Základní rozpoznání živosti otisku prstu
Loading...
Date
Authors
Horák, Tomáš
Advisor
Referee
Mark
E
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
ORCID
Abstract
Biometrická data jsou jedinečná, bezpečná a často používaná pro ochranu informací. I tak lze v některých případech detektory obelhat, a proto je potřeba živost kontrolovat. Tato práce se zaměřuje na základní rozpoznání živosti otisku prstu. Používá se přitom jen jednoho obrazu prstu. Pro dokonalé rozpoznání je potřeba otisky srovnávat, tedy mít více než jeden stejný otisk, a proto jsou tyto metody velice náročné. Předzpracování bylo provedeno binární segmentační maskou. Dále bylo využito metod využívající poměrů stupňů šedi v obraze, průměru, směrodatné odchylky nebo ekvalizace histogramu. Všechny metody byly provedeny na databázi LivDet 2011 v prostředí Matlab a cílem bylo rozpoznání pravého otisku od falešného.
Biometric data is unique, safe and often used to protect information. Even in some cases, detectors can be fooled, and therefore liveness is needed to check. This work focuses on the basic recognition of the liveliness of the fingerprint. Only one finger image is used. For perfect recognition, you need to compare the prints, so have more than one print, and that's why this detection is very demanding. Pre-processing was done with a binary segmentation mask. Methods using gray scale ratios, mean, standard deviations or histogram equalization were also used. All the methods were done on the LivDet 2011 database, in the Matlab environment and the goal was to recognize a live fingerprints from a false ones.
Biometric data is unique, safe and often used to protect information. Even in some cases, detectors can be fooled, and therefore liveness is needed to check. This work focuses on the basic recognition of the liveliness of the fingerprint. Only one finger image is used. For perfect recognition, you need to compare the prints, so have more than one print, and that's why this detection is very demanding. Pre-processing was done with a binary segmentation mask. Methods using gray scale ratios, mean, standard deviations or histogram equalization were also used. All the methods were done on the LivDet 2011 database, in the Matlab environment and the goal was to recognize a live fingerprints from a false ones.
Description
Keywords
Živost , biometrie , detekce , otisk prstu , papilární linie , předzpracování , Matlab , binární , segmentace , LivDet 2011 , Liveliness , biometrics , detection , fingerprint , papillary line , preprocessing , Matlab , binary , segmentation , LivDet 2011
Citation
HORÁK, T. Základní rozpoznání živosti otisku prstu [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2018.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Biomedicínská technika a bioinformatika
Comittee
prof. Ing. Jiří Jan, CSc. (předseda)
Ing. Martin Vítek, Ph.D. (místopředseda)
Ing. Helena Vítková, Ph.D. (člen)
Ing. Vratislav Harabiš, Ph.D. (člen)
RNDr. Jan Balvan, Ph.D. (člen)
Ing. Martin Mézl, Ph.D. (člen)
Date of acceptance
2018-06-15
Defence
Student prezentoval výsledky své práce a komise byla seznámena s posudky.
Prof. Ing. Jiří Jan, CSc. položil otázku proč není součástí práce experimentální zjišťování optimálního počtu neuronů a počtu skrytých vrstev.
Ing. Vratislav Harabiš, Ph.D. dodal poznámku k citacím a nevhodnosti některých zdrojů.
Ing. Vratislav Harabiš, Ph.D. položil otázku na základě čeho je detekována živost otisku.
Ing. Martin Mézl, Ph.D. položil otázku na to zda student ví jak probíhá tvorba databáze LivDet.
Prof. Ing. Jiří Jan, CSc. položil otázku zda byly příznky tedy voleny náhodně, nebo zda byla známa nějaká relevance. Na základě čeho byla zvolena aktivační funkce výstupního neuronu.
Ing. Martin Mézl, Ph.D. uvedl poznámku na citování diplomové práce u většiny použitých příznaků a velké shodnosti užitých příznaků s citovanou prací.
Ing. Martin Vítek, Ph.D položil otázku zda student rozdělil a analyzoval data z různých senzorů separátně.
Komise hlasováním v poměru 4 ku 2 rozhodla o neobhájení bakalářské práce.
Student neobhájil bakalářskou práci.
Result of defence
práce nebyla úspěšně obhájena