأكثر فعالية هي استخدام بصمات الأصابع البشرية. بصمات الأصابع تكون وحيده من نوعها لكل شخص. لا يوجد شخصان لهما نفس البصمة حتى لو كانا توأم. هذا يجعلها طريقة آمنة للغاية والتي لا يمكن تكرارها أو نسيانها. الهدف من هذا البحث هو المقارنة بين الشبكه العصبيه ((BPNN و العزوم السبعه للتعرف على بصمات الأصابع بشكل أكثر دقة داخل إطارات الفيديو. الطريقة الأولى هي تطبيق "العزوم السبعه" والطريقة الثانية هي تطبيق الشبكه العصبيه) على نقاط الاهتمام المستخرجة من كل إطار. تم استخدام كاشف الزاوية SUSAN لاستخراج نقاط الاهتمام من كل إطار. تم تطبيق المقارنة على عدة عينات من إطارات الفيديو وأظهرت النتائج أن طريقة BPNN أثبتت أنها أكثر دقة حتى لو كانت بصمة الإبهام تحتوي على الكثير من البيانات المشوهة أو وحدات البكسل غير الواضحة. In this modern age of electronic interactions, more secure methods are required to protect vital information. Passwords are indeed a prominent and secure method, but they are subject to being forgotten, especially if they are long and complex. A more efficient way is the use of human fingerprints, which are unique to each person. No two people would have the same fingerprint even if they were a twin, which makes it a very secure method that cannot be duplicated or forgotten. This research aims to compare seven moments and backpropagation for more accurate fingerprint recognition within video frames. The first method is the "seven moments," and the second method is the Backpropagation Neural Network (BPNN), both applied to the interest points that are extracted from each frame. For extracting the interest points from each one of the frames, Smallest Univalue Segment Assimilating Nucleus (SUSAN), a corner detector, was employed. Multiple examples of video frames were used in comparison, and the findings demonstrated that the BPNN approach was more accurate even when the fingerprint had a significant amount of corrupted data or unclear image pixels.