but.committee	prof. Ing. Tomáš Hruška, CSc. (předseda) prof. Ing. Martin Drahanský, Ph.D. (místopředseda) prof. Dr. Ing. Jan Černocký (člen) Mgr. Kamil Malinka, Ph.D. (člen) doc. Mgr. Adam Rogalewicz, Ph.D. (člen) prof. Dr. Ing. Pavel Zemčík, dr. h. c. (člen)	cs
but.defence	Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm A. Otázky u obhajoby: Jaké operace úpravy obrazu by zapříčinily, že Váš detektor přestane fungovat? Jedná se tedy o návrh útoku na Váš detektor. Jakým způsobem se bude chovat jizva, která vznikne uprostřed obrazu otisku prstu? Bude v takovém případě otisk prstu vyhodnocen jako morphovaný podvrh? Můžete nějak detekovat, že je obraz rozmazaný? Funguje vaše aplikace s rozmazanými obrázky?	cs
but.jazyk	slovenština (Slovak)
but.program	Informační technologie a umělá inteligence	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Kanich, Ondřej	sk
dc.contributor.author	Dovičic, Denis	sk
dc.contributor.referee	Drahanský, Martin	sk
dc.date.accessioned	2022-09-16T14:50:56Z
dc.date.available	2022-09-16T14:50:56Z
dc.date.created	2022	cs
dc.description.abstract	Táto diplomová práca sa zaoberá detekciou morphovaných odtlačkov prstov v náväznosti na moju bakalársku prácu a projektovú prax. Doposiaľ neexistuje žiadna verejná práca venujúca sa detekcií morphovaných odtlačkov prstov. Morphované a obyčajné odtlačky sú považované za stochastické textúry a sú popísané binarizovanými štatistickými vlastnosťami odhadnutými ako nezávislé komponenty scény. K dosiahnutiu cieľa bol zvolený klasifikačný algoritmus support vector machine, pracujúci s histogrammi modelujúcimi pravdepodobnosť výskytu BSIF deskriptoru v textúre. Testovanie prebehlo na morphovaných odtlačkoch prstoch, ktoré vznikli z nikoľkých dátových sád odtlačkov: Bergdata, Sagem MSO, SecuGen a syntetické. Ako najoptimálnejší detektor sa ukázal SVM s polynomickou kernelovou funkciou s presnosťou 97,12 % na dátovej sade zo sensoru Bergdata, 98,49 % na Sagem MSO, 94,97 % na SecuGen a 100 % na syntetických odtlačkoch. Na adaptívnej metóde morphingu z mojej projektovej praxe je presnosť detekcie 98,85 % na dátovej sade zo sensoru Bergdata, 98,49 % na Sagem MSO, 94,97 % na SecuGen a 100 % na syntetických odtlačkoch. Vylepšená metóda morphingu z mojej projektovej praxe nepreukázala vplyv na znemožnenie detekcie morphingu, aj napriek tomu, že generuje silnejšie dvojité identity.	sk
dc.description.abstract	This diploma thesis deals with the detection of morphed fingerprints, following my bachelor's thesis and project practice. There is no public work dealing with the detection of morphed fingerprints so far. Morphed and normal fingerprints are considered stochastic textures and described by binarized statistical properties, which are estimated as independent components of the scene. To achieve the goal, the classification algorithm support vector machine was chosen. SVM learns features from the histograms modeling the probability of occurrence of the BSIF descriptor in the texture. Testing was performed on morphed fingerprints, which originated from several fingerprint datasets: Bergdata, Sagem MSO, SecuGen and synthetic. SVM with polynomial kernel function proved to be the most optimal detector with an accuracy of 98 % on the Bergdata sensor dataset, 98.5 % on the Sagem MSO, 94.97 % on the SecuGen and 100 % on the synthetic fingerprints. Detection accuracy on the adaptive morphing method from my project practice is 98.85 % on the Bergdata sensor dataset, 98.49 % on the Sagem MSO, 94.97 % on the SecuGen and 100 % on the synthetic fingerprints. The improved merphing method from my project practice has not shown an effect on preventing morphing detection, although it generates stronger double identities.	en
dc.description.mark	A	cs
dc.identifier.citation	DOVIČIC, D. Odhalení morphovaných otisků prstů [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2022.	cs
dc.identifier.other	146491	cs
dc.identifier.uri	http://hdl.handle.net/11012/208384
dc.language.iso	sk	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	morphing odtlačkov prstov	sk
dc.subject	bsif rysy	sk
dc.subject	nezávislosť	sk
dc.subject	deskriptor textúry	sk
dc.subject	detekcia morphingu	sk
dc.subject	morphing of fingerprints	en
dc.subject	bsif features	en
dc.subject	independance	en
dc.subject	texture descriptor	en
dc.subject	detection of morphing	en
dc.title	Odhalení morphovaných otisků prstů	sk
dc.title.alternative	Morphed Fingerprint Detection	en
dc.type	Text	cs
dc.type.driver	masterThesis	en
dc.type.evskp	diplomová práce	cs
dcterms.dateAccepted	2022-08-26	cs
dcterms.modified	2022-09-05-14:18:03	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	146491	en
sync.item.dbtype	ZP	en
sync.item.insts	2022.09.16 16:50:56	en
sync.item.modts	2022.09.16 16:13:21	en
thesis.discipline	Strojové učení	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav inteligentních systémů	cs
thesis.level	Inženýrský	cs
thesis.name	Ing.	cs

Odhalení morphovaných otisků prstů

Files

Original bundle

Collections