論文の概要、ライセンス

# (参考訳) 耳の認識 [全文訳有]

Ear Recognition ( http://arxiv.org/abs/2101.10540v1 )

ライセンス: CC BY 4.0
Nikolaos Athanasios Anagnostopoulos(参考訳) 耳の認識は、復活した科学分野として説明できる。 耳の生体測定は、耳の特徴や、髪、衣服、耳のジュエリーによる耳の潜在的な閉塞を正確に測定することが困難であるため、長い間正確ではないと考えられており、科学研究の二次的な場所を保持していました。 しかし、近年の研究では、これらの問題に取り組み、耳のバイオメトリックスが本当に正確な識別と検証結果を提供できることを証明した後、活発な研究分野として復活している。 いくつかの2Dおよび3Dイメージング技術、および放射音と反射音を用いた音響技術は、耳の認識のために開発・研究され、また、耳の完全な自動認識にも大きな進歩があった。 さらに、耳のバイオメトリックスは、主に非侵襲的で、適切に永続的で正確であり、偽造や偽造が難しいことが証明されている。 さらに、異なる耳認識技術が顔認識技術と同じくらい効果的であることが証明されており、耳認識が識別および検証アプリケーションに使用される機会を提供します。 最後に、いくつかの問題はまだ開いていて、さらなる研究が必要ですが、耳の生体測定の科学分野は実行可能であるだけでなく、本当に繁栄していることが証明されています。

Ear recognition can be described as a revived scientific field. Ear biometrics were long believed to not be accurate enough and held a secondary place in scientific research, being seen as only complementary to other types of biometrics, due to difficulties in measuring correctly the ear characteristics and the potential occlusion of the ear by hair, clothes and ear jewellery. However, recent research has reinstated them as a vivid research field, after having addressed these problems and proven that ear biometrics can provide really accurate identification and verification results. Several 2D and 3D imaging techniques, as well as acoustical techniques using sound emission and reflection, have been developed and studied for ear recognition, while there have also been significant advances towards a fully automated recognition of the ear. Furthermore, ear biometrics have been proven to be mostly non-invasive, adequately permanent and accurate, and hard to spoof and counterfeit. Moreover, different ear recognition techniques have proven to be as effective as face recognition ones, thus providing the opportunity for ear recognition to be used in identification and verification applications. Finally, even though some issues still remain open and require further research, the scientific field of ear biometrics has proven to be not only viable, but really thriving.
公開日: Tue, 26 Jan 2021 03:26:00 GMT

※ 翻訳結果を表に示しています。PDFがオリジナルの論文です。翻訳結果のライセンスはCC BY-SA 4.0です。詳細はトップページをご参照ください。

翻訳結果

    Page: /      
英語(論文から抽出)日本語訳スコア
Ear Recognition Nikolaos Athanasios Anagnostopoulos 耳の認識 Nikolaos Athanasios Anagnostopoulos 0.81
Introduction to Biometrics バイオメトリックス入門 0.56
University of Twente EIT ICT Labs Master School Twente大学 EIT ICT Labs マスタースクール 0.70
2013-14 2013-14 0.59
英語(論文から抽出)日本語訳スコア
Abstract Ear recognition can be described as a revived scientific field. 概要 耳の認識は、復活した科学分野として説明できる。 0.53
Ear biometrics were long believed to not be accurate enough and held a secondary place in scientific research, being seen as only complementary to other types of biometrics, due to difficulties in measuring correctly the ear characteristics and the potential occlusion of the ear by hair, clothes and ear jewellery. 耳の生体測定は、耳の特徴や、髪、衣服、耳のジュエリーによる耳の潜在的な閉塞を正確に測定することが困難であるため、長い間正確ではないと考えられており、科学研究の二次的な場所を保持していました。 0.66
However, recent research has reinstated them as a vivid research field, after having addressed these problems and proven that ear biometrics can provide really accurate identification and verification results. しかし、近年の研究では、これらの問題に取り組み、耳のバイオメトリックスが本当に正確な識別と検証結果を提供できることを証明した後、活発な研究分野として復活している。 0.60
Several techniques, techniques using sound emission and reflection, have been developed and studied for ear recognition, while there have also been significant advances towards a fully automated recognition of the ear. 音響放射と反射を用いたいくつかの技術は、耳の認識のために開発され研究されているが、完全に自動化された耳の認識への大きな進歩もある。 0.70
Furthermore, ear biometrics have been proven to be mostly non-invasive, adequately permanent and accurate, and hard to spoof and counterfeit. さらに、耳のバイオメトリックスは、主に非侵襲的で、適切に永続的で正確であり、偽造や偽造が難しいことが証明されている。
訳抜け防止モード: さらに 耳のバイオメトリックスは ほとんどが非侵襲的で、適切に永続的で、正確で、偽りや偽造が困難である。
0.58
Moreover, different ear recognition techniques have proven to be as effective as face recognition ones, thus providing the opportunity for ear recognition to be used in identification and verification applications. さらに、異なる耳認識技術が顔認識技術と同じくらい効果的であることが証明されており、耳認識が識別および検証アプリケーションに使用される機会を提供します。 0.82
Finally, even though some issues still remain open and require further research, biometrics has proven to be not only viable, but really thriving. 最後に、いくつかの問題は未解決のままであり、さらなる研究が必要であるが、バイオメトリックスは実行可能なだけでなく、本当に繁栄していることが証明されている。
訳抜け防止モード: 最後に、 いくつかの問題は未解決のままで さらなる研究が必要です バイオメトリックスは 実現可能であるだけでなく 本当に繁栄しています
0.65
the scientific field of ear as acoustical 耳の科学的な分野 音響的に 0.78
2D and 3D imaging 2dと3d イメージング 0.71
as well ear on an それも 耳 オン アン 0.67
system based United システム ベース ユナイテッド 0.64
States of America, 国 ですから アメリカ。 0.61
classification 1 Introduction Ear recognition traces its roots to French criminologist A. Bertillon,[1][2] who in an 1890 seminar supported that the ear is an important factor for identification and recognition. 分類 1 導入時の耳認識は、1890年のセミナーで耳が識別と認識の重要な要因であると主張したフランスの犯罪学者 a. bertillon,[1][2] に起源がある。 0.75
[3] In the manual measurements was developed by A. V. Iannarelli, and ear recognition has played some role in the forensic science for the past 40 years. 3] 手動測定では、A. V. Iannarelliによって開発され、耳認識は過去40年間フォレンジックサイエンスで重要な役割を果たしてきました。 0.73
[1][2] Iannarelli proposed a biometric recognition system based on twelve measurements of ear characteristics. [1][2] iannarelliは12種類の耳特性の測定に基づく生体認証システムを提案した。 0.84
Photographs of the right ear were to be taken and then registered, after being aligned and scaled during development. 右耳の写真は、開発中にアライメントされスケールされた後に撮影され、登録された。 0.75
[4] to be normalised in size and orientation and therefore be easily comparable to each other. 4] サイズと向きが正規化されているため、互いに簡単に比較できる。 0.70
Measurements of the distance between the different ear characteristics made in units of 3mm were stored along with information on sex and race,[4] thus creating relatively unique sets of identification characteristics. 3mm単位の異なる耳の特徴間の距離の測定は、性別と人種に関する情報と一緒に保存された[4]したがって、識別特性の比較的ユニークなセットを作成します。 0.76
However, due to the importance of identifying the exact points of measurements in great detail, this method has been generally considered unsuitable for machine vision. しかしながら、測定の正確な点を非常に詳細に特定することの重要性から、この手法は一般に機械視には適さないと考えられている。 0.67
for ear Over recognition, the correct and adequate acquisition of ear biometrics rising from the difficulty to measure the ear’s anatomy details and the easy and quite common concealment of the area of the ears have persisted. 耳のオーバー認識のために、耳の解剖学的詳細を測定することが困難から上昇する耳のバイオメトリックの正確かつ適切な取得と耳の領域の簡単かつ非常に一般的な隠蔽が持続しています。 0.79
This has led ear biometrics to have a minor and only complementary role in identification and verification, including any forensic science applications. これにより、耳のバイオメトリックスは、法医学的な応用を含む識別と検証において、少数かつ唯一の補完的な役割を持つようになった。 0.49
different and verification. introduced difficulties against 異なると検証。 困難を招き 0.65
techniques has been However, a high number of 技術は しかし、 high number (複数形 high numbers) 0.55
the photographs This allowed identification 写真は この許可は 識別 0.69
significant the years, 重要なこと 何年も 0.51
英語(論文から抽出)日本語訳スコア
2 The difficulties of ear recognition Apart from the considerable difficulties of correctly measuring the details of the anatomy of the ear, there are considerable impediments in the process of acquiring suitable pictures, schematics or photographs of the ear. 2) 耳の解剖学的詳細を正確に測定することの困難さを別にすれば, 耳の適切な画像, 図面, 写真を取得する過程には, かなりの障害がある。 0.75
Besides the obvious hindrances that concealment of the ear by clothes, hair, ear ornaments and jewellery may pose, the issue of correct registration of the ear biometrics acquired through analog or digital images remains valid, as the availability or not of images taken at different angles may also conceal or disclose important characteristics of the ear’s anatomy. 服、髪、耳の装飾品、宝石類による耳の隠蔽がもたらす明らかな障害に加えて、アナログまたはデジタル画像によって取得した耳の生体認証の正しい登録の問題も有効であり、異なる角度で撮影された画像の可用性の有無は耳の解剖学の重要な特徴を隠したり開示したりすることがあります。 0.72
However the employment of ear ornaments and jewellery may also provide unique ear identifiers that can prove critical in the field of forensic science. しかし、耳飾りや宝飾品の雇用は、法医学の分野で重要となるユニークな耳の識別子を提供するかもしれない。 0.61
The temporary and volatile nature of such ornaments may not allow their utilisation as identifiers for long time periods, but in many cases this could be compensated by exploitation of the related ear markings, left from the usage of such jewellery and ornaments, especially in such cases as ear lobe stretchers. このような装飾の一時的かつ揮発的な性質は、長期間の識別子としての使用を許さないが、多くの場合、このような宝石や装飾、特に耳ローブストレッチャーのような使用から外れた、関連する耳のマーキングの活用によって補うことができる。 0.72
Nevertheless, the problem of appropriate and sufficient acquisition of the ear’s image and characteristics is further exacerbated by such elements as the presence of hair or clothes covering all or part of the ear in a great number of images acquired during unexceptional circumstances. それにもかかわらず、耳の画像と特性の適切かつ十分な取得の問題は、例外のない状況で取得した大量の画像の中で耳の全部または一部をカバーする髪や服の存在などの要素によってさらに悪化しています。 0.74
These difficulties have led ear recognition to be playing a secondary role in identification systems and techniques, being complementary to other biometrics, which are being used more commonly for positive identification and verification. これらの困難により、耳の認識は識別システムと技術において二次的な役割を果たし、ポジティブな識別と検証のためにより一般的に使用されている他の生体認証に補完的です。 0.69
Recently, however, there is a renewed interest in the field of ear recognition, which may be potentially attributed to the advancement of capturing techniques and capabilities, which could compensate for the shortcomings of process has been made regarding the editing, manipulation and refinement of captured images, which could help reconstruct any obscure or concealed parts or inadequately captured characteristics of the ear with significant success. しかし,近年では,映像の編集,操作,精巧化といった過程の欠点を補う捕音技術や能力の進歩が,不明瞭で隠された部分や不適切な捕音特性の再構築に寄与する可能性があるため,音声認識の分野への新たな関心が高まっている。 0.61
A growing number of different approaches is being applied in the field of ear recognition. 耳の認識の分野では、さまざまなアプローチが増加しています。 0.73
These approaches include the application of both optical and acoustical means for ear recognition, while they may also involve 2D as well as 3D identification techniques. これらのアプローチには、聴覚認識のための光学的および音響的手段の応用が含まれるが、2dおよび3d識別技術も含む可能性がある。 0.70
[5] The existence and employment of these different approaches has not only been demonstrated and reported theoretically, but has also led into an actual number of related patents being granted. [5]これらの異なるアプローチの存在及び使用は,理論的に証明され,報告されているだけでなく,実際に付与される関連特許の数にも繋がる。 0.78
[5] This fact can again be used to signify the revived interest around ear biometrics and their applications. 5] この事実は、耳のバイオメトリックスとその応用に関する復活した関心を示すのに再び用いられる。 0.67
In turn, this has led into increased recent research over new means, ways and techniques that ear recognition and identification. これにより、耳の認識と識別のための新しい手段、方法、技術に関する最近の研究が増加しています。 0.72
However, it should again be noted that such research seems to suggest that ear techniques of identification, such as face and iris recognition, significantly enhancing and improving them. しかし、このような研究は、顔や虹彩認識などの識別の耳のテクニックが著しく向上し、改善していることを示唆しているように思われる。 0.68
[6][7] could potentially biometrics may provide better [6][7] 生体認証が 改善する可能性があり 0.64
results when combined with other 結果を他のものと組み合わせると 0.69
Furthermore, improve, or even revolutionise, さらに 改善する または革命です 0.60
the field of acquired はあ? フィールド acquired~ 0.51
images. significant 画像。 重要なこと 0.54
英語(論文から抽出)日本語訳スコア
fashion concealment for the ear, ファッション 隠蔽 耳のために 0.68
include potential with before These 潜在的に それ以前には 0.65
the ear issues 3 Recent developments in ear biometrics As mentioned before, ear biometrics involve a relatively high amount of issues that have to can be successfully employed be dealt identification and verification. 耳の問題は 3 耳バイオメトリクスの最近の進歩 前述のように、耳バイオメトリックスには比較的多くの問題があり、それをうまく活用する必要があるのは、識別と検証である。 0.68
pictures and of schematics produced at angles which conceal important ear features and characteristics, the effects of age,[8] as well as ear markings caused by ear jewellery and ornaments. 重要な耳の特徴や特徴、年齢、[8]の影響、およびイヤジュエリーや装飾品による耳のマーキングを隠す角度での絵や図式の作成。
訳抜け防止モード: 重要な耳の特徴や特徴を隠す角度で制作された画像や回路図。 年齢の影響、[8]、および耳の宝石および装飾によって引き起こされる耳の印。
0.78
On top of these issues, if optical 2D ear recognition was to be employed in a widespread fashion, such countermeasures as deliberate partial or full concealment of the ear would prove to be highly effective. これらの問題に加えて、光学式2次元耳認識が広範に採用される場合、意図的な部分的あるいは完全な耳の隠蔽などの対策が有効であることが判明した。 0.81
For this purpose, ear biometrics have at best been employed in only a complementary identification and verification, especially in forensic science applications. この目的のために、耳のバイオメトリックスは、特に法科学の応用において、補完的な識別と検証にのみ使用される。 0.65
the obstacles However the ear during described. 障害物 しかし、説明中の耳。 0.58
hearing and could potentially be used even when the ear is partially or fully concealed. 耳が部分的に、あるいは完全に隠されている場合でも、聴力と使用の可能性がある。 0.57
As sound can penetrate quite well thin objects, such as hair, clothes or other items that usually cover ears, it can be used to either form a picture of the ear and its surface characteristics or to measure the response of the ear to it. 音は、通常耳を覆う髪、衣服などの非常に薄いオブジェクトを貫通することができるため、耳の画像とその表面特性を形成するか、耳の応答を測定するために使用することができます。 0.71
[2][9] Even though sound scattering on a concealed ear may not give an adequately clear image of the ear, due to the ear’s relatively complex structure, the variety of frequencies that can be employed and the different angles that can be used may make it possible to reconstruct a good enough image of the ear, based on capturing the sounds that are reflected by it. [2][9] 隠された耳の音の散乱は、耳の比較的複雑な構造のために、耳の十分な明確なイメージを与えることはできませんが、使用できる周波数の多様性と使用できる角度が異なるため、それによって反映される音をキャプチャして、耳の十分な画像を再構成することができる可能性があります。 0.78
It is important to note that even if the a full ear image cannot be reconstructed to high detail, it may still be able to measure the position of its basic features with enough detail to allow for them to be used as a biometric. 完全な耳の画像が詳細に再構築できない場合でも、バイオメトリックとして使用できるように十分な詳細でその基本的な特徴の位置を測定することができる可能性があることに注意することが重要です。 0.85
It is also interesting to mention here that the same technique could be employed for face recognition as well, when features such as the nose and its tip, the chin and the cheeks are considered. ここでも興味深いのは、鼻や先端などの特徴が考慮されれば、顔認識にも同じ技術が使用される可能性があるということです。 0.63
recognition may help overcome ear recognition uses sounds reflected by or on 認識は耳の認識を克服するのに役立つかもしれない 0.70
research on acoustical Acoustical 音響音響に関する研究 0.83
to other means of recognition, 他人に 訳語 手段 認識 0.50
ear Fig. 1: 2D sketch of the external ear anatomy. 耳 フィギュア。 1:外耳道解剖の2次元スケッチ。 0.63
[10] [10] 0.85
英語(論文から抽出)日本語訳スコア
biometrics biometrics 0.85
to 2D Furthermore, the way sound is reflected by the ear is quite unique due to the unique construction and combination of the outer ear structure, the ear canal and the ear drum. 2Dへ さらに、外耳の構造、耳道および耳のドラムの独特な構造そして組合せによる耳によって音が反映される方法はかなり独特です。 0.76
Therefore, this can also be used as an identifier with quite good results. そのため、非常に良い結果の識別子としても使用できる。 0.74
[11] In addition to this, general otoacoustic emissions, sounds that the ear emits either due to external stimulation or on its own during the process of hearing, are also unique and recent studies have shown their potential for being used as a biometric modality. 11]これに加えて、一般的な耳音響の放出は、耳が外的刺激によるか、または聴覚の過程で単独で発する音もユニークであり、最近の研究は生体測定のモダリティとして使用される可能性を示しています。 0.74
[12][13] Moreover, all ear recognition, identification and verification techniques can take advantage of the presence of two ears on most humans, which can provide room for techniques that may compare features of the left and the right ear against each other or may combine the biometrics of each ear in addition to each other, so that these techniques may become more reliable. さらに[12][13]、すべての耳認識、識別および検証技術は、ほとんどの人間に2つの耳の存在を利用することができます。これは、左右の耳の特徴を互いに比較したり、それぞれの耳のバイオメトリックを互いに組み合わせたりする技術の余地を提供することができ、これらの技術がより信頼性を高めることができます。 0.79
It should be noted here that unlike, for example, eyes, the left and the right ear of a single person are not identical, or even so highly similar to each other. ここで注意すべきことは、例えば、目とは異なり、単一の人の左耳と右耳は同一ではなく、さらには互いに非常に類似していることです。 0.74
Each ear has a significant degree of uniqueness,[11] with features such as the helix differing in a significant degree between the left and the right ear of the same person. 各耳は、同じ人の左耳と右耳の間に有意な程度で異なるヘリックスなどの特徴を持つ、かなりの一意性を持っています[11]。 0.66
[14] Finally, 3D imaging techniques seem to provide another way to provide highly reliable ear biometrics that can be used for successful recognition and identification. 14] 最後に、3dイメージング技術は、認識と識別に使用できる、信頼性の高い耳バイオメトリックスを提供する別の方法を提供するようです。 0.73
[15] Recent studies have shown a rank-1 recognition rate of around 95% for such 3D imaging techniques for ear biometrics. [15]近年の研究では、耳バイオメトリックスのための3Dイメージング技術において、ランク1の認識率は95%程度である。 0.68
[16][17] Even though 3D techniques do not provide significantly more additional ear the characteristics being captured and thus lead into better registration. 16][17] 3D技術が大幅に追加耳を提供していないにもかかわらず、捕捉される特性は、より良い登録につながります。 0.68
[14] However, these techniques tend to be highly dependent on the illumination and shading of the captured images and require preprocessing to remove artifacts introduced by the 3D sensor. しかし,これらの技術は撮影画像の照明やシェーディングに大きく依存する傾向があり,3Dセンサで導入されたアーティファクトの除去には前処理が必要である。 0.80
[17][18] It has to be mentioned, however, that the best results are always achieved when ear biometrics are combined with other relevant biometrics, such as iris, face or fingerprints. 17][18] しかし、耳のバイオメトリックスと虹彩、顔、指紋などの他の関連するバイオメトリックスが組み合わさることで、最良の結果が常に達成されるということを述べなければならない。 0.68
A growing number of studies has shown that combining ear biometrics with another type of biometrics will lead to better results when compared with any of the two types of biometrics alone. 耳のバイオメトリックスと他のタイプのバイオメトリックスを組み合わせることで、2種類のバイオメトリックスだけで比較すると、より良い結果が得られるという研究が増えている。 0.67
[6][7][18][19][20] 4 The significance of ear biometrics Recent research has shown that, contrary to what has long been believed, ear biometrics do not perform worse than other biometrics, such as face, towards positive identification and verification. 6][7][18][19][20] 4 耳の生体認証の重要性 最近の研究では、長い間信じられていたこととは対照的に、耳の生体認証は顔などの他の生体認証よりも悪くなっていないことが示されています。 0.68
[19] Although an initial study comparing ear recognition and face recognition using Principal Component Analysis (PCA) showed that face recognition at the time was performing better,[20] more recent techniques have allowed ear recognition to reach very high recognition rates, similar to those attained by face recognition. [19]主成分分析(PCA)を用いた音声認識と顔認識を比較した最初の研究は、当時の顔認識性能が向上していることを示していたが、[20]近年の手法により、顔認識が達成したのと同様、認識率が非常に高いものになった。 0.75
It has also been empirically proven through research that ears are relatively unique. また、耳が比較的独特であることが研究によって実証されている。 0.61
[9][21] Furthermore, even though age affects ears in a significant way,[8] their characteristics are relatively more permanent than, for example, facial characteristics and at the same level of permanency as fingertips. さらに[9][21] 年齢が有意な方法で耳に影響を与えるにもかかわらず、[8] それらの特性は、例えば顔の特徴と指先と同じレベルの永続性よりも比較的永続的です。 0.87
[21] These qualities contribute into ears being relatively suitable biometrics for identification and verification. [21]これらの特徴は,耳の識別と検証に比較的適した生体認証に寄与する。 0.69
the accuracy of nevertheless, they can, 正確さは それでも 彼らはできる 0.74
imaging, raise イメージング。 上げて 0.55
英語(論文から抽出)日本語訳スコア
recent 2D future. involve 最近 2D 未来 巻き込む 0.64
Comparisons of identified or verified, 比較 特定されるか、確認される 0.50
as These qualities combined with the relatively low cost of the methods and techniques used for the acquisition and handling of ear biometrics,[21][22] make ear biometrics particularly interesting for further research. として これらの性質は、耳バイオメトリックスの取得と取り扱いに使用される方法や技術の比較的低いコストと組み合わされ、[21][22]は耳バイオメトリックスをさらなる研究のために特に興味深いものにする。 0.63
Furthermore, it must be noted that ear biometrics involve a relatively non-intrusive acquisition, as long as the area of the ear is not fully covered. さらに、耳の領域が完全に覆われていない限り、耳のバイオメトリックスは、比較的非侵入的な獲得を伴うことに注意する必要がある。 0.64
However, the same holds true for most biometrics; as the area associated with their acquisition should be not covered. しかし、ほとんどの生体認証では同じことが当てはまります。
訳抜け防止モード: しかし、ほとんどのバイオメトリックスについても同じことが言える。 買収に関連する領域は 網羅してはならない。
0.60
Moreover, ear biometrics are relatively difficult to counterfeit because of the ear’s deep 3D structure and their robust resistance to change with age, and therefore can be used for identification and verification purposes when a high degree of protection is required. さらに、耳の生体認証は、耳の深い3D構造と年齢とともに変化する堅牢な耐性のために、偽造が比較的困難であるため、高度な保護が必要な場合に識別および検証目的に使用できます。 0.76
[2] However, earmarks left behind are not of the same quality as fingertips and cannot be used conclusively for identification or verification. しかしながら、残されているイヤーマークは指先と同じ品質ではなく、識別や検証に決定的に使用することはできない。 0.66
Nevertheless, ear biometrics could also be used in recognition and verification with less effort required from the person that wants their use doesn’t to be them being remembered or possessed in such ways as passwords and cards. それにもかかわらず、耳の生体認証は、パスワードやカードなどの方法で記憶または所有されないようにしたい人からの労力を少なくして、認識および検証にも使用できます。 0.75
Even though ear biometrics are not currently used as a primary means of identification and/or verification, there is concrete evidence that they are as suitable and reliable as face biometrics and therefore there is no reason why they should not be used more widely in the techniques and methods have consistently demonstrated an accuracy of over 90%, while 3D techniques achieve an accuracy of over 95%. 現在、耳の生体認証は主要な識別や検証の手段としては使われていないが、顔の生体認証と同じくらい適切で信頼性が高いという具体的な証拠があるため、90%以上の精度を一貫して示しているのに対し、3d技術は95%以上の精度を達成している。 0.70
[9] Furthermore, the combination of ear biometrics with other types of biometrics has a consistent accuracy of over 95%. [9] 耳バイオメトリックスと他のバイオメトリックスの組み合わせは, 95%以上の一貫した精度を有する。 0.73
[9] Moreover, different techniques have employed light and sound of a specific frequency to deal with the problem of concealed or obscure ears, with significant success. 9] また,特定の周波数の光と音を用いて,隠し耳や目立たない耳の問題に対処し,有意な成功を収めている。 0.77
Such a technique uses relative darkness. このような技法は相対暗黒を用いる。 0.67
[23] Ear biometrics obtained in such a way can be used to achieve identification or verification as the examined characteristics do not vary by colour, unlike, for example, eyes. [23]このような方法で得られた耳バイオメトリックスは、例えば目とは異なり、検査された特徴が色によって変化しないため、識別や検証に使用できる。 0.77
Another interesting fact is that, as ear biometrics has not been widely used in recognition, identification and verification systems, they are still relatively unknown to potential culprits and there has not yet been any significant attempt to spoof them. もう一つの興味深い事実は、耳の生体認証が認識、識別、検証システムで広く使用されていないため、潜在的な犯人にはまだ比較的知られておらず、それらを偽装する重要な試みはまだありません。 0.66
Therefore, and taking into account the relative difficulty of counterfeiting them, they could be used in forensic science and in the judicial system, in a better way than other techniques already used such as fingertips. したがって、偽造の相対的な難しさを考慮して、彼らは既に指先などの他の技術よりも優れた方法で、法医学や司法システムで使用することができます。 0.74
It should however be noted that the area of the ear’s helix is relatively elastic and could be deliberately deformed to deceive an ear recognition system. ただし、耳のヘリックスの面積は相対的に弾性があり、意図的に変形して認識システムを欺くことができる点には注意が必要だ。 0.67
However, in a similar fashion to the elasticity of human fingerprints or facial characteristics, once those deliberate deformities have been identified, they can be digitally addressed, and the identification system can be trained to recognise and correct them. しかし、人間の指紋や顔の特徴の弾力性に類似した方法では、それらの意図的な変形が特定されると、デジタル的に対処でき、識別システムを訓練して認識し、修正することができる。 0.73
Additionally, other techniques exist which can revert the results of such deliberate elastic deformation of the ear by utilising different sets of ear biometrics. さらに、様々な耳のバイオメトリックスを用いて耳の故意な弾性変形の結果を逆転させる技術もある。 0.68
[24] to classify ear there has some effort Finally, into different categories, usually according to the principal characteristic or technique used, for such all 2D, techniques, classifications standardised, 耳を分類する[24]最後に、通常使用される主な特性または技術に従って、標準化されたすべての2D、技術、分類のために、異なるカテゴリに、いくつかの努力があります。 0.63
identification methods are not even though 3D and acoustical 識別方法は 3Dと音響は 0.57
in conditions of infra-red という条件で 赤外線 0.64
light to detect 光 to detect 0.80
ear characteristics 耳 特徴 0.76
英語(論文から抽出)日本語訳スコア
is detached or attached. 切り離されているか 取り付けて 0.45
[27] Using such characteristics during [27]そのような特性を用いた場合 0.73
widespread or conclusive yet. まだ広く、あるいは決定的である。 0.41
[5][9] 5 Current methods of ear recognition It should be noted that automated ear recognition techniques do exist at present, based on machine vision. 5][9] 5 耳認識の現在の方法機械ビジョンに基づいて、現在、自動耳認識技術が存在することに注意してください。 0.72
[4] These techniques, however, face the same challenges as other computer vision techniques, sometimes failing to correctly identify the whole ear region and so on. しかし,これらの技術は他のコンピュータビジョン技術と同じ課題に直面しており,耳の領域全体を正しく識別できない場合も少なくない。 0.74
It is evident, though, that ear registration or recognition processes can be further sped up and automated, if efficient and dependable algorithms can be used for the automatic detection of ear landmarks and contours. しかし、耳のランドマークと輪郭の自動検出に効率的で信頼できるアルゴリズムが使用できる場合、耳の登録または認識プロセスをさらにスピードアップして自動化できることは明らかです。 0.79
[1] Different window shapes for the capturing of the ear region have been proposed, while also capturing whole blocks of the face containing the ear area has been suggested. 1) 耳領域を捕捉するための異なる窓形状が提案され, また, 耳領域を含む顔のすべてのブロックを捕捉することが提案されている。 0.78
[2][25] Window shapes that have been proposed include both circular and square approaches. [2][25] 提案された窓形状は、円形と正方形の両方のアプローチを含む。 0.82
In relation to this, it must be noted that Iannareli classified ears into the following distinct shape types: round, rectangular, triangular, oval, or undetermined,[26] which could provide helpful insight about the shape of the window to be used. これに関連して、Iannareliの耳は、円形、長方形、三角形、楕円形、または未決定形に分類され、使用すべき窓の形状に関する有益な洞察を与えることができる[26]。
訳抜け防止モード: これに関連して、Iannareliは耳を次の異なる形状タイプに分類することに注意する必要があります。 長方形、三角形、楕円形、または未決定[26]。 使用するウィンドウの形状に関する有益な洞察を提供することができます。
0.74
Other types of preliminary classification include levelling according to concealment of the ear region and using colour or other characteristics as classifiers, such as whether the ear lobule registration can improve the accuracy and speed of a system during identification and verification,[27] but of course may also increase the time required for registration. その他の予備分類には、耳の領域の隠蔽によるレベリングや、耳のロブラー登録が識別および検証中のシステムの精度および速度を向上させることができるかどうかなどの分類器として色または他の特性を使用するなど、もちろん、登録に必要な時間を増やすことができます。 0.78
Furthermore, face features, using the position of the ear, or its more specific features, relative to each side’s eye brow, cheek or eye, sometimes in combination with the position of the nose (tip), as a single combinatorial biometric. さらに、顔の特徴は、耳の位置、またはそのより具体的な特徴を使用して、時々単一の組み合わせバイオメトリックとして鼻(先端)の位置と組み合わせて、両側のまぶた、ほこりまたは目に関連して、。 0.68
Also, the position of the ear in relation to the nose tip alone could be used as a biometric on face characteristics and the ear may be more accurate than already existing ear biometrics, depending on the correct and accurate registration of all features involved. また、鼻先のみに関する耳の位置は、顔の特徴のバイオメトリックスとして用いることができ、関連する全ての特徴の正確かつ正確な登録に依存して、既存の耳バイオメトリックスよりも正確である可能性がある。 0.79
local Moreover, descriptors,[1] depending on issues of pattern recognition, such as the local texture of the whole or parts of the ear. local further, descriptors,[1] は、全体の局所的なテクスチャや耳の一部といったパターン認識の問題に依存する。 0.68
[5] The triangulation of the area of the ear has also been tested for the recognition and registration for the ear and its characteristics, with quite good results, providing high quality 3D ear images in real time. 5] 耳領域の三角測量も, 耳の認識と登録, その特性について検討され, 極めて良好な結果を示し, 高品質な3d耳像をリアルタイムで提供した。 0.81
[28] An initial technique employed for 2D ear recognition involved using Principal Component Analysis (PCA) in the same way as face recognition, but replacing eigen-faces with eigenears. [28]主成分分析(PCA)を顔認証と同等に用いながら,固有面を固有面に置き換える2次元認識に初歩的手法を応用した。 0.74
However, a large amount of other methods and techniques was relatively soon introduced in the field of ear biometrics in an effort for improved results and accuracy. しかし, 耳の生体計測の分野では, 結果と精度を向上させるために, 比較的早く, 多数の方法や技術が導入された。 0.82
[1][9][22] Point) and wavelet In 3D ear biometrics, transformation and have identification verification. [1][9][22]ポイント)とウェーブレット(3d耳バイオメトリックス)は、トランスフォーメーションと識別検証を持っている。 0.74
[1][9][18][29] Finally, the ear can also be recognised and registered through sound, but again there must [1][9][18][29] 最後に、耳は音を通して認識され、登録されるが、再びある必要がある。 0.73
ICP (Iterative Closest and accurate ICP(Iterative Closest and accurate) 0.96
Such systems combining different 異なるシステムを組み合わせると 0.85
techniques may adapt techniques such as provided results 技術が適応し 与えられた結果などの技術 0.72
good the ear with other よし 耳ともう片方の耳 0.60
other techniques combine その他 技術の組み合わせ 0.68
the characteristics of the use of 特徴は the use of... 0.50
holistic and/or 全体的および/または 0.36
ear registration its own. 耳 登録 自分自身です 0.70
quite かなり 0.74
英語(論文から抽出)日本語訳スコア
in a PCA for で PCA ですから 0.60
than 20% Furthermore, 20%以上が さらに 0.66
which usually tends to be around 90%. 通常は tends 90%程度になります 0.74
[9] and their them according [9] 彼らも 彼らによると 0.66
to the actual method used for recognition. へ 実際に使う方法 認識のために 0.68
[1][9] Based on [1][9]に基づく。 0.74
these classifications,[9] categories: これらの分類、[9]カテゴリ: 0.88
recent intensity-based, 2D ear recognition 最近の強度ベース。 2次元耳認識 0.66
be sufficient registration, performed in an adequate way, which would avoid external noise being registered. 十分な登録をし,適切な方法で行うことにより,外部ノイズの登録を回避することができる。 0.65
Furthermore, external noise during the process of recognition must also be removed in an efficient way. さらに、認識過程における外部ノイズも効率よく除去する必要がある。 0.72
6 approaches Novel performance Various 2D ear recognition techniques have recently been used to provide results with an 75%, over accuracy of a classification of such techniques based on their approach has been proposed, but is not yet standardised or even widely accepted. 6アプローチ 新たな性能 様々な2次元耳認識技術は、最近75%の精度で結果を提供するために使われており、それらの手法に基づいた分類の精度が提案されているが、まだ標準化されていない、あるいは広く受け入れられていない。
訳抜け防止モード: 6アプローチ 新たな性能 様々な2次元耳の認識技術を用いて,75パーセントの精度で結果を提供する手法が提案されている。 しかし、まだ標準化されていないし、広く受け入れられていない。
0.80
[5] Based on it, 2D ear recognition techniques are classified into four categories, utilising a structural, a subspace learning, a model-based or a spectral approach. 5]に基づいて,2次元耳認識技術は,構造的,部分空間的学習,モデルベース,スペクトル的アプローチの4つのカテゴリに分類される。 0.85
[5] However, different approaches in classification of ear recognition techniques exist, which group these classifications, we can again note the high accuracy ratio illustrated, as well as focus on some examples of demonstrated techniques and the exact results they have provided. 5] しかし,これらの分類をグループ化する認識手法の分類には異なるアプローチが存在するため,高精度化が図示されていること,実証された手法の例とそれらが提供する正確な結果に注目することができる。 0.80
In recognition methods are placed in one of the wavelet following descriptor, transformation, Gabor filters and SIFT (Scale-Invariant Feature Transform) techniques. In recognition method is placed to one of the wavelet following descriptor, transformation, Gabor filters and SIFT Technique (Scale-Invariant Feature Transform) techniques。 0.90
Intensity-based techniques, which utilise a subspace learning approach, include PCA, ICA (Independent Analysis), IDLLE (Improved Locally Linear Embedding), NKDA (Null Kernel Discriminant Analysis) and Sparce Representation. サブスペース学習アプローチを利用する強度ベースの手法には、PCA、ICA(Independent Analysis)、IDLLE(Improved Locally Linear Embedding)、NKDA(Null Kernel Discriminant Analysis)、Sparce Representationなどがある。 0.76
[5][9] technique described by Chang, Bowyer, Sarkar and Victor in 2003,[19] using a training set of 197 subjects, with 111 subjects for pose variation experimental purposes, had a recognition performance of more than 70% for day variation, more The researchers also noted that they did not find any significant difference in the recognition performance between the face and the ear, noting that, in one experiment, this was 70.5% percent for face versus 71.6% for the ear. 5][9] Chang, Bowyer, Sarkar, Victorが2003年に記述したテクニック,[19] 197人の被験者によるトレーニングセットを使用し,111人の被験者がポーズの変奏実験を行い,1日あたりの認識性能が70%以上であったこと,さらに研究者たちは,顔と耳の認識性能に有意な差は見つからなかったこと,またある実験では,顔の70.5%,耳の71.6%に対して,耳の認識性能は70.5%であったことを指摘した。 0.80
[19] They also found that multimodal recognition using both the ear and face resulted in statistically significant improvement over either individual biometric. また, 耳と顔の両方を用いたマルチモーダル認識により, 個々の生体計測値よりも統計的に有意な改善が得られた。 0.71
[19] An ICA experiment described by Zhang, Mu, Qu, Liu and Zhang in 2005,[30] included 17 subjects who provided 6 ear images each which were cropped and rotated for uniformity, as well as 60 subjects who provided 3 ear images, which were again cropped, but not rotated or brightened. [19] 2005年にzhang, mu, qu, liu, zhangによって記述されたica実験では、[30]は、一様に切り刻んで回転する6つの耳イメージを提供する17の被験者と、3つの耳イメージを提供する60人の被験者を含んでいた。 0.73
It demonstrated a maximum classification accuracy of 88.23% by using PCA on the first set and of 85% by using PCA on the second set, while it also showed a maximum accuracy of 94.11% by using ICA on the first set and of 88.33% by using ICA on the second set. 第1セットでPCAを、第2セットでPCAを、85%で最大分類精度88.23%、第1セットでICAを、第2セットでICAを最大分類精度94.11%、第2セットでICAを最大分類精度88.33%を示した。 0.68
[30] An FSLDA technique was applied by Yuan and Mu in 2007 for ear recognition, after an automatic ear normalization method based on improved Active Shape Model (ASM). [30]改良型能動形状モデル(ASM)に基づく自動耳正規化法の後,2007年,元と無が耳認識にFSLDA法を適用した。 0.83
[31] 79 lighting variation experiments and 101 subjects also used than 60% for [31] 79 照明変動実験と101名の被験者も60%以下で 0.85
FSLDA (Full-Space Linear Discriminant Specifically, FSLDA (Full-Space Linear Discriminant) 0.84
for pose variation. ポーズのバリエーションです 0.47
lighting variation and more 2D ear Force Field 照明の変動など 2次元耳力場 0.67
Component Analysis), (FF), 部品 分析)。 (FF) 0.66
Fourier フーリエ 0.66
英語(論文から抽出)日本語訳スコア
implementing this technique resulted 実施 これ 技法 結果 0.65
over 97% for 97%以上が ですから 0.68
for PCA and well PCA などについて 0.69
subjects were used providing ear images taken from 9-10 different angles. 被験者は9から10の角度から撮影した耳画像を提供した。 0.57
Depending on the angle, the recognition rates are usually over 90%, dropping to 80% or much less as the angle drops at 20 degrees or lower. 角度によって、認識率は通常90%以上であり、角度が20度以下で低下すると80%以下になる。 0.66
[31] An improved LLE method is introduced by Xie and Mu in 2008 and tested against 16 datasets of 79 ear images each. [31]2008年にXieとMuによって改良されたLLE法を導入し,79個の耳画像からなる16のデータセットに対して試験を行った。 0.62
[32] Depending on the angle of the images provided, recognition rates are proven to rise above 80% for angles below 20 degrees and well above 90% for angles of more degrees. [32]画像の角度によって、認識率は20度以下の角度では80%以上、さらに20度以下の角度では90%以上上昇することが証明された。 0.81
[32] A new multi-view ear recognition technique based on B-Spline pose manifold construction in discriminative projection space which is formed by null kernel discriminant analysis (NKDA) feature extraction was presented by Zhang and Liu in 2008. [32] 2008 年に Zhang と Liu によってnull kernel discriminant analysis (NKDA) 特徴抽出によって形成される識別投影空間における B-Spline ポーズ多様体構築に基づく新しいマルチビュー耳認識技術が提示された。 0.81
[33] 60 subjects were used and different techniques were compared to the one proposed, resulting in rank-1 recognition rates between 75% and 80% the novel technique. 33]60名を用い,提案手法と異なる手法を比較した結果,ランク1の認識率は75%から80%であった。 0.64
[33] Another technique based on Sparce Representation was proposed in 2008 by Naseem, Togneri and Bennamoun. [33]2008年にNaseem,Togneri,Benna mounによってスパース表現に基づく別の手法が提案された。 0.62
[34] 32 subjects provided 6 ear images each, taken under varying lighting conditions and with the head rotations of -90 and -75 degrees. 34]32名の被験者は, 異なる照明条件下, 頭部回転90度, -75度でそれぞれ6つの耳像を呈した。 0.76
[34] Two different algorithms 91.67% and 96.88%. [34] 2つの異なるアルゴリズム 91.67% と 96.88%。 0.73
[34] SIFT is another ear recognition technique based on a subspace learning approach. 34] SIFTは、サブスペース学習アプローチに基づく別の耳認識技術です。 0.80
Kisku, Mehrotra, Gupta and Sing published a technique based on SIFT in 2009, which based on whether Euclidean distances or nearest neighbour metrics are used can provide an accuracy of 91.09% and 93.01%, respectively. Kisku、Mehrotra、Gupta、Singは2009年にSIFTに基づく技術を発表し、ユークリッド距離と近隣の測度をそれぞれ91.09%と93.01%の精度で利用できるようになった。 0.67
[35] 400 subjects are used in this technique, providing one samples each for registration and one for testing. 35] この技術では400の被験者が使用され、それぞれ1つのサンプルを登録に、1つのサンプルをテストに提供します。 0.62
Additionally, if colour segmentation to 94.31% and 96.93%, respectively. また、色区分が94.31%、96.93%となる。 0.78
[35] Techniques based on Gabor have also provided quite efficient results regarding ear recognition. 35] Gaborに基づく技術は、耳の認識に関して非常に効率的な結果をもたらしました。 0.66
A technique proposed by Nanni and Lumini in 2009 provides a rank-1 recognition rate of 84.6%, based on experiments on 464 ear images obtained from 114 users, on different days, with different conditions of pose and lighting, consisting of sets of 3–9 samples from each user. 2009年にnanniとluminiによって提案された技術は、各ユーザーの3-9のサンプルからなる異なるポーズと照明条件で、114人のユーザーから得られた464の耳画像実験に基づいて、ランク1の認識率が84.6%である。 0.76
[36] This publication also clearly discusses for successful ear recognition, such as ear occlusion. [36]この出版物はまた、耳閉塞などの成功した耳の認識のために明確に議論します。 0.65
[36] Sakai and Nakamura in 2008 and technique A was developed by Watabe, Sai, extends the rank-1 recognition rate of about 98% as demonstrated in experiments on a database of 362 samples obtained by 181 subjects. [36] 堺, 中村, 2008年, ワタベ, サイによって開発された技術aは, 181名の被験者による362例のデータベース上で, 約98%のランク-1認識率を示した。 0.80
[24] Each subject provided one sample for registration and another for testing. 24] 各被験者は登録用のサンプルとテスト用のサンプルを提供しました。 0.67
[24] Another technique based on a spectral approach utilises Fourier descriptors and was described by Abate, Nappi, Riccio and Ricciardi in 2006. [24]2006年にAbate,Nappi,Riccio,R icciardiによって記述されたフーリエ記述子を用いたスペクトルアプローチに基づく別の手法。 0.77
[37] The researchers have made use of two distinct datasets. 37] 研究者は2つの異なるデータセットを使用している。 0.74
The first dataset contains 2 sessions with 210 ear images 最初のデータセットは210個の耳画像を含む2つのセッションを含む 0.57
elastic graph matching by employing Gabor Gaborを用いた弾性グラフマッチング 0.86
a spectral approach, スペクトルアプローチです 0.51
filters, which implement need フィルターは 実施 必要 0.62
to be overcome the various potential 克服される さまざまな可能性は 0.62
obstacles that that idea of 障害物 あれ そのアイデアは 0.60
in recognition rates of the accuracy で 認識 レートは 正確さ 0.73
jets has a is also used, ジェット機には も使われます 0.71
then rates rise じゃあ rate 上昇 0.68
英語(論文から抽出)日本語訳スコア
transformation transformation 0.85
from 70 peoples, 3 for each subject, with different rotation angles. 異なった回転角度の70人、各主題のための3から。 0.74
The second dataset consists of 2 sessions with 72 ear images from 36 peoples, 2 photos per subject looking up with a free rotation angle. 第2のデータセットは、36人の人物の72枚の耳画像を含む2つのセッションで構成されている。 0.68
Ear images from the first dataset have been manually normalized, while an automatic ear detector was applied to the second dataset in order to extract the ears. 第1データセットからの耳画像は手動で正常化され、第2データセットに自動耳検出器が適用され、耳を抽出する。 0.75
[37] While for the first dataset, this method provides an 88% to 96% rank-1 recognition rate, depending on the rotation angle, for the second dataset, it only provides a rank-1 rate of about 62%. [37]第1のデータセットでは、回転角度に応じて88%から96%のランク-1認識率を提供するが、第2のデータセットでは、ランク-1のレートは約62%である。 0.80
[37] However, in all cases, these recognition rates are better than the ones achieved by using PCA on the same datasets. [37] いずれの場合も,同じデータセット上でPCAを使用することで達成した認識率よりも優れている。 0.86
[37] Techniques based on a model-based approach, such as the one described by Nanni and Lumini in 2007,[38] can also provide a rank-1 recognition rate of 70% to 80%, depending on the method used. [37]2007年にnanniとluminiによって記述されたようなモデルベースアプローチに基づく手法[38]は、使用する方法によって70%から80%のランク-1認識率を提供することもできる。 0.89
The dataset again consisted of 464 ear images obtained from 114 users, on different days, with different conditions of pose and lighting, in sets of 3–9 samples from each user. データセットは再び、114人のユーザーから得られた464の耳画像からなり、異なる日のポーズと照明の条件で各ユーザーから3-9のサンプルが集められた。 0.74
[38] Another class of techniques, making use again of a spectral approach, are based on wavelets. 38] スペクトルアプローチを再び使用する別のクラスのテクニックは、ウェーブレットに基づいています。 0.71
have been described to provide significantly high recognition rates. 高い認識率をもたらすと説明されています 0.77
For example, a technique published by Sana and Gupta in 2007 has provided accuracy of 97.8% and 98.2%, for a dataset of 3 samples per individual provided by 600 individuals and a dataset of 3 samples per individual provided by 350 individuals, respectfully. 例えば、2007年にサナとグプタが発表した技術は、600人の個人が提供した3つのサンプルと350人の個人が提供した3つのサンプルのデータセットに対して、97.8%と98.2%の精度を提供している。 0.77
[39] Another example is a technique introduced by Zhao and Mu in 2009, which describes a new approach under which low frequency sub-images are obtained by utilizing a twodimensional wavelet transform and then the features are extracted by applying Orthogonal Centroid Algorithm to them. [39] 別の例として、2009年にzhaoとmuが導入した手法があり、二次元ウェーブレット変換を用いて低周波サブイメージを取得し、それらの特徴を直交遠心アルゴリズムを適用して抽出する新しいアプローチを記述している。 0.78
[40] This technique is applied to the USTB(77) ear database, which consists of images from 77 different people, using 4 images from each person, for a total of 308 images, and the USTB(79) ear database, which consists of images from 79 different people, using 11 images from each person, for a total of 869 images. この手法は、77人の異なる人の画像からなるUSTB(77)耳データベース、合計308枚の画像を使用するUSTB(79)耳データベース、および79人の画像からなるUSTB(79)耳データベース、それぞれ11枚の画像を使用して合計869枚の画像に適用されます。 0.61
[40] For each database this than PCA with LDA (Linear Discriminant Analysis), however recognition rates for the new technique may range from 64.94% to 100% for USTB(77) and between 83.54% and 100% for USTB(79). [40]各データベースでは,lda(線形判別分析)によるpcaよりも,ustb(77)では64.94%から100%,ustb(79)では83.54%から100%の認識率である。 0.69
[40] Furthermore, in 2007 proposed combining a 2D wavelet approach with PCA in order to get recognition ranks of 90.5% for a USTB database of 308 and between 95.05% and 97.05% images the for Carreira-Perpinan database, which consists of 102 grayscale images (6 images for each of 17 subjects) the same database has to do with the number of images per person that are used for registration and training purposes; in the case of a recognition rate of 95.05%, 3 images were used, while in the case of a rate of 97.05%, 4 images were used for these purposes. [40] Furthermore, in 2007 proposed combining a 2D wavelet approach with PCA in order to get recognition ranks of 90.5% for a USTB database of 308 and between 95.05% and 97.05% images the for Carreira-Perpinan database, which consists of 102 grayscale images (6 images for each of 17 subjects) the same database has to do with the number of images per person that are used for registration and training purposes; in the case of a recognition rate of 95.05%, 3 images were used, while in the case of a rate of 97.05%, 4 images were used for these purposes. 0.93
[41] In 2008, Wang, Mu and Zeng published another novel method based on Haar wavelet transform and uniform local binary patterns (ULBPs). [41] 2008年、wang, mu, zengは、haar wavelet transformとuniform local binary patterns (ulbps)に基づく別の新しい手法を発表した。 0.67
[42] This technique was tested on a dataset of 79 subjects, each providing images at five different angles. [42] この手法は, 被験者79名を対象に, 5つの異なる角度で画像を提供する実験を行った。 0.68
[42] Two images per angle were provided and the angles were set at 0, 5, 20, 35 and 45 degrees. 42]各角度に2枚の画像を提供し,角度を0,5,20,35,45度に設定した。 0.82
[42] While the recognition rate for angles up to 20 degrees was above 92%, as the angle grew wider, the [42]20度までの角度の認識率は92%を超えるが、角度が大きくなるにつれてその程度は大きくなる。 0.82
Faez and Faradji described above) format. Faez and Faradji(上述)形式。 0.74
[41] Nosrati, (the USTB(77) in PGM [41] PGMにおけるNosrati(USTB(77)) 0.83
technique provides better recognition rates 技術はより良い認識率を提供する 0.62
The difference in the recognition rates of 違いは で 認識率という,認識率 0.68
Techniques implementing wavelet 技術 waveletの実装 0.76
英語(論文から抽出)日本語訳スコア
recent for ear structural 最近 ですから 耳 構造 0.70
to either draw new ideas 新しい絵を描くか 思想 0.64
to be mostly used nowadays ほとんどが現代で使われる 0.73
recognition rate started deteriorating rapidly. 認識率は急速に低下し始めました 0.60
[42] Similar results have also been described before regarding the relation of other techniques (e g FSLDA, LLE) to the angle at which the images of the ear have been taken. [42] 他の技術(fslda,lleなど)と耳の映像が撮影された角度との関係についても同様の結果が以前にも報告されている。 0.67
Finally, approaches seem detection purposes, rather than ear recognition. 最後に、アプローチは耳の認識ではなく、検出目的のようです。 0.58
[9][43] However, as it has already been mentioned, these were the initial approaches on which ear recognition was based upon and therefore, form not only the basis of ear detection, but also of ear recognition. しかし, [9][43]は, すでに言及されているように, 耳の認識が基礎となる最初のアプローチであり, 耳の認識の基盤だけでなく, 耳の認識の基盤も形成している。 0.83
In the future, it may be possible for more adequate ear recognition or significantly improve ear detection by focusing on the structure of the ear. 将来的には、より適切な耳の認識や、耳の構造に着目して耳の検出を大幅に改善することが可能になる。
訳抜け防止モード: 将来は、より適切な耳の認識が可能かもしれない 耳の構造に焦点を合わせることで 耳の検知を大幅に改善します
0.81
7 Conclusions Ear biometrics could easily be described as a re-discovered field of biometrics. 7 結論 耳バイオメトリックスは, 生体計測の再発見分野として容易に説明できる。 0.67
While it was believed that ear biometrics may not be accurate enough, it has now been clearly demonstrated that this is not the case. 耳のバイオメトリックスは十分正確ではないと考えられたが、現在ではこれが正しくないことが明らかに証明されている。 0.69
Ear biometrics were initially hindered by such inherent problems as the partial or full concealment of the ear by hair, clothes, or ear ornaments and jewellery, and the difficulty of correctly measuring the ear’s characteristics. 耳の生体測定は、当初、髪、衣服、または耳の装飾品や宝石による耳の部分的または完全な隠蔽、および耳の特徴を正確に測定する困難などの固有の問題によって妨げられました。 0.69
These problems had caused ear biometrics to play a secondary role, being used only complementary to other biometrics at best. これらの問題は耳のバイオメトリックスが副次的な役割を担い、他のバイオメトリックスと相補的にしか使われなかった。 0.58
However, research has managed in a satisfactory manner, while also proving that ear recognition can lead to accurate identification and verification. しかし、耳の認識が正確な識別と検証につながる可能性があることを証明しながら、研究は満足のいく方法で管理しています。 0.64
This, in turn, has led to a revived interest in further research of the ear biometrics, which could improve, or even revolutionise, the field of ear recognition and identification. この結果、耳の生体計測のさらなる研究への関心が復活し、耳の認識と識別の分野を改善したり、革命させたりすることさえ可能になった。 0.72
Several different techniques have been developed for ear recognition, employing 2D and 3D images, models, pictures and schematics, as well as the acoustics of the ear through sound emission and reflection. 2Dおよび3D画像、モデル、画像、スキーマ、および音の放射と反射による耳の音響を応用した、耳の認識のための様々な技術が開発されている。 0.76
These techniques can already compensate in a significant degree for ear occlusion and other relevant problems, and may in the future lead into reasonably better results and accuracy in ear identification and verification. これらの技術は、すでに耳の閉塞やその他の関連する問題にかなりの程度を補償することができ、将来的には耳の識別と検証において合理的により良い結果と精度につながる可能性があります。 0.55
Regarding 2D ear techniques have been employed providing, in general, quite high recognition rates and accuracy of more than 75% and which tend to be above 90% in the most optimum cases. 一般的には、高い認識率と75%以上の精度を提供し、最も最適なケースでは90%を超える傾向にある2次元耳の技法が採用されている。 0.81
These methods and techniques could generally be classified according to the approach they use to achieve ear recognition. これらの方法と技法は、一般的に、耳の認識に使用するアプローチに従って分類することができる。 0.66
Based on this, four different categories of 2D ear recognition have been ear identified, structural characteristics, spectral approaches, using subspace learning or employing models in order to correctly identify an ear. これに基づいて、2D耳認識の4つの異なるカテゴリは、耳の識別、構造特性、スペクトルアプローチ、サブスペース学習またはモデルを使用して耳を正しく識別しています。 0.72
Among the most commonly used are subspace learning approaches, in techniques based upon PCA, and spectral approaches, utilising Gabor filters, Gabor jets, Fourier descriptors and wavelets. 最も一般的に使用されるのは、PCAに基づく技術、およびスペクトルアプローチにおけるサブスペース学習アプローチであり、Gaborフィルタ、Gaborジェット、フーリエディスクリプタおよびウェーブレットを利用する。 0.67
Structural characteristics seem to be used more for ear detection than for actual identification. 構造特性は、実際の識別よりも耳の検出に多く使用されているようです。 0.66
While both the techniques that are based on subspace learning and the techniques that take a spectral approach towards ear recognition can provide recognition rates well above 90%, reaching even above 95% in their most optimum settings. サブスペース学習に基づくテクニックと、耳認識に対するスペクトルアプローチに基づくテクニックの両方が、90%以上の認識率を提供し、最も最適な設定で95%以上に達することができます。 0.79
However, the recognition rates of techniques based on either approach deteriorate really しかし、どちらかのアプローチに基づく技術の認識率は本当に悪化します。 0.69
Sparce Representation and SIFT, Sparce RepresentationとSIFT。 0.62
to address such problems このような問題に対処し 0.55
various different in particular, recognition 様々です 特に 認識 0.59
ICA, LDA, LLE, ica。 LDA。 LLE! 0.59
NKDA, recognition techniques NKDA 認識 技法 0.65
classifying into ones 分類 入り込む 一つ 0.57
utilising 2D 利用 2D 0.74
英語(論文から抽出)日本語訳スコア
and samples the そして サンプル はあ? 0.61
ear or collecting recent 耳 あるいは 収集 最近 0.73
novel ear registering more 小説 耳 もっと登録する 0.73
rates as and the as と the は 0.56
face biometrics. 顔のバイオメトリックス 0.69
latest large-scale recognition recognition methods[24] 最新の大規模 認識認識方法[24] 0.69
fast as the angle at which the 2D ear image was taken increases. 2dの耳像が撮られた角度が大きくなるほど速い。 0.75
For angles up to 20 degrees, recognition rates are quite high, but for angles larger than 20 degrees, they start to rapidly fall below an adequate level. 20度までの角度では、認識率はかなり高いですが、20度を超える角度では、適切なレベルよりも急速に低下し始めます。 0.77
As this could be caused by certain needed ear characteristics being no longer visible and thus measurable, perhaps some techniques of reconstructing could greatly compensate for this and help improve ear recognition even in this case. これは、特定の必要な耳の特徴がもはや見えなくなり、測定可能になる可能性があるため、再建のいくつかの手法はこれを大幅に補償し、この場合でも耳の認識を改善することができます。 0.61
even though initial studies proved face recognition to be As already mentioned before, more effective than ear recognition, it has now been adequately shown that ear biometrics When can be as accurate and have as high comparing the FRR (False Rejection Rate) at the same FAR (False Acceptance Rate) between results regarding face recognition (namely from FRVT (Face Recognition Vector Test) 2006), [44] these are comparable and of the same magnitude, if not almost exactly similar. even though initial studies proved face recognition to be As already mentioned before, more effective than ear recognition, it has now been adequately shown that ear biometrics When can be as accurate and have as high comparing the FRR (False Rejection Rate) at the same FAR (False Acceptance Rate) between results regarding face recognition (namely from FRVT (Face Recognition Vector Test) 2006), [44] these are comparable and of the same magnitude, if not almost exactly similar. 0.84
Specifically, both ear recognition and face recognition techniques can give around 1% FRR at 0.1% FAR. 具体的には、耳認識技術と顔認識技術の両方が0.1% FARで約1% FRRを与えることができます。 0.62
[24][39][44] The same holds true regarding recognition rates. [24][39][44] 認識率に関しても同じことが言えます。 0.84
[19][30][45] It is not clear whether face recognition still holds a small advantage over ear biometrics, but since the research effort, time and resources assigned to face recognition over the years clearly exceeds that placed on ear recognition, this a small advantage of face recognition results against ear recognition results can be attributed to this fact. [19][30][45] 顔認識がまだ耳のバイオメトリックスに対して小さな優位性を持っているかは明らかでないが、近年の顔認識に割り当てられた時間と資源は明らかに耳の認識に割り当てられているものを超えているため、認識結果に対する顔認識結果の小さな優位性は、この事実に起因する可能性がある。 0.79
However, the ear exhibits less variability with expressions and orientation, while having a more uniform distribution of color intensity and spatial resolution than faces. しかし、この耳は表情や向きの多様性が低い一方で、顔よりも色強度と空間分解能の分布が均一である。 0.73
[32][35] Finally, 3D ear recognition techniques can significantly outperform face recognition ones. 32][35]最後に、3D耳認識技術が顔認識技術を大幅に上回る可能性があります。 0.71
[9] While it has been suggested that, among the existing biometrics traits, ear biometrics are considered very viable and robust in line with iris and fingerprint biometrics,[35] regarding ear fingerprints significantly outperform ear recognition, even when considering novel methods of ear recognition. [9]既存の生体計測の特徴のうち,耳のバイオメトリックスは虹彩や指紋のバイオメトリックスに則って非常に有効で堅牢であると考えられてきたが,[35]耳の指紋は,新しい耳の認識方法を考えると,耳の認識を著しく上回っている。 0.76
[19][24][30][33][35][39][41][45] This could perhaps be attributed to fingerprints having more unique feature. 19][24][30][33][35][39][41][45]これはおそらく、よりユニークな特徴を有する指紋に起因する可能性がある。 0.72
However, as noted before, ear characteristics may be as permanent as fingertips and equally, or more difficult, to counterfeit. しかし、前述したように、耳の特徴は指先と同じくらい永続的であり、偽造が困難である。 0.59
making use of recognition should also be noted It biometrics in combination with other biometric data almost always result significant improvements over any technique based on any of the individual biometrics. 他のバイオメトリックデータと組み合わせてバイオメトリックは、ほとんどの場合、個々のバイオメトリックのいずれかに基づいて任意の技術よりも大幅に改善されます。 0.70
There have also been notable advances towards a fully automated recognition of the ear, with different approaches being noted regarding the shape and the size of the acquisition window to be used and the different angles employed in image and sound acquisition. また、使用する取得ウィンドウの形状とサイズ、および画像と音の取得に使用されている異なる角度に関して、さまざまなアプローチが指摘されている、完全に自動化された耳の認識に向けた顕著な進歩もあります。 0.71
Furthermore, such issues as the elasticity and the deformation of the ear can now be addressed to some extent, through the employment of different types of ear biometrics. さらに、さまざまなタイプの耳のバイオメトリックの雇用を通じて、耳の弾力性や変形などの問題がある程度対処できるようになりました。 0.69
Ear biometrics mostly involve non-invasive acquisition techniques, and while age may significantly affect the ears, their characteristics are adequately permanent. 耳のバイオメトリックスは主に非侵襲的な取得技術であり、年齢は耳に大きく影響するが、その特性は適切に永続的である。 0.61
Furthermore, ear characteristics are hard to counterfeit and potential culprits are not yet accustomed to identification and verification purposes, ear recognition being used for especially in any forensic science applications. さらに、耳の特徴は偽造しにくく、潜在的な犯人はまだ識別と検証の目的に慣れておらず、特にフォレンジックサイエンスの用途に使用されています。 0.65
thus are Moreover, inherently difficult to successfully spoof. ですから、スプーフを成功させるのが本質的に困難です 0.32
Finally, such issues as the uniqueness of ears and of the relation between characteristics of a person’s two ears, new ways to fully address ear occlusion and pose variations, and new means and techniques to achieve correct and adequate 最後に、耳の特異性や人の2つの耳の特徴との関係、耳の閉塞やポーズの変化を完全に対処するための新しい方法、正しい適切な新しい手段と技術などの問題。 0.71
ear in statistically ear biometrics are not 統計的に 耳のバイオメトリックスは 0.62
recognition based on their characteristics, 認識に基づく認識 彼らの特徴は 0.71
recognition and volatile and multimodal 認識と 揮発性で マルチモーダル 0.70
techniques, fingerprints, テクニックや 指紋だ 0.59
it is clear that それ 明らかです あれ 0.68
that あれ 0.68
英語(論文から抽出)日本語訳スコア
automatic ear registration and recognition remain open for future scientific research. 自動的な耳の登録と認識は 今後の科学研究に必要です 0.72
[1][9] However, all the above-mentioned facts indicate that the scientific field of ear biometrics is at the moment not only viable,[4] but also really thriving. [1][9] しかし、上記のすべての事実は、耳の生体計測の科学的分野は、現在、[4]だけでなく、本当に繁栄していることを示している。 0.75
英語(論文から抽出)日本語訳スコア
Bertillon, la classification Bertillon la 分類 0.65
et “La photographie judiciaire, avec un appendice sur など 『写真集』 司法長官, avec un appendice sur 0.64
References [1] A. Pflug & C. Busch, “Ear biometrics: a survey of detection, feature extraction and recognition methods”, IET Biometrics Journal, vol. 参考文献 [1] A. Pflug & C. Busch, “Ear Biometrics: a survey of detection, feature extract and recognition method”, IET Biometrics Journal, Vol. 0.88
1, iss. 2, pp. 1、 iss。 2、p。 0.66
114-129, 2012. http://www.cosy.sbg. ac.at/~uhl/ear_surve y.pdf [2] D. J. Hurley, B. Arbab-Zavar & M. S. Nixon, “The ear as a biometric”, European Signal Processing Conference, pp. 114-129, 2012 http://www.cosy.sbg. ac.at/~uhl/ear_surve y.pdf [2] D. J. Hurley, B. Arbab-Zavar & M. S. Nixon, “The ear as a biometric”, European Signal Processing Conference, pp。 0.67
25-29, 2007. http://eprints.soton .ac.uk/265725/1/hurl eyzavarandnixon.pdf [3] A. l'identification anthropometriques”, Gauthier-Villars, Paris, 1890. https://archive.org/ details/laphotograph ieju00bert [4] M. Burge & W. Burger, “Using ear biometrics for passive identification”, Proceedings of the IFIP TC11 14th international conference on information security (SEC), vol. http://eprints.soton .ac.uk/265725/1/hurl eyzavarandnixon.pdf [3] A. l'identification anthropometriques&qu ot;, Gauthier-Villars, Paris, 1890. https://archive.org/ details/laphotograph ieju00bert [4] M. Burge & W. Burger, “Using ear Biometrics for passive Identification”, Proceedings of the IFIP TC11 International Conference on Information Security (SEC) Vol. 0.75
98, pp. 139148, 1998. http://citeseerx.ist .psu.edu/viewdoc/dow nload?doi=10.1.1.5.4443&rep=rep1&type=pdf [5] A. Kumar & T.-S. T. Chan, “Robust ear identification using sparse representation of local texture descriptors”, Pattern Recognition, vol. 98, pp。 139148, 1998. http://citeseerx.ist .psu.edu/viewdoc/dow nload?doi=10.1.1.5.4443&rep=rep1&type=pdf [5] A. Kumar & T.-S. T. Chan, “Robust ear Identification using sparse representation of local texture descriptors”, Pattern Recognition, vol。 0.72
46, iss. 1, pp. 46、 iss。 1、p。 0.69
73-85, 2013. http://www.sciencedi rect.com/science/art icle/pii/S0031320312 002907 [6] Y. Li, W. Yuan, H. Sang & X. Li, “Combination recognition of face and ear based on twodimensional fisher linear discriminant”, Proceedings of the IEEE International Conference on Software Engineering and Service Sciences (ICSESS), pp. 73-85, 2013 http://www.sciencedi rect.com/science/art icle/pii/S0031320312 002907 [6] Y.Li, W. Yuan, H. Sang & X. Li, “二次元漁師線形識別に基づく顔と耳のコンビネーション認識” IEEE International Conference on Software Engineering and Service Sciences (ICSESS) のプロシーディング。 0.79
922-925, 2013. http://ieeexplore.ie ee.org/stamp/stamp.j sp?tp=&arnumber=6615456 M. F. [7] Proceedings Information Technologies, ICT 2013, pp. 922-925, 2013 http://ieeexplore.ie ee.org/stamp/stamp.j sp?tp=&arnumber=6615456 M. F. [7] Proceedings Information Technologies, ICT 2013 pp。 0.66
83-87, 2013. http://ieeexplore.ie ee.org/stamp/stamp.j sp?tp=&arnumber=6558067 [8] A. Midori, A. Sethuram & K. Ricanek, "Implications of Adult Facial Aging on Biometrics", Biometrics - Unique and Diverse Applications in Nature, Science, and Technology, ch. 83-87, 2013 http://ieeexplore.ie ee.org/stamp/stamp.j sp?tp=&arnumber=6558067 [8] A. Midori, A. Sethuram & K. Ricanek, "Implications of adult Facial Aging on Biometrics", Biometrics - Unique and Diverse Applications in Nature, Science, and Technology, ch. 0.84
5, InTech, 2011. http://cdn.intechweb .org/pdfs/14645.pdf [9] A. biometrics”, ACM Computing Surveys (CSUR), vol. http://cdn.intechweb .org/pdfs/14645.pdf [9] A. biometrics”, ACM Computing Surveys (CSUR) vol。 0.78
45, iss. 2, art. 45、 iss。 2、アート。 0.71
22, 2013. http://dl.acm.org/ci tation.cfm?doid=2431211.2431221 [10] R. A. Bergman, “The external ear”, Anatomy of First Aid: A Case Study Approach, 2014. http://www.anatomyat lases.org/firstaid/O toscopy.shtml [11] A. H. M. Akkermans, T. A. M. Kevenaar & D. W. E. Schobben, “Acoustic ear recognition for person identification”, Proceedings of the 4th IEEE Workshop on Automatic Identification Advanced Technologies (AUTO ID 2005), pp. 22, 2013 http://dl.acm.org/ci te.cfm?doid=2431211.2431221 [10] R.A. Bergman, "The external ear", Anatomy of First Aid: A Case Study Approach, 2014 http://www.anatomyat lases.org/firstaid/O toscopy.shtml [11] A.H.M. Akkermans, T.A.M. Kevenaar & D.W. E. Schobben, "Acoustic ear recognition for person ID", 第4回IEEE Workshop on Automatic Identification Advanced Technologies (AUTO ID 2005), pp。 0.80
219-223, 2005. http://ieeexplore.ie ee.org/stamp/stamp.j sp?tp=&arnumber=1544428 219-223, 2005. http://ieeexplore.ie ee.org/stamp/stamp.j sp?tp=&arnumber=1544428 0.45
Poornima, “Fusion in multimodal biometric using iris and ear”, 2013 Communication Poornima, “Fusion in Multimodal Biometric using iris and ear” 2013 コミュニケーション 0.79
Nixon, “A survey on ear Nixon, “A survey on ear” 0.95
Nadheen & S. the Nadheen & S。 0.78
of M. A. F. ですから M.A.F. 0.64
Harrison & M. S. Harrison & M.S. 0.98
IEEE Conference IEEE Conference 0.85
Abaza, A. Ross, A.Ross, A.Ross 0.64
C. Herbert, C。 Herbert 0.63
on and オン そして 0.69
英語(論文から抽出)日本語訳スコア
& D. Chen & B. とD。 Chen & B 0.66
recognition the 2005 IEEE Computer 認識 2005年 IEEEコンピュータ 0.80
S. Cadavid & M. S。 Cadavid & M。 0.78
Gao, F. Agrafioti, S. ガオ。 F。 Agrafioti, S。 0.70
Bhanu, “Human ear recognition in 3D”, IEEE Transactions on Pattern Bhanu, “Human ear recognition in 3D”, IEEE Transactions on Pattern 0.85
Wang, Hatzinakos, “Transient Otoacoustic Emissions for Proceedings of the IEEE International Conference on Acoustics, Wang, Hatzinakos, “Transient Otoacoustic Emissions for Proceedings of the IEEE International Conference on Acoustics” 0.83
J. [12] biometric recognition”, Speech and Signal Processing (ICASSP), pp. J。 12]バイオメトリック認識、音声および信号処理(ICASSP)、pp。 0.68
2249-2252, 2012. http://ieeexplore.ie ee.org/stamp/stamp.j sp?tp=&arnumber=6288361 [13] N. J. Grabham, M. A. Swabey, P. Chambers, M. E. Lutman, N. M. White, J. E. Chad, & S. P. Beeby, “An evaluation of otoacoustic emissions as a biometric”, IEEE Transactions on Information Forensics and Security, vol. 2249-2252, 2012 http://ieeexplore.ie ee.org/stamp/jsp?tp=&arnumber=6288361 [13] N. J. Grabham, M. A. Swabey, P. Chambers, M. E. Lutman, N. M. White, J. E. Chad, & S. P. Beeby, “An evaluation of otoacoustic emissions as a biometric”, IEEE Transactions on Information Forensics and Security, vol. 0.82
8, iss.1, pp. 8 iss.1, pp。 0.88
174-183, 2013. http://ieeexplore.ie ee.org/stamp/stamp.j sp?tp=&arnumber=6359917 [14] P. Yan & K. W. Bowyer. 174-183, 2013 http://ieeexplore.ie ee.org/stamp/stamp.j sp?tp=&arnumber=6359917 [14] P. Yan & K. W. Bowyer 0.61
“Empirical evaluation of advanced ear biometrics”, Proceedings of Vision and Pattern Society Conference on Computer Recognition (CVPR’05), pp. The Empirical Evaluation of Advanced ear Biometrics, Proceedings of Vision and Pattern Society Conference on Computer Recognition (CVPR’05), pp。 0.71
41-48, 2005. http://ieeexplore.ie ee.org/stamp/stamp.j sp?tp=&arnumber=1565339 [15] H. Analysis and Machine Intelligence, vol. 41-48, 2005. http://ieeexplore.ie ee.org/stamp/stamp.j sp?tp=&arnumber=1565339[15] H. Analysis and Machine Intelligence, vol. 0.63
29, iss. 4, pp. 29歳だ 4, pp。 0.65
718-737, 2007. http://ieeexplore.ie ee.org/stamp/stamp.j sp?arnumber=04107574 from video “3-D ear modeling and Abdel-Mottaleb, [16] sequences using shape from shading”, IEEE Transactions on Information Forensics and Security, vol. 718-737, 2007 http://ieeexplore.ie ee.org/stamp/stamp.j sp?arnumber=04107574 from video “3-D ear modeling and Abdel-Mottaleb, [16] sequences using shape from shading”, IEEE Transactions on Information Forensics and Security, vol。 0.76
3, iss. 4, pp. 3号、iss。 4, pp。 0.73
709-718, 2008. http://ieeexplore.ie ee.org/stamp/stamp.j sp?tp=&arnumber=4668367 [17] G. Passalis, I. 709-718, 2008 http://ieeexplore.ie ee.org/stamp/stamp.j sp?tp=&arnumber=4668367 [17] G. Passalis, I 0.61
A. Kakadiaris, T. Theoharis, G. Toderici & T. Papaioannou, “Towards fast 3D ear recognition for real-life biometric applications”, Proceedings of the 2007 IEEE Conference on Advanced Video and Signal Based Surveillance (AVSS 2007), pp. A. Kakadiaris, T. Theoharis, G. Toderici & T. Papaioannou, “Towards fast 3D ear recognition for real-life biometric applications”, Proceedings of the 2007 IEEE Conference on Advanced Video and Signal Based Surveillance (AVSS 2007), pp. 0.94
39-44, 2007. http://ieeexplore.ie ee.org/stamp/stamp.j sp?tp=&arnumber=4425283 [18] T. Theoharis, Kakadiaris, “Unified 3D face and ear recognition using wavelets on geometry images”, Pattern Recognition, vol. 39-44, 2007. http://ieeexplore.ie ee.org/stamp/stamp.j sp?tp=&arnumber=4425283 [18] T. Theoharis, Kakadiaris, “幾何学画像上のウェーブレットを用いた統一3D顔と耳の認識”, Pattern Recognition, vol。 0.63
41, iss. 3, pp. 41号、iss。 3、p。 0.71
796-804, 2008. http://www.sciencedi rect.com/science/art icle/pii/S0031320307 003214 [19] K. Chang, K. W. Bowyer, S. Sarkar & B. Victor, “Comparison and combination of ear and face images in appearance-based biometrics”, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 796-804, 2008 http://www.sciencedi rect.com/science/art icle/pii/S0031320307 003214 [19] K. Chang, K. W. Bowyer, S. Sarkar & B. Victor, “外見に基づくバイオメトリックスにおける耳と顔画像の比較と組み合わせ”, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol。 0.71
25, iss. 9, pp. 25歳だ 9, pp。 0.65
1160-1165, 2003. 1160-1165, 2003. 0.84
/ieeexplore.ieee.org /stamp/stamp.jsp?arn umber=01227990 t p:/ ht Bowyer, [20] B. Victor, “An evaluation of face and ear K. Proceedings of the vol. /ieeexplore.org/stam p.jsp?arnumber=01227990 t p:/ ht Bowyer, [20]B. Victor, “An evaluation of face and ear K. Proceedings of the vol.” 0.83
16, International Conference on Pattern Recognition, 429-432, 2002. http://ieeexplore.ie ee.org/stamp/stamp.j sp?tp=&arnumber=1044746 [21] H.-K. Lammi, “Ear Biometrics”, 2003. http://www2.it.lut.f i/kurssit/03-04/0109 70000/seminars/Lammi .pdf 16, International Conference on Pattern Recognition, 429-432, 2002. http://ieeexplore.ie ee.org/stamp/stamp.j sp?tp=&arnumber=1044746 [21] H.K. Lammi, “Ear Biometrics” 2003. http://www.lut.fi/ku rssit/03-04/01097000 0/seminars/Lammi.pdf 0.53
biometrics”, 1, pp. Biometrics”, 1, pp。 0.65
iss. Passalis, G. Toderici iss Passalis, G. Toderici 0.74
& S. Sarkar, とs。 Sarkar 0.50
G. & I. A. G。 と私は。 A。 0.77
英語(論文から抽出)日本語訳スコア
Abaza & T. Forensic Abaza & T 法学 0.56
Identification Series, Abaza & M. A. F. 識別シリーズ。 Abaza & M. A. F. 0.77
Iannarelli, “Ear Identification”, Iannarelli, “Ear Identification” 0.72
[22] K. H. Pun & Y. S. Moon, “Recent advances in ear biometrics”, Proceedings of the 6th IEEE International Conference on Automatic Face and Gesture Recognition, pp. [22] k. h. pun & y.s. moon, “re recent advances in ear biometrics”, proceedings of the 6th ieee international conference on automatic face and gesture recognition, pp. (英語) 0.80
164-169, 2004. http://citeseerx.ist .psu.edu/viewdoc/dow nload?doi=10.1.1.126.7170&rep=rep1&type=pdf [23] A. Bourlai, “On ear-based human identification in the mid-wave infrared spectrum”, Image and Vision Computing, vol. 164-169, 2004. http://citeseerx.ist .psu.edu/viewdoc/dow nload?doi=10.1.1.126.7170&rep=rep1&type=pdf [23] A. Bourlai, “On ear-based human identification in the mid-wave infrared spectrum”, Image and Vision Computing, vol. 0.62
31, iss. 9, pp. 31、 iss。 9, pp。 0.76
640-648, 2013. http://www.sciencedi rect.com/science/art icle/pii/S0262885613 000887 [24] D. Watabe, H. Sai, K. Sakai & O. Nakamura, “Ear biometrics using jet space similarity”, Proceedings of the Canadian Conference on Electrical and Computer Engineering, pp. 640-648, 2013 http://www.sciencedi rect.com/science/art icle/pii/S0262885613 000887 [24] D. Watabe, H. Sai, K. Sakai & O. Nakamura, "Ear Biometrics using jet space similarity", Proceedings of the Canadian Conference on Electrical and Computer Engineering, pp。 0.79
1259-1264, 2008. http://ieeexplore.ie ee.org/stamp/stamp.j sp?tp=&arnumber=4564741 Harrison, “Ear recognition: A complete system”, Proceedings of [25] A. SPIE - The International Society for Optical Engineering, vol. 1259-1264, 2008 http://ieeexplore.ie ee.org/stamp/stamp.j sp?tp=&arnumber=4564741 Harrison, “Ear recognition: A complete system”, Proceedings of [25] A. SPIE - The International Society for Optical Engineering, vol. 0.82
8712, art. no. 8712年、芸術。 ダメよ 0.67
87120N, 2013. http://proceedings.s piedigitallibrary.or g/data/Conferences/S PIEP/74794/87120N.pd f [26] A. 87120N, 2013 http://proceedings.s piedigitallibrary.or g/data/Conferences/S PIEP/74794/87120N.pd f [26] A。 0.43
1989. [27] A. Ross, “Advances in Ear Biometrics”, 2011. http://www.biometric s.org/bc2011/present ations/FaceTechnolog y/ 0928_1600_Mr15_Ross. pdf [28] Y. Liu & G. Lu, “A 3D ear acquisition system design by using triangulation imaging principle”, International Conference (ICIAR 2013), Portugal, 2013, Lecture Notes in Computer Science (LNCS) series (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), vol. 1989. 27] a. ross, “advances in ear biometrics”, 2011 http://www.biometric s.org/bc2011/present ations/facetechnolog y/ 0928_1600_mr15_ross. pdf [28] y. liu & g. lu, “a 3d ear acquisition system design by using triangulation imaging principle”, international conference (iciar 2013), portugal, 2013, series (subseries lecture notes in artificial intelligence and lecture notes in bioinformatics), vol. 0.87
7950, pp. 373-379, Springer, 2013. 7950, pp。 373-379, Springer, 2013。 0.85
[29] M. Ali, M. Y. Javed, A. Basit, “Ear Recognition Using Wavelets”, Proceedings of Image and Vision Computing New Zealand 2007, pp. 29] M. Ali, M.Y. Javed, A. Basit, “Ear Recognition using Wavelets”, Proceedings of Image and Vision Computing New Zealand 2007 pp. (英語) 0.89
83-86, New Zealand, 2007. http://www.researchg ate.net/publication/ 228743898_Ear_Recogn ition_Using_Wavelets / file/79e415109ec718a 7dd.pdf [30] H.-J. 83-86, New Zealand, 2007 http://www.researchg ate.net/publication/ 228743898_Ear_Recogn ition_Using_Wavelets / file/79e415109ec718a 7dd.pdf [30] H.-J 0.38
Zhang, Z.-C. Mu, W. Qu, L.-M. Liu & Ch.-Y. Zhang, Z.-C. Mu, W. Qu, L.-M. Liu & Ch.-Y 0.73
Zhang, “A novel approach for ear Proceedings of the 4th recognition based on ICA and RBF network”, IEEE International Conference on Machine Learning and Cybernetics, pp. Zhang, “A novel approach for ear Proceedings of the 4th recognition based on ICA and RBF network”, IEEE International Conference on Machine Learning and Cybernetics, pp。 0.82
4511–4515, 2005. http://ieeexplore.ie ee.org/stamp/stamp.j sp?tp=&arnumber=1527733 [31] L. Yuan & Z.-C. Mu, “Ear recognition based on 2D images”, Proceedings of the 1st IEEE International Conference on Biometrics: Theory, Applications, and Systems (BTAS), pp.15, 2007. http://ieeexplore.ie ee.org/stamp/stamp.j sp?arnumber=04401941 http://ieeexplore.ie ee.org/stamp/jsp?tp=&arnumber=1527733 [31] L. Yuan & Z.-C. Mu, “Ear recognition based on 2D images”, Proceedings of the 1st IEEE International Conference on Biometrics: Theory, Applications, and Systems (BTAS), pp.15, 2007 http://ieeexplore.ie ee.org/stamp/stamp.j sp?arnumber=0440 1941 0.72
Image Analysis and Recognition, Paramont Publ., 画像解析と認識。 パラモン・プブラー(Paramont Publ)。 0.59
V. Proceedings of the 10th V。 経過 10日 0.58
英語(論文から抽出)日本語訳スコア
of L. Nanni ですから L。 南尼 0.60
& A. Lumini, とA。 Lumini 0.57
Z. Zhang & H. Z。 Zhang及びH。 0.79
Liu, SING, J. K., color similarity Liu SING, J.K., color similarity 0.73
“Multi-View ear recognition based on b-spline pose manifold IEEE World Congress on Intelligent Control and 「bスプラインポーズマニホールドに基づくマルチビュー耳認識IEEE World Congress on Intelligent Control and and」 0.77
[32] Z. Xie & Z.-C. Mu, “Ear recognition using LLE and IDLLE algorithm”, Proceedings of the 19th IEEE International Conference on Pattern Recognition (ICPR), pp. [32] Z. Xie & Z.-C. Mu, “Ear recognition using LLE and IDLLE algorithm”, Proceedings of the 19th IEEE International Conference on Pattern Recognition (ICPR), pp。 0.91
1-4, 2008. http://ieeexplore.ie ee.org/stamp/stamp.j sp?tp=&arnumber=4761861 [33] construction”, Proceedings of the 7th Automation, pp. 1-4, 2008 http://ieeexplore.ie ee.org/stamp/stamp.j sp?tp=&arnumber=4761861 [33] construction", Proceedings of the 7th Automation, pp。 0.68
2416-2421, 2008. http://ieeexplore.ie ee.org/stamp/stamp.j sp?arnumber=04593302 [34] I. Naseem, R. Togneri & M. Bennamoun, “Sparse representation for ear biometrics”, Advances in Visual Computing, Lecture Notes in Computer Science, vol. 2416-2421, 2008 http://ieeexplore.ie ee.org/stamp/stamp.j sp?arnumber=04593302 [34] I. Naseem, R. Togneri & M. Bennamoun, “Sparse representation for ear Biometrics”, Advanceds in Visual Computing, Lecture Notes in Computer Science, vol. 0.81
5359, pp. 336345, 2008. http://link.springer .com/chapter/10.1007 %2F978-3-540-89646-3 _33 http://dx.doi.org/10 .1007/978-3-540-8964 6-3_33 [35] D. R. Kisku, H. Mehrotra, “SIFT-based ear Sing, P. Gupta & J. K. recognition detected key-points from slice regions”, Proceedings of the IEEE International Conference on Advances in Computational Tools for Engineering Applications (ACTEA), pp. 5359, pp。 336345, 2008 http://link.springer .com/chapter/10.1007 %2F978-3-540-89646-3 _33 http://dx.doi.org/10 .1007/978-3-540-8964 6-33 [35] D. R. Kisku, H. Mehrotra, “SIFT-based ear Sing, P. Gupta & J. K. recognition detected key-points from slice region”, Proceedings of the IEEE International Conference on Advances in Computational Tools for Engineering Applications (ACTEA), pp. 0.71
380-385, 2009. http://ieeexplore.ie ee.org/stamp/stamp.j sp?tp=&arnumber=5227958 [36] ear color Recognition, vol. 380-385, 2009 http://ieeexplore.ie ee.org/stamp/stamp.j sp?tp=&arnumber=5227958[36] ear color Recognition, vol。 0.62
42, iss. 9, pp. 42、 iss。 9, pp。 0.78
1906-1913, 2009. http://www.sciencedi rect.com/science/art icle/pii/S0031320308 00455X [37] A. Abate, M. Nappi, D. Riccio & S. Ricciardi, “Ear recognition by means of a rotation invariant descriptor”, Proceedings of the 18th IEEE International Conference on Pattern Recognition (ICPR), pp. 1906-1913, 2009 http://www.sciencedi rect.com/science/art icle/pii/S0031320308 00455X [37] A. Abate, M. Nappi, D. Riccio & S. Ricciardi, “Ear recognition by a rotation invariant descriptor”, Proceedings of the 18th IEEE International Conference on Pattern Recognition (ICPR), pp. 0.85
437-440, 2006. http://ieeexplore.ie ee.org/stamp/stamp.j sp?tp=&arnumber=1699872 [38] N. Nanni & A. Lumini, “A multi-matcher for ear authentication”, Pattern Recognition Letters, vol. 437-440, 2006. http://ieeexplore.ie ee.org/stamp/stamp.j sp?tp=&arnumber=1699872 [38] N. Nanni & A. Lumini, “A multi-matcher for ear authentication”, Pattern Recognition Letters, vol. 0.73
28, iss. 16, pp. 28だ 16, pp。 0.62
2219-2226, 2007. http://www.sciencedi rect.com/science/art icle/pii/S0167865507 002280 [39] A. Sana, P. Gupta & R. Purkait, “Ear biometrics: A new approach”, Proceedings of the 6th International Conference on Advances in Pattern Recognition, pp. 2219-2226, 2007 http://www.sciencedi rect.com/science/art icle/pii/S0167865507 002280 [39] A. Sana, P. Gupta & R. Purkait, “Ear Biometrics: A new approach”, Proceedings of the 6th International Conference on Advances in Pattern Recognition, pp。 0.77
46-50, 2007. http://www.security. iitk.ac.in/contents/ publications/papers/ ebana.pdf [40] H.-L. Zhao & Z.-C. Mu, “Combining wavelet transform and orthogonal centroid algorithm for ear recognition”, Proceedings of the 2nd IEEE International Conference on Computer Science and Information Technology, pp. 46-50, 2007 http://www.security. iitk.ac.in/contents/ papers/ebana.pdf [40] H.-L. Zhao & Z.-C. Mu, “Combining wavelet transform and orthogonal centroid algorithm for ear recognition”, Proceedings of the 2nd IEEE International Conference on Computer Science and Information Technology, pp。 0.74
228-231, 2009. http://ieeexplore.ie ee.org/stamp/stamp.j sp?arnumber=05234392 [41] M. S. Nosrati, K. Faez & F. Faradji, “Using 2D wavelet and principal component analysis the for personal IEEE International Conference on Intelligent and Advanced Systems, pp. 228-231, 2009 http://ieeexplore.ie ee.org/stamp/stamp.j sp?arnumber=05234392 [41] M. S. Nosrati, K. Faez & F. Faradji, “2Dウェーブレットと主成分分析を使って、個人のIEEE International Conference on Intelligent and Advanced Systems, pp。 0.65
616-620, 2007. http://ieeexplore.ie ee.org/stamp/stamp.j sp?tp=&arnumber=4658461 616-620, 2007 http://ieeexplore.ie ee.org/stamp/stamp.j sp?tp=&arnumber=4658461 0.46
identification based on 2D ear 2次元耳に基づく識別 0.84
Proceedings of authentication”, structure”, 経過 認証”。 構造”。 0.56
“Fusion of spaces for 『融合』 空間 ですから 0.61
Pattern by fusion パターン で 融合 0.72
英語(論文から抽出)日本語訳スコア
[42] Y. Wang, Z.-C. Mu & H. Zeng, “Block-based and multi-resolution methods for ear recognition using wavelet transform and uniform local binary patterns”, Proceedings of the 19th IEEE International Conference on Pattern Recognition (ICPR), pp. 第19回IEEE International Conference on Pattern Recognition (ICPR) pp. [42] Y. Wang, Z.-C. Mu & H. Zeng, "Block-based and multi- resolution method for ear recognition using wavelet transform and uniform local binary pattern" (英語) 0.93
1-4, 2008. http://ieeexplore.ie ee.org/stamp/stamp.j sp?arnumber=04761854 [43] M. Choraś, “Ear biometrics based on geometrical feature extraction”, Electronic Letters on Computer Vision and Image Analysis (ELCVIA), vol. 1-4, 2008 http://ieeexplore.ie ee.org/stamp.jsp?arn umber=04761854 [43] M. Chorai, “Ear Biometrics based on geometryal feature extract”, Electronic Letters on Computer Vision and Image Analysis (ELCVIA) vol. 0.85
5, iss. 3, pp. 5番 iss 3、p。 0.57
84-95, 2005. http://elcvia.cvc.ua b.es/article/view/10 8/104 [44] P. J. Phillips, W. T. Scruggs, A. J. O’Toole, P. J. Flynn, K. W. Bowyer, C. L. Schott, M. Sharpe, “FRVT 2006 and ICE 2006 Large-Scale Results”, NISTIR 7408, National Institute of Standards and Technology, 2007. http://www.nist.gov/ customcf/get_pdf.cfm ?pub_id=51131 [45] C. Wilson, R. Au. P. J. Phillips, W. T. Scruggs, A. J. O’Toole, P. J. Flynn, K. W. Bowyer, C. L. Schott, M. Sharpe, "FRVT 2006 and ICE 2006 Large-Scale Results", NISTIR 7408, National Institute of Standards and Technology, 2007 http://www.nist.gov/ customcf/get_pdf.cfm ?pub_id=51131 [45] C. Wilson, R. Wilson, R。 0.82
Hicklin, M. Bone, H. Korves, P. Grother, Br. Hicklin, M. Bone, H. Korves, P. Grother, Br。 0.96
Ulery, R. Micheals, M. Zoepfl, St. Otto, Cr. Ulery, R. Micheals, M. Zoepfl, St. Otto, Cr。 0.94
Watson, “Fingerprint Vendor Technology Evaluation 2003 (FpVTE 2003): Institute of NISTIR 7123, Standards and Technology, 2004. http://biometrics.ni st.gov/cs_links/fpvt e/report/ir_7123_sum mary.pdf Watson, “Fingerprint Vendor Technology Evaluation 2003 (FpVTE 2003): Institute of NISTIR 7123, Standards and Technology, 2004. http://biometrics.ni st.gov/cs_links/fpvt e/report/ir_7123_sum mary.pdf 0.64
Summary of Results and Analysis Report”, 結果と分析レポート」を掲載しました。 0.70
National 全国 0.61
                                     ページの最初に戻る

翻訳にはFugu-Machine Translatorを利用しています。