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...
Збережено в:
| Дата: | 2021 |
|---|---|
| Автори: | , , , |
| Формат: | Стаття |
| Мова: | Russian |
| Опубліковано: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2021
|
| Назва видання: | Кібернетика та системний аналіз |
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/190707 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| 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. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| 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. |
|---|