Идентификация личности на основе индивидуальных эхографических свойств ушной раковины с использованием кепстрального анализа и формулы Байеса

Разработан метод распознавания личности по эхографическим параметрам уха человека на основе наивного байесовского классификатора в двух режимах: биометрической идентификации (EER = 0.0053) и биометрической аутентификации (FRR = 0.0002 при FAR ≤ 0.0001) соответственно. Разработано устройство для реги...

Повний опис

Збережено в:
Бібліографічні деталі
Видавець:Інститут кібернетики ім. В.М. Глушкова НАН України
Дата:2021
Автори: Сулавко, А.Е., Ложников, П.С., Куприк, И.А., Самотуга, А.Е.
Формат: Стаття
Мова:Russian
Опубліковано: Інститут кібернетики ім. В.М. Глушкова НАН України 2021
Назва видання:Кібернетика та системний аналіз
Теми:
Онлайн доступ:http://dspace.nbuv.gov.ua/handle/123456789/190707
Теги: Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
Цитувати:Идентификация личности на основе индивидуальных эхографических свойств ушной раковины с использованием кепстрального анализа и формулы Байеса / А.Е. Сулавко, П.С. Ложников, И.А. Куприк, А.Е. Самотуга // Кібернетика та системний аналіз. — 2021. — Т. 57, № 3. — С. 135–143. — Бібліогр.: 6 назв. — рос.

Репозиторії

Digital Library of Periodicals of National Academy of Sciences of Ukraine
Опис
Резюме:Разработан метод распознавания личности по эхографическим параметрам уха человека на основе наивного байесовского классификатора в двух режимах: биометрической идентификации (EER = 0.0053) и биометрической аутентификации (FRR = 0.0002 при FAR ≤ 0.0001) соответственно. Разработано устройство для регистрации биометрических характеристик уха, приведен набор эхографических свойств на основе параметров ушной раковины 75 испытуемых. В качестве биометрических параметров использовались спектральные и кепстральные характеристики отраженных от ушного канала сигналов. Рассмотрено несколько оконных функций для построения спектров и кепстрограмм. Установлено, что более 90 % «кепстральных» признаков имеют слабую корреляционную зависимость, что позволяет применять наивный байесовский классификатор и получать при этом высокоточные результаты распознавания пользователей. Преимущество байесовской классификации состоит в возможности робастного быстрого обучения системы идентификации.