Fugu-MT 論文翻訳(概要): Human Identification using Selected Features from Finger Geometric Profiles

論文の概要: Human Identification using Selected Features from Finger Geometric Profiles

arxiv url: http://arxiv.org/abs/2410.09856v1
Date: Sun, 13 Oct 2024 14:30:19 GMT
ステータス: 処理完了
システム内更新日: 2024-10-30 04:32:54.096349
Title: Human Identification using Selected Features from Finger Geometric Profiles
Title（参考訳）: フィンガー幾何学的プロファイルから選択された特徴を用いた人間の識別
Authors: Asish Bera, Debotosh Bhattacharjee,
Abstract要約: 本稿では,非拘束環境における指の生体計測システムについて述べる。正常化法は2手輪郭画像から変換された2手輪郭画像のサブトラクションに追従し、指形状の左側を生成する(LSFP)。 XORはLSFP画像と手輪郭画像に印加され、指プロファイルの右側(RSFP)を生成する。
参考スコア（独自算出の注目度）: 16.854280796260518
License: http://creativecommons.org/licenses/by/4.0/
Abstract: A finger biometric system at an unconstrained environment is presented in this paper. A technique for hand image normalization is implemented at the preprocessing stage that decomposes the main hand contour into finger-level shape representation. This normalization technique follows subtraction of transformed binary image from binary hand contour image to generate the left side of finger profiles (LSFP). Then, XOR is applied to LSFP image and hand contour image to produce the right side of finger profiles (RSFP). During feature extraction, initially, thirty geometric features are computed from every normalized finger. The rank-based forward-backward greedy algorithm is followed to select relevant features and to enhance classification accuracy. Two different subsets of features containing nine and twelve discriminative features per finger are selected for two separate experimentations those use the kNN and the Random Forest (RF) for classification on the Bosphorus hand database. The experiments with the selected features of four fingers except the thumb have obtained improved performances compared to features extracted from five fingers and also other existing methods evaluated on the Bosphorus database. The best identification accuracies of 96.56% and 95.92% using the RF classifier have been achieved for the right- and left-hand images of 638 sub-jects, respectively. An equal error rate of 0.078 is obtained for both types of the hand images.
Abstract（参考訳）: 本稿では,非拘束環境における指の生体計測システムについて述べる。主手輪郭を指の高さの形状表現に分解する前処理段階で手動画像正規化を行う。この正規化手法は, 2手輪郭画像から2手輪郭画像に変換された2手輪郭画像のサブトラクションを追従し,指先プロファイル(LSFP)の左側を生成する。そして、LSFP画像及び手輪郭画像にXORを適用して、指プロファイルの右側(RSFP)を生成する。特徴抽出の際には、まず、正規化されたすべての指から30の幾何学的特徴が計算される。ランクベースフォワードフォワードグリーディアルゴリズムは、関連する特徴を選別し、分類精度を高める。 kNNとRandom Forest(RF)を使ってBosphorusハンドデータベースに分類した2つの別々の実験のために、指1本につき9と12の識別的特徴を含む2つの特徴の異なるサブセットが選択される。親指以外の4本の指の特徴を抽出した実験では,5本の指の特徴や,Bosphorusデータベースで評価された他の方法と比較して,性能が向上した。 RF分類器を用いた96.56%と95.92%の最良の識別精度は、638個のサブオブジェクトの左右の画像に対してそれぞれ達成されている。両手画像に対して、等値誤差率0.078を得る。

関連論文リスト

Finger Biometric Recognition With Feature Selection [20.58839604333332]
バイオメトリックスは、機械学習やパターン認識の様々な分野において、安全な自動化された人間の認証のために、現代のデジタル時代には不可欠である。ハンドジオメトリは有望な生理的バイオメトリック特性であり、アイデンティティ検証に十分な応用領域が配置されている。親指の複雑な解剖学的基礎と実質的な指間姿勢変化のため、親指が接触のない環境に含まれている間は満足なパフォーマンスが得られない。
論文参考訳（メタデータ） (2023-12-16T13:39:52Z)
Advancing 3D finger knuckle recognition via deep feature learning [51.871256510747465]
接触のない3Dフィンガーナックルパターンは、識別性、距離からの視認性、利便性、利便性により、効果的な生体認証として出現している。近年、ディープニューラルネットワークの中間機能を複数のスケールで同時に組み込むディープ・フィーチャー・コラボレーティブ・ネットワークが開発されている。本稿では,3次元指のナックル画像を表現するために,最小次元の識別特徴ベクトルを学習する可能性を検討することにより,本手法を推し進める。
論文参考訳（メタデータ） (2023-01-07T20:55:16Z)
FIGO: Enhanced Fingerprint Identification Approach Using GAN and One Shot Learning Techniques [0.0]
本稿では,生成逆数ネットワークとワンショット学習技術に基づく指紋識別手法を提案する。まず,低画質の指紋画像を,指紋強調層に直接画素を向けて高レベルの指紋画像に変換するPix2Pixモデルを提案する。第2に,指紋識別プロセスにおいて,各指紋を他の指紋と区別するために,ワンショット学習アプローチを用いた完全自動指紋特徴抽出モデルを構築した。
論文参考訳（メタデータ） (2022-08-11T02:45:42Z)
Learning Hierarchical Graph Representation for Image Manipulation Detection [50.04902159383709]
画像操作検出の目的は、画像内の操作された領域を特定し、特定することである。最近のアプローチでは、画像に残っている改ざんするアーティファクトをキャプチャするために、洗練された畳み込みニューラルネットワーク(CNN)が採用されている。本稿では2つの並列分岐からなる階層型グラフ畳み込みネットワーク(HGCN-Net)を提案する。
論文参考訳（メタデータ） (2022-01-15T01:54:25Z)
From Noise to Feature: Exploiting Intensity Distribution as a Novel Soft Biometric Trait for Finger Vein Recognition [17.914339110401425]
ほとんどの指静脈特徴抽出アルゴリズムは, そのテクスチャ表現能力により良好な性能が得られる。このようなノイズは, 指の静脈認識性能を向上させるために, ソフトバイオメトリックな特徴として有効である。
論文参考訳（メタデータ） (2021-12-15T07:23:21Z)
A Comparative Study of Fingerprint Image-Quality Estimation Methods [54.84936551037727]
画質の悪い画像は、突発的で欠落した特徴をもたらし、システム全体の性能を低下させる。本稿では,指紋画像品質評価のための既存手法について概説する。また,指紋画像品質推定アルゴリズムの選定も行った。
論文参考訳（メタデータ） (2021-11-14T19:53:12Z)
Iris Recognition Based on SIFT Features [63.07521951102555]
アイリス画像の認識にはSIFT(Scale Invariant Feature Transformation)を用いる。我々は、SIFT演算子を用いて、スケール空間における特徴SIFT特徴点を抽出し、特徴点周辺のテクスチャ情報に基づいてマッチングを行う。また、SIFT手法と、極座標変換とLog-Gaborウェーブレットに基づく一般的なマッチング手法の相補性を示す。
論文参考訳（メタデータ） (2021-10-30T04:55:33Z)
ProxyFAUG: Proximity-based Fingerprint Augmentation [81.15016852963676]
ProxyFAUGはルールベースで近接性に基づく指紋増強法である。このデータセット上で最高のパフォーマンスの測位法は、中央値エラーで40%改善され、平均誤差で6%向上した。
論文参考訳（メタデータ） (2021-02-04T15:59:30Z)
Finger Vein Recognition by Generating Code [2.512827436728378]
本稿では,コード生成による新しい指静脈認識を提案する。提案手法は,画像分割アルゴリズムを必要とせず,計算が簡単で,少ないデータしか持たない。静脈コード間の類似度は、最小ハミング距離とコードワード長の比率で測定される。
論文参考訳（メタデータ） (2021-01-21T03:01:56Z)
Latent Fingerprint Registration via Matching Densely Sampled Points [100.53031290339483]
既存の潜伏指紋登録手法は、主にミツバチ間の対応を確立することに基づいている。本研究では,一対の指紋間の空間的変換を推定する,最小限の潜伏指紋登録手法を提案する。提案手法は,特に挑戦的な条件下で,最先端の登録性能を実現する。
論文参考訳（メタデータ） (2020-05-12T15:51:59Z)
Anchors Based Method for Fingertips Position Estimation from a Monocular RGB Image using Deep Neural Network [2.4366811507669124]
本稿では,指先の位置を推定するディープニューラルネットワークに基づく手法を提案する。提案フレームワークは,手の検出結果に限られた依存度で最善を尽くす。 SCUT-Ego-Gestureデータセットの実験では、ビデオフレーム上の2.3552ピクセルの指先検出誤差を640倍の480$で達成した。
論文参考訳（メタデータ） (2020-05-04T09:45:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。