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

Основний зміст сторінки статті

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.

Блок інформації про статтю

Як цитувати
[1]
I. O. Panchenko, K. O. Ivanko, і N. H. Ivnushkina, «Застосування методів машинного навчання для біометричної ідентифікації особи за райдужною оболонкою ока», Мікросист., Електрон. та Акуст., т. 24, вип. 4, с. 40–47, Сер 2019.
Розділ
Електронні системи та сигнали
Біографії авторів

Ivan Oleksandrovych Panchenko, Національний технічний університет України "Київський політехнічний інститут імені Ігоря Сікорського"

Студент кафедри електронної інженерії

Kateryna Olehivna Ivanko, Національний технічний університет України "Київський політехнічний інститут імені Ігоря Сікорського"

Доцент кафедри електронної інженерії

Nataliia Heorhiivna Ivnushkina, Національний технічний університет України "Київський політехнічний інститут імені Ігоря Сікорського"

Доцент кафедри електронної інженерії

Посилання

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