DOI: https://doi.org/10.20535/2523-4455.2019.24.4.186842
Зображення обкладинки

Застосування методів машинного навчання для біометричної ідентифікації особи за райдужною оболонкою ока

Ivan Oleksandrovych Panchenko, Kateryna Olehivna Ivanko, Nataliia Heorhiivna Ivnushkina

Анотація


Робота присвячена застосуванню методів машинного навчання для біометричної ідентифікації особи за райдужною оболонкою ока. Проведено порівняння використання при розпізнаванні райдужної оболонки ока таких ознак, як коефіцієнти двовимірного дискретного перетворення Фур'є, коефіцієнти дискретного косинусного перетворення, а також коефіцієнти апроксимації 3-го і 4-го рівнів двовимірного вейвлет-перетворення. За допомогою проведеного машинного навчання визначена точність ряду класифікаторів, що використовують дані набори ознак. На підставі цього пропонується набір ознак і алгоритмів машинного навчання, які забезпечують найбільшу точність ідентифікації особи на основі розпізнавання райдужної оболонки ока.


Ключові слова


біометрична ідентифікація особи; райдужна оболонка ока; вейвлет-перетворення; машинне навчання

Повний текст:

PDF

Перелік посилань для Cited-By Linking


Lysenko A. M., Melnyk O. S. “Zastosuvannya biometrychnykh system dlya identyfikatsiyi osoby”, Visnyk Kyyivsʹkoho natsionalʹnoho universytetu im. T.Shevchenka, seriya «Yurydychni nauky», no. 60-62, pp. 87 – 91, 2004. URL: http://papers.univ.kiev.ua/article/lysenko-a-melnyk-o-appliance-of-biometrical-systems-for-identification-of-a-pe_17954

Ratha Nalini K. Advances in Biometrics / Nalini K. Ratha, Venu Govindaraju. – Springer Science+Business Media, 2008.– 660 р. DOI: 10.1007/978-1-84628-921-7

Poulami Das et al. “Person Identification through IRIS Recognition”, International Journal of Security and its Applications, vol. 3, no. 1, pp. 129–147, 2009. URL: https://www.researchgate.net/publication/228744430_Person_Identification_through_IRIS_Recognition

Yingzi Du, Robert Ives, Bradford Bonney, and Delores M. Etter "Analysis of partial iris recognition", Proc. SPIE 5779, Biometric Technology for Human Identification II, (28 March 2005); DOI: 10.1117/12.605918

Rizal Isnanto. “Effect of Wavelet-transformed Iris Image Translation and Rotation on its Recognition Rate”, Proccedings of ICISBC, pp. 76-79, 2013. URL: http://eprints.undip.ac.id/41691/

Ayra Panganiban et al. “Wavelet-based Feature Extraction Algorithm for an Iris Recognition System”, Journal of Information Processing Systems, vol. 7, no. 3, pp. 425-434, 2011. DOI: 10.3745/JIPS.2011.7.3.425

Zhu Wen et al. “Iris Feature Extraction based on Haar Wavelet Transform”, International Journal of Security and Its Applications, vol.8, no.4, pp. 265-272, 2014. DOI: 10.14257/ijsia.2014.8.4.24

Sandipan P. Narote et al. “Iris Based Recognition System Using Wavelet Transform”, IJCSNS International Journal of Computer Science and Network Security, vol.9, no.11, pp.101-104, 2009. URL: http://www.academia.edu/6658785/Iris_Based_Recognition_System_Using_Wavelet_Transform

Anjali Soni and Prashant Jain. “Iris Recognition using Four Level Haar Wavelet Transform”, International Journal of Computer Technology & Applications, vol 7(4), pp.568-575, 2016. DOI: 10.14445/23488549/IJECE-V3I6P106

UBIRIS. Noisy Visible Wavelength Iris Image Databases. URL: http://iris.di.ubi.pt

Proença H., Alexandre L.A. (2005) UBIRIS: A Noisy Iris Image Database. In: Roli F., Vitulano S. (eds) Image Analysis and Processing – ICIAP 2005. ICIAP 2005. Lecture Notes in Computer Science, vol 3617. Springer, Berlin, Heidelberg. DOI: 10.1007/11553595_119

K. Ivanko, N. Budik and N. Ivanushkina, "Feature selection for biometriс iris recognition," 2017 5th IEEE Workshop on Advances in Information, Electronic and Electrical Engineering (AIEEE), Riga, 2017, pp. 1-5. DOI: 10.1109/AIEEE.2017.8270539

T. Hastie et al., The Elements of Statistical Learning, Second Edition, Springer Science+Business Media, LLC 2009. 745 p. DOI: 10.1007/b94608

Honsales R., Wuds. R. Tsyfrova obrobka zobrazhenʹ[Digital image processing]. M.: Tekhnosfera, 2012. p. 1104.

Smolyentsev M. K. Osnovy teoriyi veyvletiv. Veyvlety v MATLAB [Fundamentals of wavelet theory. Wavelets in MATLAB]. M.: DMK Pres, 2014. p. 627 c.

P. Kim. MATLAB Deep Learning: With Machine Learning, Neural Networks and Artificial Intelligence. Apress. 151 p. ISBN: 978-1-4842-2845-6. DOI: 10.1007/978-1-4842-2845-6


Перелік посилань


  1. Lysenko A. M., Melnyk O. S. “Zastosuvannya biometrychnykh system dlya identyfikatsiyi osoby”, Visnyk Kyyivsʹkoho natsionalʹnoho universytetu im. T.Shevchenka, seriya «Yurydychni nauky», no. 60-62, pp. 87 – 91, 2004. URL: http://papers.univ.kiev.ua/article/lysenko-a-melnyk-o-appliance-of-biometrical-systems-for-identification-of-a-pe_17954
  2. Ratha Nalini K. Advances in Biometrics / Nalini K. Ratha, Venu Govindaraju. – Springer Science+Business Media, 2008.– 660 р. DOI: 10.1007/978-1-84628-921-7
  3. Poulami Das et al. “Person Identification through IRIS Recognition”, International Journal of Security and its Applications, vol. 3, no. 1, pp. 129–147, 2009. URL: https://www.researchgate.net/publication/228744430_Person_Identification_through_IRIS_Recognition
  4. Yingzi Du, Robert Ives, Bradford Bonney, and Delores M. Etter "Analysis of partial iris recognition", Proc. SPIE 5779, Biometric Technology for Human Identification II, (28 March 2005); DOI: 10.1117/12.605918
  5. Rizal Isnanto. “Effect of Wavelet-transformed Iris Image Translation and Rotation on its Recognition Rate”, Proccedings of ICISBC, pp. 76-79, 2013. URL: http://eprints.undip.ac.id/41691/
  6. Ayra Panganiban et al. “Wavelet-based Feature Extraction Algorithm for an Iris Recognition System”, Journal of Information Processing Systems, vol. 7, no. 3, pp. 425-434, 2011. DOI: 10.3745/JIPS.2011.7.3.425
  7. Zhu Wen et al. “Iris Feature Extraction based on Haar Wavelet Transform”, International Journal of Security and Its Applications, vol.8, no.4, pp. 265-272, 2014. DOI: 10.14257/ijsia.2014.8.4.24
  8. Sandipan P. Narote et al. “Iris Based Recognition System Using Wavelet Transform”, IJCSNS International Journal of Computer Science and Network Security, vol.9, no.11, pp.101-104, 2009. URL: http://www.academia.edu/6658785/Iris_Based_Recognition_System_Using_Wavelet_Transform
  9. Anjali Soni and Prashant Jain. “Iris Recognition using Four Level Haar Wavelet Transform”, International Journal of Computer Technology & Applications, vol 7(4), pp.568-575, 2016. DOI: 10.14445/23488549/IJECE-V3I6P106
  10. UBIRIS. Noisy Visible Wavelength Iris Image Databases. URL: http://iris.di.ubi.pt
  11. Proença H., Alexandre L.A. (2005) UBIRIS: A Noisy Iris Image Database. In: Roli F., Vitulano S. (eds) Image Analysis and Processing – ICIAP 2005. ICIAP 2005. Lecture Notes in Computer Science, vol 3617. Springer, Berlin, Heidelberg. DOI: 10.1007/11553595_119
  12. K. Ivanko, N. Budik and N. Ivanushkina, "Feature selection for biometriс iris recognition," 2017 5th IEEE Workshop on Advances in Information, Electronic and Electrical Engineering (AIEEE), Riga, 2017, pp. 1-5. DOI: 10.1109/AIEEE.2017.8270539
  13. T. Hastie et al., The Elements of Statistical Learning, Second Edition, Springer Science+Business Media, LLC 2009. 745 p. DOI: 10.1007/b94608
  14. Honsales R., Wuds. R. Tsyfrova obrobka zobrazhenʹ[Digital image processing]. M.: Tekhnosfera, 2012. p. 1104.
  15. Smolyentsev M. K. Osnovy teoriyi veyvletiv. Veyvlety v MATLAB [Fundamentals of wavelet theory. Wavelets in MATLAB]. M.: DMK Pres, 2014. p. 627 c.
  16. P. Kim. MATLAB Deep Learning: With Machine Learning, Neural Networks and Artificial Intelligence. Apress. 151 p. ISBN: 978-1-4842-2845-6. DOI: 10.1007/978-1-4842-2845-6






Copyright (c) 2019 Панченко І. О., Іванько К. О., Іванушкіна Н. Г.

Creative Commons License
Ця робота ліцензована Creative Commons Attribution 4.0 International License.

ISSN: 2523-4447
e-ISSN: 2523-4455