Сочинение на тему Биометрия: личная идентификация по физическим признакам человека
- Опубликовано: 20.07.2020
- Предмет: образование, религия
- Темы: Исследование, Обучение, Саентология
Биометрия – это наука, которая занимается идентификацией людей на основе физических и поведенческих характеристик человека. Это самая передовая технология, используемая в современном мире для идентификации человека по отпечаткам пальцев, ДНК или радужной оболочке глаза. Основная перспектива биометрической аутентификации заключается в том, что каждый человек может быть точно идентифицирован по его или ее физическим или поведенческим качествам. Биометрическая система использует отпечатки пальцев, геометрию руки, радужную оболочку, сетчатку, лицо, ручную вену, термограммы лица, подпись или голосовой отпечаток для проверки личности. Целью данной работы является передача использования физиологических атрибутов с точки зрения биометрических исследований. На качество биометрической системы влияют два фактора; Подлинность используемого датчика. Степень свободы, предоставляемая функциями, извлеченными из воспринятых сигналов. В этой статье была проведена работа с отпечатками ушей разных людей в возрасте 18-35 лет, которые сравниваются с использованием различных ориентиров.
ОБЗОР ЛИТЕРАТУРЫ
Автор Тобиас Шедиат и др. обсудили великолепную перспективу аутентификации по отпечаткам пальцев с использованием генетических алгоритмов. Использование отпечатка пальца в качестве уникального параметра было начато в начале 19-го века, поскольку это были единственные модели, которые являются постоянными в течение жизни человека. Для эксперимента авторы взяли отпечатки пальцев 12 человек, то есть 1200 отпечатков пальцев хранятся в их базе данных и проверяются с использованием различных параметров для распознавания отпечатков пальцев на основе генетического алгоритма. Они использовали новую базу данных BioGINA и примитивную базу данных FVC (конкурсы по проверке отпечатков пальцев) для более точного вывода результатов и дальнейшей модернизации систем. Новые тесты параметров проводились с использованием BioGINA, а тестирование баз данных 2000, 2002 и 2004 гг. – с использованием базы данных FVC. При использовании BioGINA улучшение достигло 25%, тогда как относительное улучшение с равной частотой ошибок составило 40% от FVC 2000. Авторы Арун Росс и др. Обсуждали проблемы с одной биометрической системой и пытались улучшить производительность отдельных устройств сопоставления с помощью мультибиометрической системы. Здесь они использовали «бимодальную систему», которая создается путем слияния двух биометрических систем.
Они представили три уровня объединения: объединение на уровне извлечения признаков (используется для получения только полезных признаков из большого количества признаков), объединение на уровне сопоставления (дает сопоставление, сообщающее нам возможность или точность заявленное удостоверение личности) Fusion на уровне решения (используется, чтобы сообщить нам об окончательном решении – принять или отклонить). Они провели эксперименты по следующим физическим характеристикам; Проверка лица здесь, они получили набор функций 2-D изображения перспективы и сопоставили его с шаблоном, хранящимся в базе данных. После обнаружения лица сравнение проводилось путем расчета евклидова расстояния между коэффициентами собственного лица шаблона и обнаруженного лица. При проверке по отпечатку пальца они использовали модуль извлечения признаков для вычисления и получения правильных значений признаков. Значения объектов означают характеристики гребней или точечные точки. Ручная геометрия, они также провели эксперимент с геометрией руки, где они вычислили 14 характеристик, таких как длина пальцев, ширина пальцев и ширина ладони в разных местах.
Результаты, полученные путем объединения трех функций, но данные для всех трех функций не соответствуют одному набору пользователей; Данные лица и отпечатка пальца были получены из пользовательского набора 1, состоящего из 50 пользователей, тогда как данные о геометрии кисти были получены из пользовательского набора 2, состоящего из 50 пользователей. Таким образом, был получен вектор оценки, относящийся к сравнению и сопоставлению, и он представляет собой близость двух наборов признаков, вычисленных классификатором. Авторы завершили эксперимент, отметив, что, правило сумм работает лучше, чем дерево решений и линейные дискриминантные классификаторы. Преимущества мультибиометрической оценки могут стать еще более очевидными в случае большей базы данных пользователей. Авторы A. Rattani и др. Делают упор на изучении слияния на уровне выделения признаков для биометрии лица и отпечатков пальцев. Здесь они выполнили несколько экспериментов для оценки слияния, выполненного на уровне выделения признаков, по сравнению с уровнем соответствия. Идея объединения слияния лица и отпечатка пальца заключается в том, что лицо обрабатывается как графическое изображение, а отпечаток пальца – как мелкие характеристики.
Они использовали SIFT (преобразование масштабируемых инвариантных объектов), чтобы сделать это объединение успешным. В эксперименте, проведенном вначале для распознавания лиц, в качестве основы использовался SIFT, поскольку эта функция показывает сжатый вид локальной структуры уровня серого, неизменной для масштабирования, перемещения и поворота изображения. Сравнение выполняется с использованием трех различных методов: минимальное расстояние между парами, сопоставление глаз и рта, сопоставление на регулярной сетке. Функции извлекаются с использованием вывода SIFT. Отпечатки пальцев изучаются с использованием методик мелких деталей, где изображение отпечатка пальца нормализуется, предварительно обрабатывается с использованием фильтров Габора, обрабатывается в двоичном виде и прореживается для получения даже мельчайших деталей отпечатка пальца. Автор здесь подчеркнул, что при объединении двух отдельных признаков способность различения лучше, чем у отдельного элемента. Три метода объединены для достижения лучших результатов: совместимость и нормализация набора функций. Теперь устранение ненужных функций было выполнено с использованием нескольких методов сокращения функций.
Наконец, были использованы методы сопоставления, такие как сопоставление с точечным образцом и сопоставление с использованием техники триангуляции Делоне, и результаты были оценены. В результате эксперимента после использования функции SIFT для совместимости и нормализации мелких точек было действительно ощутимо использовать keydescrptor, поскольку он увеличил распознавание отпечатков пальцев на 1. 64% и уровень функции слияния на 2. 64%. Наконец, с помощью техники уменьшения точность характеристик увеличилась на 0,44%. Следовательно, было изучено, что объединение двух индивидуальных признаков на основе мультимодальной биометрической системы дает лучшие результаты. Авторы G. Seshikal и др. Проводят эксперимент по биометрии ладони с базой данных POLY U, обсуждая другие биометрические параметры. Авторы рассказали об этапах биометрических систем,
а) Ступень датчика,
б) Стадия извлечения признаков,
c) Соответствующая стадия,
г) Стадия принятия решения.
Стадия датчика захватывает изображение объекта, на следующем этапе объект извлекается и сохраняется для дальнейшей проверки и идентификации, тогда как на последующих этапах сопоставление изображения выполняется, и в конце утверждается или отклоняется в соответствии с оценкой соответствия. Для своего эксперимента авторы использовали 600 изображений 100 особей, внутренняя поверхность ладони состоит из различных рисунков, которые можно изучить для сравнения, они применили фильтры низких частот для удаления шума, а затем преобразовали в двоичное изображение для удаления фона. Следующая область интереса была специально выбрана, и элементы извлекаются с использованием многомасштабного обнаружения края, и, наконец, сопоставление с шаблоном было выполнено, и был получен балл соответствия. Авторы Кевин В. Бойер и др. Соединили свой вклад в один из четырех основных модулей биометрических систем радужной оболочки: получение изображения, сегментация области радужной оболочки, анализ и представление текстуры радужной оболочки, сопоставление представлений радужной оболочки. В первом разделе этой статьи рассматриваются такие базовые понятия, как анатомия радужки и производительность биометрической системы.
Принимая во внимание, что в случае использования биометрической системы они рассмотрели четыре результата в случае проверки: верно принять, неверно принять, истинно отклонить, ложно отклонить. В случае идентификации – истинно положительный, ложно положительный, истинно отрицательный, ложно отрицательный. Автор суммировал вклад разных ученых по различным предметам распознавания радужной оболочки, как указано выше (получение изображений, сегментация, анализ и сопоставление). Но главное центральное место отводится подходу Даугмана к распознаванию ирисовой диафрагмы: его работа сначала уступила место распознаванию ирисовой диафрагмы, а подход Даугмана – это стандартная контрольная точка, его замещающий метод сегментации, основанный на активных контурах, изменяющий ирисовое изображение вне угла. в более фронтальном виде, этот подход является единственным конкретным и техническим подходом между различными коэффициентами.
Существуют различные ограничения в биометрии радужной оболочки глаза; Катаракта – естественные результаты старения, травмы глаз, некоторые лекарства и заболевания, глаукома – группа заболеваний, которая снижает зрение и биометрия радужки, остается безуспешной из-за образования пятен на радужной оболочке человека, косоглазие – человек не может выровнять оба глаза одновременно, альбинизм- Генетическое состояние приводит к частичному или полному отсутствию пигмента. Авторы Lingyu Wang и соавторы выдвинули удовлетворительную технику для анализа рисунка инфракрасной вены на тыльной стороне кисти для биометрических целей. Подобные отпечатки пальцев мелкие узоры (бифуркации и т. Д.) Изучаются для распознавания. В паттернах вены на руках в среднем 13 мелких точек, где 7 – бифуркации, а 6 – конечные точки. Этапы обработки узоров вен рук; Получение изображений, Улучшение изображений, Сегментация рисунка вен, Извлечение признаков и сопоставление. Автор предполагает, что для оценки мелочей идентификации личности он использует ‘Модифицированное расстояние Хаусдрофа (МГД). Они провели эксперименты, создали свою собственную базу данных изображений вен РПИ, которая содержит 47 участковых участников и включает 141 изображение образцов вен вен, а возрастная группа участников составляет от 18 до 60 лет. Для получения изображений они использовали NEC Thermo Tracer TS7302, а разработанные изображения хранятся в 256-уровневом битовом формате (bmp) в оттенках серого с разрешением 320 * 240 пикселей. Они изучали, что РПИ-изображения руки имеют более высокую интенсивность вен, чем другие ткани. Затем следует этап улучшения изображения, на котором качество изображения улучшается за счет дальнейшей обработки их с использованием медианного фильтра 5 * 5 для удаления спекл-шума, затем они используют двухмерный фильтр Винера для снижения высокочастотного шума. После удаления спеклов и уменьшения высокочастотных шумов были применены методы нормализации, чтобы уменьшить недостатки. Наконец, фон изображения был вычтен из вен, чтобы получить четкое изображение рисунков вен.
Теперь дополнительно получается скелет рисунка вен с использованием алгоритма скелетонизации, а затем с помощью алгоритма прореживания получается скелет рисунка вен шириной в один пиксель, но гладкость изображения также необходима, чтобы улучшить эту методику подгонки полиномиальной кривой использовался. Теперь для определения критических точек, таких как окончания гребней и бифуркаций, используется концепция кросс-чисел. Полученный результат был на геометрической информации, и это предпочтительнее статистической информации. Сопоставление или сравнение может быть выполнено с использованием расстояния Хаусдрофа, но в конце было принято, что измерение МГД дает лучшие результаты при изучении мелочей венозных паттернов. Эксперимент пришел к выводу, что для анализа картины вен использовался дальний инфракрасный снимок, а эксперимент проводился с использованием различных методов, и результаты эксперимента показывают, что равный коэффициент ошибок достигает 0%, когда значение измеренного расстояния составляет 10. Следовательно, результат показывает, что рисунок вены рук является хорошей функцией для идентификации личности в биометрических целях.
Автор Рену Бхатия рассказал о различных биометрических методах, таких как сканирование радужной оболочки глаза, сканирование сетчатки глаза и распознавание лица. Первоначально автор собрал некоторые важные характеристики биометрии, такие как: универсальный (характеристика, утраченная в результате несчастного случая или заболевания), неизменность свойств (особенность не должна приобретать различия из-за возраста или какого-либо хронического заболевания), измеримость (легко регистрировать и измерять данные физического атрибута), Singularity (характеристика должна быть уникальной для человека), Acceptance (захват должен выполняться на тех частях, которые являются приемлемыми для человека), Reducibillty (Полученные данные должны быть сведены в файл, чтобы их было легко обрабатывать), Надежность и защита от взлома (Используемый атрибут должен быть невозможен для изменения.), Конфиденциальность (конфиденциальность человека должна быть сохранена.) Сопоставимая (Используемая черта должна быть в высшей степени сопоставимой), Подражаемая (Никто не должен воспроизводить точное особенность, следовательно, меньше воспроизводимость, больше надежность). В разделе III ее статьи обсуждение некоторых типов физических атрибутов завершено, и наиболее важной темой, рассматриваемой здесь, является распознавание лиц. Проведенный эксперимент должен завершить распознавание лица и его параметров; Чтобы получить маску лица индивидуума, используйте программное обеспечение, которое позволяет распознавать лица, используйте программное обеспечение для вычисления всех размеров и отличительных особенностей лица, приобретенное лицо дифференцируется с лицами, присутствующими в базе данных, программное обеспечение помогает нам решить, Полученное лицо соответствует или нет. Распознавание лиц содержит определенные параметры для сравнения, такие как; Схема глазниц, Области, окружающие скулы, Стороны рта и, Расположение носа и глаз. В этой статье основной темой изучения является распознавание лиц, так как это считается самым быстрым, надежным и ненавязчивым методом. Суть в том, что биометрия не всегда успешна, так как для повышения эффективности и точности системы требуются разные факторы или подходящие ориентиры. Авторы В. К. Нарендира Кумар и др. Обсуждают здесь слух как биометрический инструмент и его сравнение с использованием 2D и 3D изображений, они сосредоточились на мультимодальной биометрии с использованием 3D изображений уха и сравнили результаты с существующими системами биометрии. Поскольку рост ушей изменяется с возрастом, можно наблюдать небольшие различия в течение от четырех месяцев до восьми лет и старше 70 лет, но рост ушей является линейным, после этого он остается постоянным, и благодаря этой стабильности и оценке роста ушей он составляет полагаться быть в качестве биометрического инструмента. Основным направлением их эксперимента является сравнение 2D PCA на основе 3D ICP. PCA и ICP – два используемых алгоритма. 365 человек приняли участие и из 23 …
Если взглянуть на школы в Ричмонде, штат Калифорния, и сравнить их со школами в Конкорде, штат Калифорния, можно увидеть огромную разницу. Мало того, что жилой
Преподавание существительных в важной области интересов в преподавании английского языка, которая всегда привлекала мое внимание и внимание моих учеников. Это обширная область, которая может связать
В графическом романе Элисон Бешдель «Веселый дом» она рассказывает о своей семье, но больше о своих отношениях с отцом. Она изображает своего отца эмоционально разъединенным