Biometrics

Lecture (6)

➢ Positive identification , Negative identification :

database ‫ هو لو عايزين نتاكد ان الشخص موجود فى ال‬Positive identification -

‫فى ال‬ ‫ هو لو عايزين نتاكد ان الشخص غير مسجل‬Negative identification -
database

➢ Common Biometric Processes :

✓ Matching process of two phases:

1) Acquisition and comparison of biometric sample
2) Decision as to whether to accept or reject the input as authentic

: ‫ و هى‬match ‫ فى عمليه ال‬two phases ‫ عندنا‬-

‫ و تلك الخطوه‬, database ‫ المحفوظه فى ال‬sample ‫) التقاط الصوره و مقارنتها بال‬1
biometric type ‫تعتمد على‬

‫ و تلك الخطوه ال تعتمد على‬, accept or reject ‫) اتخاذ القرار سؤاء انه يكون‬2
biometric type

➢ Components of matching process :

#Scope 8
 ‫ تعتمد على‬match ‫ حتى عمليه ال‬Acquisition ‫ من اول ال‬system ‫ جميع خطوات ال‬-
)specific to biometric type( type of biometric

type of biometric ‫ ال تعتمد على ال‬similarity score ‫ عمليه اتخاذ القرار بناء على ال‬-
)Independent of biometric type(

: modalities ‫ الى‬biometric system ‫ الخاص باى‬performance ‫ لحساب ال‬-

, ROC graph , score histogram ‫ زى ال‬graph ‫من الممكن استخدام اكتر من‬
)Equal Error graph( EER

➢ System performance graphs score histogram :

#Scope 8
 performance ‫ التى تستخدم لقياس ال‬graph ‫ هى احد ال‬score histogram ‫ ال‬-
biometric system ‫الخاص باى‬

‫ و هو‬, range of similarity score ‫ او‬range of score ‫ هو‬x axis ‫ حيث ان‬-
frequency of ‫ هو‬y axis ‫ و‬matching algorithm ‫ ل‬output ‫عباره عن ال‬
scores

‫ اتكرر كام مره‬score ‫ والرسم عباره عن ارسم كل‬-

‫ الخاصه بهم‬score ‫ الن قيم ال‬genuine ‫ تعبر عن ال‬black bars ‫ هنا فى الرسم ال‬-
‫ الخاصه بهم صغير‬score ‫ الن قيم ال‬imposter ‫ تعبر عن ال‬white bars ‫ و ال‬, ‫كبير‬

match ‫ او بين ال‬white bars ‫ و ال‬black bars ‫ بين ال‬overlap ‫ و هناك منطقه ال‬-
system ‫ اقل ما يمكن معناه ان ال‬overlap ‫ كل لما يكون ال‬, mismatch ‫و ال‬
imposter ‫ و ال‬genuine ‫ بيقدر يفصل كويس بين ال‬decision ‫الخاص بينا من ناحيه ال‬

➢ Biometric Authentication : Fingerprint sensor on laptop:

#Scope 8
‫‪• Enrollment‬‬
‫‪- use password with permission to associate biometric with then log‬‬
‫‪in information‬‬

‫‪- Store template‬‬

‫)‪- Failure to enroll (FTE‬‬

‫‪ -‬عندنا هنا نظام ‪ fingerprint‬خاص ب ‪ , laptop‬قبل عمليه ال ‪ enrollment‬الزم ال‬

‫‪ user‬يثبت نفسه عن طريق ادخال ال ‪ password‬اوال‬

‫‪ -‬بعدها هتم عمليه ال ‪ enrollment‬و فيها ال ‪ user‬يسجل ال ‪ fingerprint‬الخاص بيه مره‬

‫او اكثر من مره لكى يسجل كل التفاصيل ‪ ,‬و يتم تخزين كل التفاصيل فى صوره ‪ template‬فى‬
‫ال ‪ , database‬علشان لما يجى ال ‪ user‬يدخل تانى على ال ‪ system‬هيتم مقارنه الصوره‬
‫الداخل بال ‪ template‬او ال ‪ reference‬الموجود فى ال ‪DB‬‬

‫‪ -‬عندنا بعض المشاكل التى ممكن ان تكون فى ال ‪ system‬زى ال ‪ : FTE‬و هى حدوث‬

‫مشكله فى الصوره الماخوذ فى عمليه ال ‪ enrollment‬و بالتالى يحصل مشكله و هو جاى‬
‫يدخل على ال ‪system‬‬

‫‪• To access computer‬‬

‫‪- If similarity score is high , user is allowed to proceed‬‬

‫‪- If similarity score is low , user is not allowed to proceed‬‬

‫‪ -‬ال ‪ user‬هيروح يدخل على ‪ laptop‬الخاص بيه ‪ ,‬هيروح على ال ‪ sensor‬و يدخل صوره‬
‫‪ fingerprint‬و هناخذ منها ‪ features‬و هنقارن بينها و بين ال ‪ template‬الموجود فى ال‬

‫‪#Scope 8‬‬
‫‪( DB‬المخزن اثناء عمليه ال ‪ ) enrollment‬و ينتج عنها ‪matching or similarity‬‬
‫‪( score‬و يمكن تسميته ب ‪ genuine score‬عندما يكون لل ‪ , correct user‬و‬
‫‪ score imposter‬عندما يكون لل ‪) incorrect user‬‬

‫‪ -‬اذا كانت قيمه ال ‪ high <--- score‬يكون شخص ‪ , genuine‬و اذا كانت قيمه ال ‪score‬‬
‫‪ low <---‬يكون شخص ‪imposter‬‬

‫? ‪➢ Why correct user is rejected‬‬

‫‪ -‬المفروض الشخص ال ‪ correct‬يكون ال ‪ score‬الخاص بيه ‪ high‬لكن فى بعض االحيان‬

‫يكون الشخص ‪ correct‬يكون ال ‪ score‬الخاص بيه ‪ low‬فيحصل له ‪false reject‬‬
‫رفض بالخطا ‪ .‬طيب ليه؟!‬

‫‪1) fingerprint sample is poor quality‬‬

‫‪• False reject‬‬
‫)‪• The False Rejected Rate(FRR‬‬

‫‪ -‬من الممكن ان تكون ال ‪ sample‬ذات ‪ quality‬سئ ‪ ,‬زى ان الشخص لم يضع ال ‪finger‬‬

‫على ال ‪ sensor‬بشكل صحيح‬

‫‪ -‬ممكن نحسب ال ‪ FRR‬و هو معدل ال ‪ users‬الذى حصل لهم رفض بشكل خطا ( ‪False‬‬
‫‪)reject‬على ال ‪system‬‬

‫‪2) fingerprint quality is bad‬‬

‫)‪• Failure to acquire (FTE‬‬

‫‪ -‬ان ال ‪ user‬لم يضغط بشكل صحيح على ‪ sensor‬فادى ان اخذنا ‪ sample‬بها اخطاء ‪ ,‬و‬
‫يمكن حساب ال ‪ FTE‬و هى نسبه الخطا الموجوده فى الصوره التى تم التقاطها‬

‫‪#Scope 8‬‬
3) Different biometric characteristics
• Imposter match

‫ و عندما‬right hand ‫ من ال‬finger ‫ مثال ب‬enrollment ‫ اثناء عمليه ال‬user ‫ ان ال‬-

‫ و هكذا تكون ال‬, left hand ‫ من ال‬finger ‫ استخدم‬system ‫جاء ليدخل على ال‬
‫ مختلف‬characteristics

4) weakness of matching algorithms

‫ ضعيف‬matching algorithm ‫ استخدام‬-

➢ Why Incorrect user is accepted ?

‫ لكن فى بعض االحيان‬low ‫ الخاص بيه‬score ‫ يكون ال‬incorrect ‫ المفروض الشخص ال‬-
false accept ‫ فيحصل له‬high ‫ الخاص بيه‬score ‫ يكون ال‬correct ‫يكون الشخص‬
!‫ طيب ليه؟‬. ‫قبول بالخطا‬

1) imposter fingerprint look similar to enrolled one

• False Accept
• False Accept rate (FAR)

template ‫ شبه اى ال‬imposter ‫ الخاص بالشخص ال‬fingerprint ‫ ان يكون ال‬-

extract feature algorithm ‫ ممكن نحل المشكله دى باستخدام‬, DB ‫الموجوده فى ال‬
imposter ‫ و ال‬genuine ‫ مميزه بين ال‬features ‫افضل لياخذ‬

‫ الذى حصل لهم قبول بشكل خطا‬users ‫ و هو احتمال او عدد ال‬FAR ‫ ممكن نحسب ال‬-
system ‫)على ال‬False accept(

2) Spoofing
biometric ‫ لتزوير ال‬artificial biometric ‫ ان الشخص استخدم‬-

#Scope 8
3) Weakness of matching algorithm
‫ ضعيف‬matching algorithm ‫ استخدام‬-

➢ Options on impostor and genuine depending on score:

4 ‫ تم شرح هذا الجدول بالتفصيل فى المحاضره‬-

➢ Setting a threshold :

- To determine Optimal Value , do testing , with genuine user and

imposter , to establish score ranges of algorithm for each matching
type

‫ له التى‬optimal value ‫ نحاول ان ندور على‬, ‫ المستخدم التخاذ القرار‬threshold ‫ فى ال‬-

genuine ‫ و يقبل كل ال‬imposter ‫ يرفض كل ال‬system ‫تجعل ال‬

#Scope 8
‫‪➢ Equal Error Graph (EEG) :‬‬

‫‪ -‬يستخدم ال ‪ Equal error graph‬هى احد ال ‪ graph‬التى تستخدم لتحديد ‪optimal‬‬

‫‪ value‬لل ‪ threshold‬و حساب ال ‪ performance‬الخاص باى ‪biometric system‬‬

‫‪ -‬حيث ان ‪ x axis‬هو ال ‪ ranges‬المختلف او الممكن لل ‪ threshold‬و ‪ y axis‬هو‬

‫ال ‪( error‬سؤاء كان ‪)FAR , FRR‬‬

‫‪ -‬ال ‪ 2 curve‬الموجودين فى الرسمه ‪ ,‬احدهم يعبر عن ال ‪( FAR‬و يتم تسميتها هنا بال‬
‫‪ )false match rate‬و االخر يعبر عن ال ‪( FRR‬و يتم تسميتها هنا بال ‪false non‬‬
‫‪)match rate‬‬

‫‪ -‬ال ‪ : EER‬هى نقطه التى تتساوى فيها قيمه ال ‪ FMR‬مع ال ‪ FNMR‬او هى نقطه تقاطع‬
‫ال ‪ 2 curves‬مع بعض‬

‫‪ -‬من الصور التالى ‪ ,‬ممكن نعرف ال ‪ optimal value‬لل ‪threshold‬‬

‫‪#Scope 8‬‬
➢ Biometric Authentication: Card door access

face recognition ‫ مع ال‬card ‫ حيث انه بيدخل بال‬, ‫ لدخول باب‬system ‫ عندنا هنا‬-
‫ هيكون كام؟‬optimal value of threshold ‫ و عايز اعرف ال‬,

1. Matching Data
- 10 access cards are used
- each person in test presents their cards , labeled (A-J) to the door

#Scope 8
‫‪ -‬الداتا عندنا ل ‪ , 10 users‬لسهوله تطبيق الخطوات و لكن نفس الخطوات التى تطبق على‬
‫عدد صغير تطبق على عدد كبير‬

‫‪ -‬كل واحد فيهم من (‪ 1‬ل ‪ )10‬يحمل ‪( card‬من ‪ A‬ل ‪)J‬‬

‫’‪▪ score = 1 ‘Certainly different person‬‬

‫‪▪ score =3‬‬ ‫’‪‘Unsure‬‬
‫‪▪ Score=5 ‘Certainly same person’.‬‬
‫’‪▪ Match cannot be done = ‘fail‬‬
‫‪ -‬فرض ان ال ‪ range of score‬من ‪ 1‬ل ‪ , 5‬حيث ان اعلى قيمه ‪ 5 = score‬تعبر عن ال‬
‫‪ genuine‬و اقل قيمه ‪ 1 = score‬تعبر عن ال ‪ imposter‬و ال ‪ 3= score‬مش‬
‫عارف احدد هل هو ‪ imposter‬وال ‪genuine‬‬

‫‪ -‬هذه الصور الداخل اثناء عمليه ال ‪ enrollment‬و ال ‪verification‬‬

‫‪#Scope 8‬‬
2. Ground Truth

- first four images (labeled A-D) are genuine

- remainder (labeled E-J) are imposter

‫ حيث ان‬, ground truth ‫ على الصور السابق طلع عندنا‬system ‫ و لما طبقنا ال‬-
‫ قال عليهم‬J ‫ ل‬E ‫ و االشخاص من‬genuine ‫ قال عليهم انهم‬D ‫ ل‬A ‫االشخاص من‬
imposter

‫ الخاص بكل واحد فيهم‬matching score ‫ و ال‬10 users ‫ فى الجدول السابق فيه ال‬-
B ‫ ماعدا الشخص‬high score ‫) اخذوا‬D ‫ ل‬A ‫ (من‬genuine ‫حيث ان االشخاص ال‬
fail ‫ كان‬E ‫ و‬, F ‫ ماعدا‬low score ‫) اخذوا‬J ‫ ل‬E ‫ (من‬imposter ‫و االشخاص ال‬

optimal value of threshold ‫ هدفنا دلوقتى هو ايجاد ال‬-

#Scope 8
 score ‫ او عدد مرات تكرار لكل‬frequency ‫ هنبدا نحسب ال‬-

3. Calculating Error Rates and graph

✓ performance rate
- the total number of genuine matches (4)
- the total number of imposter matches (6)

‫ مع االخذ فى االعتبار ان عدد الكلى لل‬, performance rate ‫ هنبدا نحسب ال‬-
6 = imposter ‫ و ان العدد الكلى لل‬4=genuine

‫ فى‬imposter ‫ و نقسم كل قيمه‬, 4 / ‫ فى الجدول السابق‬genuine ‫هنبدا نقسم كل قيمه‬

6 / ‫الجدول السابق‬

#Scope 8
‫ كل مره من‬threshold ‫ عن طريق ان هناخذ ال‬, FAR ‫ و ال‬FRR ‫ هنبدا نحسب ال‬-
FRR , FAR ‫) و احسب كل مره قسمه ال‬5 ‫ ل‬1( range

‫ بتعهم اقل من‬score ‫ القيمه ال‬genuine ‫) = عدد االشخاص ال‬FNMR( FRR

total number of genuine / threshold

‫ بتعهم اكبر من او تساوى‬score ‫ القيمه ال‬imposter ‫) = عدد االشخاص ال‬FMR( FAR

total number of genuine / threshold

➢ Equal Error Graph Match Rates:

FRR , FAR ‫ مع ال‬threshold ‫ هنبدا نرسم قيمه كل‬-

3.6 = (2 graphs ‫ )نقطه تقاطع ال‬EER ‫ قيمه ال‬-

‫ حسب االحتياج‬optimal threshold ‫ هنحدد قيمه ال‬-

#Scope 8
 ‫‪ -‬ملحوظه مهم ‪:‬‬
‫كل الجزء السابق تم شرحه فى المحاضره ‪ 4‬و لكن الن هذا الجزء تم شرح مره‬
‫اخرى فى الفديوهات ببعض التفصيل المختلف قليال جدا فتم كتابه مره اخر بهذه‬
‫التفاصيل‬

‫‪➢ Biometric Data Examples :‬‬

‫‪ -‬لو كانت ال ‪ quality of sample‬قليله ‪ ,‬بالتالى هتكون قيمه ال ‪ performance‬قليله‬

‫و ‪bad‬‬
‫‪ -‬لو عايز اوصل ل ‪ good system‬الزم استخدم ‪good quality samples‬‬

‫‪ -‬اسباب ال ‪ poor quality samples‬هى ‪:‬‬

‫)‪1) Distortions(Elastic - inelastic‬‬

‫‪#Scope 8‬‬
 : ‫ و منها نوعين هم‬, ‫ التشوهات‬-
dilated pupil , stretched skin ‫) زى‬non linear ‫ (و هو‬Elastic .1

‫ زى‬inelastic .2
distance, translation and rotation of objects relative to
the sensing equipment

2) Occlusions
- Occlusion, where part of the biometric cannot be sensed due
to obstruction, can be be caused by body parts, shadows,
clothing

‫ كويس بسبب كان فى‬sensing ‫ مقدرناش نعمل له‬biometric ‫ ان جزء من ال‬-

‫ بتعتنا‬features ‫ مغطى على ال‬body parts shadow

3) Medical (behavior , degradation , complete loss)

- Some medical conditions result in a reduced ability to read

the biometric Sample

- This may be due to behavioral reasons (e.g. blindness

leading to difficulties operating equipment), a degradation of
the biometric characteristic (e.g. a sore throat altering one’s
voice biometric) or the complete loss of a biometric (e.g. a
missing finger)

‫ الناس مش بتفضل استخدامه زى ان‬biometric ‫ سلوك يعنى نوع‬: ‫ انواع هم‬3 ‫ منها‬-
، ‫ العندنا‬equipment ‫ معين تؤدى لوجود صعوبه التعامل مع ال‬blind ‫الناس عندها‬
‫ حدث لها خلل عند شخص زى مشكله زى احتقان فى الزور‬biometric ‫تدهور تعنى‬
lose finger ‫ زى‬biometric‫ خسارة كاملة يعنى فقدان ال‬،

#Scope 8
4) Antiquity (Age)

- process of aging can cause an enrolled biometric to differ

from the verification sample
biometric ‫ تغير العمر يؤدى احيانا لحدوث تغير فى ال‬-

5) Clothing
- Clothing such as hats, glasses and contact lens can obscure
or introduce sample artifacts.
contact lens ‫ او‬hat ‫ زى ارتداء نظاره او حقيبه او‬-

6) environment (noise)
- The environment can affect acquisition of a biometric through
the introduction of noise and additional artifacts.
‫ فى البيئه‬noise ‫ اى‬-

7) Ergonomics

- Examples of this include fixed height iris systems where tall

or short people have difficulty using the system
or fingerprint sensors that do not have finger guides or
have small sensing areas.

Often poor ergonomics will lead to increased system

failures through distortions or occlusions.

‫ فى وضع ثابت فال يراعى طول الناس هيكون ال‬iris ‫ ان نضع جهاز االتقاط زى التقاط ال‬-
‫ بتعتها مش كويس‬quality

#Scope 8
 poor ‫✓ الزم كل المشاكل السابقه دى تتعالج فى الصوره لكى ال يكون‬
quality sample

➢ Factors impact quality of fingerprint image :

Examples of fingerprint quality variation.

(a) Good quality: Minutiae clearly present and ridges are well
defined.

(b) Too little pressure: Many minutiae are missing or hard to

distinguish.

#Scope 8
(c) Too much pressure: Ridges definition is poor leading to heavy
distortion and overlapping ridges.

(d) Finger wet or sweaty: Features are obscured by moisture.

(e) Finger swiped at angle (line-sensor): Features are distorted by
the scanning process.

(f) Poor placement: The fingerprint is highly rotated and off-center

‫ او‬performance ‫ النه يعطى‬biometric ‫ من اهم و احسن ال‬fingerprint -

‫ هيكون مختلفين‬twice ‫ حتى لو عند‬, ‫ عاليا جدا‬accuracy

meshes ‫ و‬vale ‫ و‬ridges ‫ اقدر اتعرف على ال‬, ‫ كويس‬fingerprint , A ‫ الصوره‬-

‫ الموجوده فيها‬point

: ‫ باقى الصور فيها مشاكل‬-

‫ مقدرناش ياخذ ال‬sensor ‫ ضغط ضعيف و بالتالى ال‬sensor ‫ ضغط على ال‬, B ‫ الصوره‬-
‫ بوضوح‬meshes point
‫ مش واضح‬points ‫ بشكل جامد جدا لدرجه ان‬sensor ‫ ضغط على ال‬, C ‫ الصوره‬-
wet ‫ كان فيه بعض ال‬, D ‫ الصوره‬-
swap ‫ كان فيه بعض ال‬, E ‫ الصوره‬-
‫ كان غلط فاصبح عندنا جزء من الصوره هو العندنا‬sensor ‫ الضغط على ال‬, F ‫ الصوره‬-

➢ Facial image :

#Scope 8
Facial images, examples of quality variation:
(a) Good quality: Even lighting, neutral expression, good focus.
(b) Poor lighting: Heavy shadowing from on the right side of the face.
(c) Expression (elastic distortion): Mouth smiling and eyes closed.
(d) Glare on glasses: Lighting glare obscures left eye.
(e) Pose(inelastic distortion): Head rotated slightly to the left
(f) Low resolution: 22 pixels from eye to eye.

‫ و‬length of noise ‫ مميز زى ال‬features ‫ ممكن اخذ منها‬face recognition -

inter distances between eyes

good performance ‫ كويس هقدر اوصل بيها على‬face recognition , A ‫ الصوره‬-

: ‫ باقى الصور فيها مشاكل‬-

right face ‫ على جزء ال‬shadow ‫ و فيها‬bad ‫ فيها االضاءه‬, B ‫ الصوره‬-

#Scope 8
 eyes closed ‫ و‬Expression mouth smile‫ فيها تعبير‬, C ‫ الصوره‬-
glasses ‫ لل‬left eye ‫ على ال‬light ‫ فيها‬, D ‫ الصوره‬-
‫ الى حد ما‬rotation ‫ حيث ان فيها‬pose ‫ فيها‬, E ‫ الصوره‬-
‫ بتعها مش كويس‬resolution ‫ كانت ال‬, F ‫ الصوره‬-

➢ Iris :

examples of quality variation

(a) Good quality: fibrous structure clearly visible eye centered.
(b) Movement: blur caused by movement during capture.
(c) Occlusion: partially closed eye obscures some of the iris, glare
on iris.

(d) Dilation: filaments distorted and compressed to edge.

#Scope 8
 near infrared range ‫ هتشتغل على‬camera ‫ هنستخدم‬Iris -
‫ فيها كل التفاصيل واضح‬, A ‫ الصوره‬-
: ‫ باقى الصور فيها مشاكل‬-
‫ فيها حركه اثناء التقاط الصوره‬, B ‫ الصوره‬-
‫ فى جزء مقفول من العين‬, C ‫ الصوره‬-
)‫ (التمدد‬dilation ‫ فيها‬, D ‫ الصوره‬-

➢ 3D Facial geometry :

Facial geometry, examples of quality variation:

(a) Good quality: Even distance, neutral expression
(b) Glasses (simulated): Effect of glasses on image.
(c) Movement: Because of slow scan rates facial movement can
skew source data.

#Scope 8
(d) Beard: Hair and beards can cause artifacts.
(e) Expression : Mouth smiling and eyes closed.
(f) Pose: Head rotated slightly to the left.

good , A ‫ الصوره‬-

: ‫ باقى الصور فيها مشاكل‬-

glasses ‫ يرتدى‬, B ‫ الصوره‬-

‫ اثناء التقاط الصوره‬movement ‫ فيها‬, C ‫ الصوره‬-

‫ ممكن يغير فى الصوره‬hair ‫ و‬Beard ‫ الشخص لديه‬, D ‫ الصوره‬-
eyes closed ‫ و‬mouth smile ‫ فيها تعبير‬, E ‫ الصوره‬-

‫ الى حد ما‬rotation ‫ حيث ان فيها‬pose ‫ فيها‬, F ‫ الصوره‬-

➢ Vascular :

- They work using a near infrared light transmitted or reflected

through a biometric sample, such as a hand , palm or finger , to
map the pattern made by veins

‫ موجوده تحت الجلد فتكون‬vascular network ‫ الن ال‬, ‫ االورد منتشر استخدامها حاليا‬-
‫مميزه و مختلف بين االشخاص‬
‫ بيحصل له‬near infrared light ‫ بيشتغل بال‬vascular system recognition -
palm vein ‫ او‬hand vein ‫ سؤاء كنت باخذ‬biometric sample ‫ عبر ال‬reflection
finger vein ‫او‬
damage ‫ و من الصعوبه ان يحدث لها‬, non connately ‫ وجودها تحت الجلد يجعلها‬-

#Scope 8
 : ‫ هى‬vascular network ‫ او‬vein ‫ ما يؤثر فى شكل ال‬-
1) Exercise
- After and during exercise blood is pumped around the body
faster. When this is the case, veins are more prominent and
warmer, altering their appearance.

‫ بيكون اسرع و بالتالى هيكون ال‬body ‫ فى ال‬blood flow ‫ التمارين الرياضيه تغير من ال‬-
‫ اكتر‬worn ‫ شكله‬vein

2) Stress
- When the body is under stress it can restrict the flow of
blood to extremities.

near infrared ‫ له شكل معين و يغير فى ال‬vein ‫ بيمنع تدفق الدم و يجعل ال‬stress ‫ ال‬-
vein ‫ الخاص بال‬signature

3) Environment
- A hot and humid environment, particularly where the user is
sweating, may cause distortion of the near infrared signature.
‫ فى ال‬distortion ‫ و بالتالى بيعمل‬swatting‫ يكون‬user ‫ ال‬, ‫ لو بنسجل فى بيئه حر‬-
near infrared signature
4) Orientation and position
- The positioning of the veins under the sensor
sensor ‫ تحت ال‬vein ‫ الوضع الخاص بال‬-
5) Clothing

#Scope 8
 - use of watches can change the amount of bloody flowing
through veins
‫ و الشخص مرتدى ساعه‬palm vein ‫ لو باخذ‬-

6) Weight change
‫ التغير الذى يحدث فى الوزن سؤاء بالزياده او النقصان‬-

7) Damage
vein pattern ‫ اى مرض ممكن يغير فى شكل ال‬-

➢ Keystroke :
behavior biometric ‫ من ال‬Keystroke ‫ ال‬-

: ‫ هى‬performance ‫ ما يؤثر على ال‬-

1) Experience Level
‫ و كلما زاد خبره‬, time pattern ‫ حيث ان كل لما الخبره تختلف يتغير معها ال‬, ‫ الخبره‬-
‫ذادت سرعه‬
2) Key board location and type
‫ زى االنتقال من جهاز لجهاز‬keyboard ‫ و نوع ال‬, keyboard ‫ المكان الموضوعه فيه ال‬-
‫اخر‬

➢ Signature :
behavior biometric ‫ من ال‬Signature ‫ ال‬-

#Scope 8
 ‫ العاديه‬document ‫ شيوعا الن الناس متعوده على التوقيع فى ال‬biometric ‫ من اكثر ال‬-

pressure ‫ لنجمع بيه ال‬, device ‫ ك‬pen ‫ باستخدم فيها ال‬method ‫ هى عباره عن‬-
recognition ‫ لتستخدم بعد ذلك فى ال‬and velocity of the pen movements

: ‫ هى‬performance ‫ ما يؤثر على ال‬-

1) Enrollment quality
‫ ال‬, short Signature ‫ تختلف عن ال‬long Signature ‫ لو استخدم‬user ‫ ان ال‬-
long Signature ‫ سهل اختراقها بعكس ال‬short Signature

2) Consistency
‫ لو بيسجل وهو مستعجل مختلف عن لو كان هادئ و بيغير فى شكل ال‬user ‫ ان ال‬-
Signature ‫ الخاص بال‬speed ‫ و‬pressure
3) Surface Angle
- The angle of the pen to the surface, depending on whether a
person is seated or if they are standing
‫ ما يكون قاعد‬user ‫ واقف عن ال‬user ‫ زاويه القلم تختلف عندما يكون ال‬-

➢ Hand Geometry :

distance and width and distance ‫ زى‬distance measures ‫ ناخذ ال‬-

between ankle
: ‫ هى‬performance ‫ ما يؤثر على ال‬-

1) Medical

#Scope 8
 ‫‪ -‬تغير فى شكل اليد بسبب مرض معين‬
‫‪2) Hand placement‬‬
‫‪ -‬فى ‪ Misalignment‬يشكل ‪ error‬و ال ‪ feature‬هتكون خطا‬
‫‪3) Rings‬‬
‫‪ -‬ارتداء خاتم‬
‫‪4) Weight change‬‬
‫‪ -‬تغير فى الوزن سؤاء بال ‪ loss‬او ‪get‬‬

‫‪ -‬ملحوظه ‪:‬‬
‫‪ -‬كل المشاكل السابق فى ال ‪ biometrics‬المختلفه يؤدى ل ‪ low performance‬فالزم‬
‫نعالجها فى ال ‪preprocessing‬‬

‫‪#Scope 8‬‬