Сравнительный анализ методов некооперативного распознавания радужной оболочки глаза

И.В. Петров, Н.Н. Минакова

Аннотация


Анализируются существующие методы локализации в контексте некооперативного распознавания. К достоинствам таких систем можно отнести удобство использования, увеличение пропускной способности, возможность скрытой работы в интересах безопасности и борьбы с терроризмом и т.д. Основной проблемой является плохое качество биометрических данных и необходимость их быстрой обработки, что требует создания особых алгоритмов обработки биометрических данных. Радужная оболочка глаза (РОГ) на данный момент является перспективной для использования в некооперативных системах. Это связано с возможностью сканирования на удаленном расстоянии, высокой информационной емкостью РОГ и т. д. К наиболее трудоемкому этапу распознавания РОГ при отсутствии взаимодействия можно отнести локализацию. Обозначены основные проблемы, возникающие при некооперативном распознавании. Выделены и проанализированы существующие методы локализации РОГ: интегро-дифференциальный оператор, преобразования Хафа, метод активного контура. Проведены численные эксперименты, позволяющие выявить достоинства и недостатки методов. Предложены параметры, позволяющие оценить их перспективность. Показано, что в некооперативных системах перспективен метод локализации, основанный на активном контуре.

DOI 10.14258/izvasu(2016)1-29


Ключевые слова


некооперативное распознавание; радужная оболочка глаза; биометрия; идентификация личности; информационная система

Полный текст:

PDF

Литература


Поляков В.В., Трушин В.А., Рева И.А. и др. Региональные аспекты технической и правой защиты информации: монография. — Барнаул, 2013.

Вязьмина А.Н., Жилин С.И. Алгоритмы распознавания лиц, устойчивые к вариациям освещения и геометрических характеристик // Труды молодых ученых Алтайского гос. ун-та. — 2013. — № 10.

Третьяков И.Н., Минакова Н.Н. Алгоритм разграничения доступа по радужной оболочке глаза для решения задач контроля доступа к информационным ресурсам // Доклады Томского гос. ун-та систем управления и радиоэлектроники. — 2010. — № 1–1.

Daugman J. How Iris Recognition Works // Circuits and Systems for Video Technology, IEEE Transactions on Circuits and Systems for Video Technology. — 2004. — № 1 (14).

Tan T., He Z., Sun Z. Efficient and Robust Segmentation of Noisy Iris Images for Non-cooperative Iris Recognition // Image and Vision Computing. — 2010. — № 2 (28).

Illingworth J., Kittler J. A Survey of the Hough Transform // Computer Vision, Graphics, and Image Processing. — 1988. — № 1 (44).

Kass M., Witkin A., Terzopoulos D. Snakes: Active Contour Models // International Journal of Computer Vision. — 1988. — № 4 (1).

Daugman J. New Methods in Iris Recognition // IEEE Transactions on Systems, Man, and Cybernetics. Part B: Cybernetics. — 2007. — № 5 (37).

He Z., Tan T., Sun Z. Iris Localization via Pulling and Pushing // 18th International Conference on Pattern Recognition (ICPR’06). — 2006. — № 1.

Минакова Н.Н., Петров И.В. Информационная система анализа структуры радужной оболочки глаза // Ползуновский вестник. — 2012. — № 3/2.

Hannani A.El., Petrovska-Delacrétaz D., Fauve B., Mayoue A., Mason Guide J. To Biometric Reference Systems and Performance Evaluation // Springer Science & Business Media. — 2009.

Proenc H., Alexandre L.А. UBIRIS: A Noisy Iris Image Database // Symposium A Quarterly Journal In Modern Foreign Literatures. — 2005. — № 1.


Метрики статей

Загрузка метрик ...

Metrics powered by PLOS ALM

Ссылки

  • На текущий момент ссылки отсутствуют.