أداة آلية للتحقق من الامتثال لمعايير ICAO/ISO الخاصة بصور الهوية
DOI:
https://doi.org/10.66660/ghyn.v1i12.146الكلمات المفتاحية:
الامتثال لمنظمة الطيران المدني الدولي (ICAO)، المعيار ISO 19794-5، التحقق من الصور الشخصية، علامات الوجه، مراقبة الجودة الآلية، واجهة برمجة تطبيقات مهام MediaPipe، واجهة برمجة تطبيقات Flask RESTالملخص
لا تزال عملية التحقق اليدوي من صور وثائق الهوية وفقًا للمعايير الدولية عمليةً شاقةً وعرضةً للأخطاء، مما يحد من قابلية التوسع في سير العمل الرقمي للهوية ذي الحجم الكبير. تقدم هذه الورقة البحثية أداةً آليةً مفتوحة المصدر للتحقق من الامتثال، تُطبّق برمجيًا متطلبات وثيقة منظمة الطيران المدني الدولي رقم 9303 ومعيار المنظمة الدولية للتوحيد القياسي/اللجنة الكهروتقنية الدولية رقم 19794-5 لصور الهوية الشخصية. يدمج النظام المقترح واجهة برمجة تطبيقات المهام الحديثة من MediaPipe لاستخراج معالم الوجه بدقة، وفحوصات هندسية قائمة على القواعد لنسبة الرأس إلى الإطار (70-80%)، وموضع خط العين (50-60% من الأعلى)، وتفاوت وضعية الرأس (±10°)، بالإضافة إلى تقييمات بيئية لتجانس الخلفية واتساق الإضاءة. تتيح بنية معيارية آمنة للاستخدام المتزامن
نشرًا مزدوجًا: واجهة برمجة تطبيقات Flask REST عديمة الحالة لتكامل النظام، و
واجهة رسومية Tkinter متعددة المنصات للتحقق التفاعلي، وكلاهما يُنتج
تقارير JSON مُهيكلة تتضمن حالة كل فحص، ومقاييس كمية، وتوصيات قابلة للتنفيذ.
يُظهر التقييم على مجموعة بيانات مُنسقة تضم 500 صورة شخصية عبر ثلاثة
مستويات صعوبة، دقة عالية (0.95) واستدعاءً عاليًا (0.93) للكشف الشامل عن الامتثال،
مع متوسط زمن استجابة شامل يبلغ 218 ± 24 مللي ثانية على وحدة المعالجة المركزية.
يُقلل المُدقِّق من عبء المراجعة اليدوية بأكثر من 85% مع الحفاظ على
إمكانية التدقيق الكاملة من خلال معالجة مؤقتة تحافظ على الخصوصية. من خلال الربط بين تطبيق القواعد المتوافقة مع المعايير والنشر الجاهز للإنتاج، يوفر هذا العمل أساسًا قابلاً للتكرار وغير متصل بالإنترنت لسير عمل تصوير الهوية القابل للتوسع في بيئات محدودة الموارد.
المراجع
X. Qin, Z. Zhang, C. Huang, C. Gao, M. Dehghan, and Y. Wang, “U²-Net: Going
deeper with nested U-structure for salient object detection,” Pattern Recognition, vol.
, p. 107404, Oct. 2020.
C. Rother, V. Kolmogorov, and A. Blake, “‘GrabCut’: Interactive foreground
extraction using iterated graph cuts,” ACM Transactions on Graphics, vol. 23, no. 3,
pp. 309–314, Aug. 2004.
D. E. King, “Dlib-ml: A machine learning toolkit,” Journal of Machine Learning
Research, vol. 10, pp. 1755–1758, 2009.
D. Gatis, “rembg: Remove background from images using U²-Net,” GitHub
Repository, 2024. [Online]. Available: https://github.com/danielgatis/rembg
International Civil Aviation Organization (ICAO), Machine Readable Travel
Documents, Part 3: Specifications for Machine Readable Passports, Doc 9303, 8th ed.
Montreal, Canada: ICAO, 2015.
R. C. Gonzalez and R. E. Woods, Digital Image Processing, 4th ed. Hoboken, NJ,
USA: Pearson, 2018.
The Pallets Projects, “Flask Web Framework Documentation,” 2024. [Online].
Available: https://flask.palletsprojects.com/
Python Software Foundation, “Tkinter—Python Interface to Tcl/Tk,” Python 3
Documentation, 2024. [Online]. Available:
https://docs.python.org/3/library/tkinter.html
P. Viola and M. J. Jones, “Robust real-time face detection,” International Journal
of Computer Vision, vol. 57, no. 2, pp. 137–154, May 2004.
S. Wang, J. Li, and M. Zhang, “Deep portrait matting and background
replacement: A survey,” IEEE Access, vol. 11, pp. 45210–45228, 2023.
OpenCV Developers, “OpenCV: Open Source Computer Vision Library,” 2024.
[Online]. Available: https://opencv.org/
التنزيلات
منشور
كيفية الاقتباس
إصدار
القسم
الرخصة
الحقوق الفكرية (c) 2026 Mohanned Albibas, AL-Mokhtar Abdullah Faraj, Musa Faneer
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
هذا المقال منشور بموجب رخصة المشاع الإبداعي نَسب المُصنَّف 4.0 الدولية (CC BY 4.0)،
والتي تتيح الاستخدام وإعادة التوزيع والنشر بشرط الإشارة إلى المصدر.
