but.committee	prof. Ing. Adam Herout, Ph.D. (předseda) doc. Ing. Martin Čadík, Ph.D. (místopředseda) doc. Ing. Michal Bidlo, Ph.D. (člen) Ing. Matěj Grégr, Ph.D. (člen) Ing. Radek Kočí, Ph.D. (člen)	cs
but.defence	Studentka nejprve prezentovala výsledky, kterých dosáhla v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Studentka následně odpověděla na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studentky na položené otázky rozhodla práci hodnotit stupněm B. Otázky u obhajoby: Mohl by samotný tvar falzifikátu (často odlišný od tvaru reálného prstu) ovlivnit Vámi použité metody detekce živosti? Dá se z výsledku Vaší práce odhadnout jak by se mohlo chovat osvětlení v dalších barvách spektra (např. oranžové či NIR)?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Heidari, Mona	cs
dc.contributor.author	Fořtová, Kateřina	cs
dc.contributor.referee	Kanich, Ondřej	cs
dc.date.created	2020	cs
dc.description.abstract	Tato bakalářská práce je zaměřena na detekci živosti otisků prstů s využitím bezdotykového senzoru. Shrnuje teoretický úvod do biometrie, zpracování otisků prstů a některé ze současných přístupů pro detekci živosti. Představuje nový přístup, který využívá algoritmus lokálního binárního vzoru, Sobelův a Laplaceův operátor a vlnkovou transformaci. Následná klasifikace byla provedena s využitím umělých neuronových sítí, metody podpůrných vektorů SVM a rozhodovacích stromů. Experimenty byly provedeny s datasetem nasvíceným světly o různé vlnové délce. Bylo zjištěno, že otisky prstů nasvícené červeným světlem vykazují nejlepší přesnost 90.1% ze všech uvažovaných vlnových délek viditelného světla. Klasifikace s využitím vektoru na základě lokálního binárního vzoru dosahovala průměrné přesnosti 89.8%, přesnost s užitým vektorem na základě Sobelova a Laplaceova operátoru byla 91.5%. Pro vlnkovou transformaci byly využity různé Wavelet rodiny. Největší přesnosti dosahovaly vlnky z rodiny biortogonálních spline vlnek (85.1%) a z rodiny reverzních biortogonálních spline vlnek (86.6%).	cs
dc.description.abstract	This Bachelor's Thesis is focused on liveness detection of fingerprints with using touchless sensor. Work summarizes theoretical introduction to biometrics, fingerprint processing and some of present researches for liveness detection. The new approach is introduced with using Local Binary Pattern algorithm, Sobel and Laplacian operator and Wavelet transform. Artificial Neural Networks, Support Vector Machines and Decision Trees were used for final classification. Several experiments with dataset illuminated by lights with various wavelengths were realized. It was discovered, that fingerprints illuminated by red light reached the best accuracy 90.1% compared to other considered wavelenghts of visible light. The classification with vector based on Local Binary Pattern achieved average accuracy 89.8%, accuracy with vector based on Sobel and Laplacian operator was 91.5%. Several Wavelet families were used for Wavelet transform during experiments. The best accuracy achieved wavelets of Biorthogonal spline wavelet family (85.1%) and wavelets from Reverse biorthogonal spline wavelet family (86.6%).	en
dc.description.mark	B	cs
dc.identifier.citation	FOŘTOVÁ, K. Detekce živosti otisku prstu na bezdotykovém zařízení [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2020.	cs
dc.identifier.other	128998	cs
dc.identifier.uri	http://hdl.handle.net/11012/191397
dc.language.iso	cs	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	biometrie	cs
dc.subject	detekce živosti	cs
dc.subject	lokální binární vzor	cs
dc.subject	zpracování obrazu	cs
dc.subject	bezdotykové zařízení	cs
dc.subject	vlnková transformace	cs
dc.subject	otisky prstů	cs
dc.subject	biometrics	en
dc.subject	liveness detection	en
dc.subject	local binary pattern	en
dc.subject	image processing	en
dc.subject	touchless scanner	en
dc.subject	wavelet transform	en
dc.subject	fingerprints	en
dc.title	Detekce živosti otisku prstu na bezdotykovém zařízení	cs
dc.title.alternative	Liveness Detection on Touchless Fingerprint Scanner	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2020-07-09	cs
dcterms.modified	2020-07-13-23:41:08	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	128998	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.18 19:27:53	en
sync.item.modts	2025.01.15 23:03:50	en
thesis.discipline	Informační technologie	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav inteligentních systémů	cs
thesis.level	Bakalářský	cs
thesis.name	Bc.	cs

Detekce živosti otisku prstu na bezdotykovém zařízení

Files

Original bundle

Collections