論文の概要: Two-Factor Authentication Smart Entryway Using Modified LBPH Algorithm
- arxiv url: http://arxiv.org/abs/2508.13617v1
- Date: Tue, 19 Aug 2025 08:28:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-20 15:36:31.846421
- Title: Two-Factor Authentication Smart Entryway Using Modified LBPH Algorithm
- Title（参考訳）: 修正LBPHアルゴリズムを用いた2要素認証スマートエントリーウェイ
- Authors: Zakiah Ayop, Wan Mohamad Hariz Bin Wan Mohamad Rosdi, Looi Wei Hua, Syarulnaziah Anawar, Nur Fadzilah Othman,
- Abstract要約: 本稿では,顔認識とパスコード検証を用いたスマートエントリーウェイアクセス制御のための2要素認証システムを提案する。
このシステムは、顔認識とマスク検出を実行し、ユーザを登録するためのリモコンの操作を自動化し、ドアをロックまたはアンロックし、所有者に通知する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Face mask detection has become increasingly important recently, particularly during the COVID-19 pandemic. Many face detection models have been developed in smart entryways using IoT. However, there is a lack of IoT development on face mask detection. This paper proposes a two-factor authentication system for smart entryway access control using facial recognition and passcode verification and an automation process to alert the owner and activate the surveillance system when a stranger is detected and controls the system remotely via Telegram on a Raspberry Pi platform. The system employs the Local Binary Patterns Histograms for the full face recognition algorithm and modified LBPH algorithm for occluded face detection. On average, the system achieved an Accuracy of approximately 70%, a Precision of approximately 80%, and a Recall of approximately 83.26% across all tested users. The results indicate that the system is capable of conducting face recognition and mask detection, automating the operation of the remote control to register users, locking or unlocking the door, and notifying the owner. The sample participants highly accept it for future use in the user acceptance test.
- Abstract（参考訳）: マスク検出は、特に新型コロナウイルス(COVID-19)のパンデミックで、最近ますます重要になっている。
IoTを使った多くの顔検出モデルがスマートな入り口で開発されている。
しかし、フェイスマスク検出にはIoT開発が欠如している。
本稿では、顔認識とパスコード検証を用いたスマートエントリーウェイアクセス制御のための2要素認証システムと、見知らぬ人が検出された際に所有者に警告し、Raspberry Piプラットフォーム上で遠隔操作を行う監視システムを起動する自動化プロセスを提案する。
本システムは,全顔認識アルゴリズムにローカルバイナリパターンヒストグラムを用い,隠蔽顔検出にLBPHアルゴリズムを改良した。
システムの平均精度は約70%、精度は約80%、リコールは全テストユーザーで83.26%だった。
その結果,システムは顔認識とマスク検出を行い,ユーザを登録するための遠隔操作を自動化し,ドアのロックやアンロックを行い,所有者に通知することができることがわかった。
サンプル参加者は、将来のユーザ受け入れテストでそれを受け入れる。
関連論文リスト
- From Detection to Correction: Backdoor-Resilient Face Recognition via Vision-Language Trigger Detection and Noise-Based Neutralization [2.661968537236039]
バックドア攻撃はディープニューラルネットワーク(DNN)を利用した顔認識システムを覆す
そこで我々はTrueBiometric: Trustworthy Biometricsを提案する。
実験の結果,TrueBiometricはクリーンな画像の精度を損なうことなく,100%の精度で有毒な画像を検出し,修正することを示した。
論文 参考訳（メタデータ） (2025-08-07T14:02:34Z) - Robust Deepfake Detection for Electronic Know Your Customer Systems Using Registered Images [29.349824933680956]
本稿では,eKYC(Electronic Know Your Customer)システム用に設計されたディープフェイク検出アルゴリズムを提案する。
顔認識モデルにより抽出された識別ベクトルの時間的不整合を検出することにより,映像の真正性を評価する。
このアルゴリズムは、ビデオ入力の処理に加えて、登録された画像(真であると仮定される)を使ってアイデンティティの相違を計算する。
論文 参考訳（メタデータ） (2025-07-30T12:16:27Z) - A Machine Learning-Based Secure Face Verification Scheme and Its Applications to Digital Surveillance [0.9208007322096533]
ほとんどの現実世界の認識システムは、認証に使用される識別に敏感な顔画像を保護することの重要性を無視している。
我々は、DeepID2畳み込みニューラルネットワークを用いて、顔画像の特徴を抽出し、EMアルゴリズムを用いて顔認証問題を解決する。
我々は,3段階のプライバシ懸念に基づいて,地域社会の監視(または入り口)制御のための3つの顔認証システムを開発した。
論文 参考訳（メタデータ） (2024-10-29T12:25:00Z) - Deep Learning based CNN Model for Classification and Detection of
Individuals Wearing Face Mask [0.0]
このプロジェクトでは、ディープラーニングを利用して、リアルタイムストリーミングビデオや画像のフェイスマスクを検出するモデルを作成する。
この研究の主な焦点は、特にセンシティブな領域におけるセキュリティを強化することである。
この研究は、画像前処理、画像トリミング、画像分類の3段階に展開している。
論文 参考訳（メタデータ） (2023-11-17T09:24:04Z) - Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。
顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
論文 参考訳（メタデータ） (2023-10-18T14:49:54Z) - Analysis of Recent Trends in Face Recognition Systems [0.0]
クラス間の類似性とクラス内変異により、顔認識システムは、それぞれ偽マッチングと偽非マッチエラーを生成する。
近年の研究では、抽出した特徴の堅牢性向上と、認識精度を高めるための前処理アルゴリズムに焦点が当てられている。
論文 参考訳（メタデータ） (2023-04-23T18:55:45Z) - Face Presentation Attack Detection [59.05779913403134]
顔認識技術は、チェックインやモバイル支払いといった日々の対話的アプリケーションで広く利用されている。
しかしながら、プレゼンテーションアタック(PA)に対する脆弱性は、超セキュアなアプリケーションシナリオにおける信頼性の高い使用を制限する。
論文 参考訳（メタデータ） (2022-12-07T14:51:17Z) - Privacy-Preserving Face Recognition with Learnable Privacy Budgets in
Frequency Domain [77.8858706250075]
本稿では,周波数領域における差分プライバシーを用いたプライバシ保護顔認証手法を提案する。
本手法はいくつかの古典的顔認証テストセットで非常によく機能する。
論文 参考訳（メタデータ） (2022-07-15T07:15:36Z) - Harnessing Unrecognizable Faces for Face Recognition [87.80037162457427]
本稿では,顔画像の認識可能性の尺度を提案し,主に認識可能なアイデンティティを用いて訓練されたディープニューラルネットワークによって実現された。
FAR=1e-5において,認識可能性を考慮した場合,単画像認識の誤り率を58%減少させることを示す。
論文 参考訳（メタデータ） (2021-06-08T05:25:03Z) - Quickest Intruder Detection for Multiple User Active Authentication [74.5256211285431]
我々は,Multiple-user Quickest Intruder Detection (MQID)アルゴリズムを定式化する。
より少ない観測サンプルで侵入者検出を行うデータ効率のシナリオにアルゴリズムを拡張した。
顔のモダリティに基づく2つのAAデータセットに対する提案手法の有効性を評価した。
論文 参考訳（メタデータ） (2020-06-21T21:59:01Z) - Investigating the Impact of Inclusion in Face Recognition Training Data
on Individual Face Identification [93.5538147928669]
最新のオープンソースの顔認識システムであるArcFaceを、100万枚以上の散らばった画像を用いた大規模な顔識別実験で監査する。
モデルのトレーニングデータには79.71%、存在しない人には75.73%のランク1顔認証精度がある。
論文 参考訳（メタデータ） (2020-01-09T15:50:28Z)
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。