Název:
Detekce živosti otisku prstu na bezdotykovém zařízení
Překlad názvu:
Liveness Detection on Touchless Fingerprint Scanner
Autoři:
Fořtová, Kateřina ; Kanich, Ondřej (oponent) ; Heidari, Mona (vedoucí práce) Typ dokumentu: Bakalářské práce
Rok:
2020
Jazyk:
cze
Nakladatel: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstrakt: [cze][eng]
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%).
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%).
Klíčová slova:
bezdotykové zařízení; biometrie; detekce živosti; lokální binární vzor; otisky prstů; vlnková transformace; zpracování obrazu; biometrics; fingerprints; image processing; liveness detection; local binary pattern; touchless scanner; wavelet transform
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: http://hdl.handle.net/11012/191397