1 / 10

Sustav za identifikaciju i klasifikaciju pomoću otiska dlana

Sustav za identifikaciju i klasifikaciju pomoću otiska dlana. Domagoj Alagić, Kristijan Bene, Alen Cindrić, Matea Đonlić, Viktor Skolan. Uvod. Klasifikacija otiska dlana biometrija – raspoznavanje osoba na temelju određenih karakteristika dlan – biometrijska značajka. Opis problema.

hollye
Download Presentation

Sustav za identifikaciju i klasifikaciju pomoću otiska dlana

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Sustav za identifikaciju i klasifikaciju pomoću otiska dlana Domagoj Alagić, Kristijan Bene, Alen Cindrić, Matea Đonlić, Viktor Skolan

  2. Uvod • Klasifikacija otiska dlana • biometrija – raspoznavanje osoba na temelju određenih karakteristika • dlan – biometrijska značajka

  3. Opis problema • Problem • izdvajanje značajki iz slike dlana • klasifikacija na temelju izdvojenih značajki • Zahtjevi • automatizirana obrada • točnost klasifikacije

  4. Opis problema • Primjena • sigurnosni sustavi • kriminalistička obrada

  5. Pregled postojećih metoda • Izdvajanje značajki • FLD (Fisher Linear Discriminant) • PCA (Principal Component Analysis) • 2D-DFT transformacija • Klasifikacija • metoda najbližih susjeda • Bayesov klasifikator • stabla odlučivanja

  6. Opis rješenja problema • PCA • transformacija orginalnog prostora slika • odabir broja značajki • potrebno je dodatno vrijeme računanja, ALI • smanjuje daljnju računsku kompleksnost

  7. Opis rješenja problema • Bayesov klasifikator • dodjeljivanje vjerojatnosti pojedinim hipotezama • zahtijeva inicijalno poznavanje vjerojatnosti • otporan na šum (umjesto izbacivanja hipoteza  samo promjena vjerojatnosti)

  8. Opis rješenja problema • Metoda najbližeg susjeda • računanje udaljenosti te klasificiranje na temelju najmanje udaljenosti • jednostavan za implementaciju, adaptivan • zauzima dosta memorije • trajanje klasifikacije

  9. Eksperimentalni rezultati

  10. Zaključak • Rezultati • oba klasifikatora imaju dobar postotak klasifikacije, iako uspješnost klasifikacije pomoću Bayesa sve bolja kako broj uzoraka u skupu za učenje raste • Moguća poboljšanja • rad u stvarnom vremenu • kombinacija više metoda

More Related