Detekce živosti otisku prstu na bezdotykovém zařízení

Loading...
Thumbnail Image
Date
ORCID
Mark
B
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
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%).
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%).
Description
Citation
FOŘTOVÁ, K. Detekce živosti otisku prstu na bezdotykovém zařízení [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2020.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Informační technologie
Comittee
prof. Ing. Adam Herout, Ph.D. (předseda) doc. Ing. Martin Čadík, Ph.D. (místopředseda) Ing. Michal Bidlo, Ph.D. (člen) Ing. Matěj Grégr, Ph.D. (člen) Ing. Radek Kočí, Ph.D. (člen)
Date of acceptance
2020-07-09
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)?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení
DOI
Collections
Citace PRO