Перейти до вмісту
Мікросистеми, Електроніка та Акустика
ISSN 2523-4447 · e‑ISSN 2523-4455 Відкритий доступ · CC BY-SA 4.0
Т. 24 · № 4 · 2019 сер 30, 2019 Електронні системи та сигнали

Застосування методів машинного навчання для біометричної ідентифікації особи за райдужною оболонкою ока

IP
Ivan Oleksandrovych Panchenko Відповідальний Національний технічний університет України "Київський політехнічний інститут імені Ігоря Сікорського" Україна
KI
Kateryna Olehivna Ivanko Національний технічний університет України "Київський політехнічний інститут імені Ігоря Сікорського" Україна
NI
Nataliia Heorhiivna Ivnushkina Національний технічний університет України "Київський політехнічний інститут імені Ігоря Сікорського" Україна
Сторінки40-47 Опублікованосер 30, 2019
PDF
ТОМ 24 · № 4 · 2019 Переглянути випуск

Анотація

Робота присвячена застосуванню методів машинного навчання для біометричної ідентифікації особи за райдужною оболонкою ока. Проведено порівняння використання при розпізнаванні райдужної оболонки ока таких ознак, як коефіцієнти двовимірного дискретного перетворення Фур'є, коефіцієнти дискретного косинусного перетворення, а також коефіцієнти апроксимації 3-го і 4-го рівнів двовимірного вейвлет-перетворення. За допомогою проведеного машинного навчання визначена точність ряду класифікаторів, що використовують дані набори ознак. На підставі цього пропонується набір ознак і алгоритмів машинного навчання, які забезпечують найбільшу точність ідентифікації особи на основі розпізнавання райдужної оболонки ока.

Ключові слова

#біометрична ідентифікація особи #райдужна оболонка ока #вейвлет-перетворення #машинне навчання

Посилання

  1. Lysenko A. M., Melnyk O. S. “Zastosuvannya biometrychnykh system dlya identyfikatsiyi osoby”, Visnyk Kyyivsʹkoho natsionalʹnoho universytetu im. T.Shevchenka, seriya «Yurydychni nauky», no. 60-62, pp. 87 – 91, 2004. URL: http://papers.univ.kiev.ua/article/lysenko-a-melnyk-o-appliance-of-biometrical-systems-for-identification-of-a-pe_17954
  2. Ratha Nalini K. Advances in Biometrics / Nalini K. Ratha, Venu Govindaraju. – Springer Science+Business Media, 2008.– 660 р. DOI: 10.1007/978-1-84628-921-7
  3. Poulami Das et al. “Person Identification through IRIS Recognition”, International Journal of Security and its Applications, vol. 3, no. 1, pp. 129–147, 2009. URL: https://www.researchgate.net/publication/228744430_Person_Identification_through_IRIS_Recognition
  4. Yingzi Du, Robert Ives, Bradford Bonney, and Delores M. Etter "Analysis of partial iris recognition", Proc. SPIE 5779, Biometric Technology for Human Identification II, (28 March 2005); DOI: 10.1117/12.605918
  5. Rizal Isnanto. “Effect of Wavelet-transformed Iris Image Translation and Rotation on its Recognition Rate”, Proccedings of ICISBC, pp. 76-79, 2013. URL: http://eprints.undip.ac.id/41691/
  6. Ayra Panganiban et al. “Wavelet-based Feature Extraction Algorithm for an Iris Recognition System”, Journal of Information Processing Systems, vol. 7, no. 3, pp. 425-434, 2011. DOI: 10.3745/JIPS.2011.7.3.425
  7. Zhu Wen et al. “Iris Feature Extraction based on Haar Wavelet Transform”, International Journal of Security and Its Applications, vol.8, no.4, pp. 265-272, 2014. DOI: 10.14257/ijsia.2014.8.4.24
  8. Sandipan P. Narote et al. “Iris Based Recognition System Using Wavelet Transform”, IJCSNS International Journal of Computer Science and Network Security, vol.9, no.11, pp.101-104, 2009. URL: http://www.academia.edu/6658785/Iris_Based_Recognition_System_Using_Wavelet_Transform
  9. Anjali Soni and Prashant Jain. “Iris Recognition using Four Level Haar Wavelet Transform”, International Journal of Computer Technology & Applications, vol 7(4), pp.568-575, 2016. DOI: 10.14445/23488549/IJECE-V3I6P106
  10. UBIRIS. Noisy Visible Wavelength Iris Image Databases. URL: http://iris.di.ubi.pt
  11. Proença H., Alexandre L.A. (2005) UBIRIS: A Noisy Iris Image Database. In: Roli F., Vitulano S. (eds) Image Analysis and Processing – ICIAP 2005. ICIAP 2005. Lecture Notes in Computer Science, vol 3617. Springer, Berlin, Heidelberg. DOI: 10.1007/11553595_119
  12. K. Ivanko, N. Budik and N. Ivanushkina, "Feature selection for biometriс iris recognition," 2017 5th IEEE Workshop on Advances in Information, Electronic and Electrical Engineering (AIEEE), Riga, 2017, pp. 1-5. DOI: 10.1109/AIEEE.2017.8270539
  13. T. Hastie et al., The Elements of Statistical Learning, Second Edition, Springer Science+Business Media, LLC 2009. 745 p. DOI: 10.1007/b94608
  14. Honsales R., Wuds. R. Tsyfrova obrobka zobrazhenʹ[Digital image processing]. M.: Tekhnosfera, 2012. p. 1104.
  15. Smolyentsev M. K. Osnovy teoriyi veyvletiv. Veyvlety v MATLAB [Fundamentals of wavelet theory. Wavelets in MATLAB]. M.: DMK Pres, 2014. p. 627 c.
  16. P. Kim. MATLAB Deep Learning: With Machine Learning, Neural Networks and Artificial Intelligence. Apress. 151 p. ISBN: 978-1-4842-2845-6. DOI: 10.1007/978-1-4842-2845-6
§ 06 — Пов'язані

Схожі статті в цьому журналі

Пов'язані рецензовані дослідження, опубліковані в цьому журналі.
Усі випуски

Квазістатична ідентифікація структури затінення сонячних панелей за методом векторів кардинальних чисел

PhD, доц. Олена Олегівна Абакумова, д-р техн. наук, проф. Валерій Якович Жуйков, Микола О. Лук'янов

У статті розглянуто проблему ідентифікації структури затінення сонячних панелей. Актуальність дослідження зумовлена необхідністю швидкої та адекватної реконфігурації…

#Сонячні панелі #Фотоелектрична поверхня #Моделювання структури тіней #Квазістатична ідентифікація
с. 362283.1-362283.7
10.20535/2523-4455.mea.362283

Імітаційне моделювання фільтро-компенсаційного перетворювача для трифазної трипровідної мережі

Іван Андрійович Вакуленко, канд. техн. наук, доц. Дмитро Анатолійович Миколаєць, канд. техн. наук, доц. Катерина Сергіївна Клен

У цій статті розглядається критична проблема погіршення якості електроенергії в сучасних енергосистемах, спричинена поширенням нелінійних навантажень. Такі навантаження…

#фільтр-компенсаційний перетворювач #трифазна трипровідна мережа #якість електроенергії #повне гармонійне спотворення
с. 361138.1-361138.6
10.20535/2523-4455.mea.361138

Комплексний метод виділення неінвазивного сигналу фетальної електрокардіограми та класифікації серцевих аритмій

Дмитро А. Шевчук, канд. техн. наук, доц. Наталія Георгіївна Іванушкіна

Стаття присвячена розробці комплексного методу виділення фетального електрокардіосигналу (ФЕКГ) з неінвазивних абдомінальних записів та подальшої автоматизованої…

#абдомінальні електрокардіограми #фетальна електрокардіограма #аритмія #сліпе розділення джерел
с. 356487.1-356487.11
10.20535/2523-4455.mea.356487

Статті цього автора (цих авторів), які найбільше читають

Схожі статті

1-10 з 35

Ви також можете розпочати розширений пошук схожих статей для цієї статті.