Professional Documents
Culture Documents
Mro v.2.1
Mro v.2.1
Mro v.2.1
na podstawie
geometrii dłoni
Techniki biomedyczne
systemy oparte o wzór linii papilarnych
systemy oparte o geometrię dłoni
systemy oparte o dynamikę mowy
systemy oparte o wzór tęczówki oka
Sposoby pozyskiwania danych
Próbki – założenia I
kąty między palcami odpowiedniej miary,
Próbki – założenia II
zdjęcie dłoni zrobione prostopadle do
obiektywu aparatu
odległość dłoni od obiektywu aparatu za
x755 osób
x3 próbki – 200x200 px
Poszukiwane cechy
5 x długość palca
5 x długość podstawy palca
4 x największy okrąg wpisany w górnej połowie palców
(baz kciuka)
4 x największy okrąg wpisany w dolnej połowie palców
(bez kciuka)
1 x największy okrąg wpisany w kciuka
5 x pole powierzchni palców
5 x obwód palców
4 x odległości między początkiem kciuka a środkami
podstaw poszczególnych palców (bez kciuka)
4 x poszczególne boki czworokąta wokół środka dłoni
(czerwone linie na rysunku).
Razem 37 cech
Poszukiwane cechy
Poszukiwane cechy
Algorytm
1. Przygotowanie wektora punktów konturu
2. Znajdowanie końcówek palców oraz
zagłębień miedzy palcami
3. Wyznaczenie cech dłoni
a) odległości między punktami
b) pola powierzchni
c) okręgi wpisane w zamknięty obszar
4. Normalizacja cech
5. Metoda najbliższego sąsiada
6. Interpretacja wyników
Przygotowanie wektora punktów
konturu
Znajdowanie końcówek palców oraz
zagłębień miedzy palcami
Odległości między punktami
Norma euklidesowa
√
𝑛
𝑑𝑒 ( 𝑥, 𝑦 ) =¿∨𝑥− 𝑦∨¿= ∑ (𝑥𝑖 −𝑦 𝑖) 2
𝑖=1
Pola powierzchni - I
Algorytm wypełniania konturowego
Pola powierzchni - II
Algorytm wypełniania konturowego
Pola powierzchni - III
Algorytm wypełniania konturowego
Pola powierzchni - IV
Algorytm wypełniania konturowego
Okręgi wpisane w obszar zamknięty
Euclidean distance transform
Okręgi wpisane w obszar zamknięty
Euclidean distance transform
Distance transform (transformacja
odległościowa)
Dla każdego piksela należącego do obiektu
√
𝑛
1
𝑠= ∑
𝑛 −1 𝑖=1
( 𝑥 𝑖 − 𝑥)2
Metoda najbliższego sąsiada
Wektory cech skupiają się w grupach
Metryka wyznaczająca odległość
Wybór najbliższych sąsiadów
Metoda najbliższego sąsiada
Wyniki
Próbka kontrolna Najbliższy sąsiad
1 2 3 4 5 6 7 8 9 10
108 649 509 243 405 620 537 443 141 260 509
1 2 3 4 5 6 7 8 9 10
1 289 90,31% 93,43% 94,46% 96,19% 96,89% 97,23% 97,92% 98,27% 98,62% 98,62%
2 199 86,93% 90,95% 92,86% 92,96% 94,47% 94,97% 96,48% 96,98% 96,98% 96,98%
3 2225 68,66% 72,58% 77,08% 79,60% 81,84% 83,42% 84,54% 85,35% 86,25% 86,97%
Literatura
Erdem Yoruk , Helin Dutagaci, Bulent Sankur, „Hand
biometrics”
Erdem Yoruk , Helin Dutagaci, Bulent Sankur, „Comparative
analysis of global hand apperance-based person recognition”
Yaroslav Bulatov, Sachin Jambawalikar, Piyush Kumar, Saurabh
Sethia, „Hand recognition Rusing geometric classifiers”
Xiaoqian Jiang, Wanhong Xu, „Contactless hand recognition”
Xiaoqian Jiang, Wanhong Xu, Latanya Sweeney, Yiheng Li,
Ralph Gross, Daniel Yurovsky „New directions In contact free
hand recognition”
http://www.busim.ee.boun.edu.tr/%7Esankur/SankurFolder/
normalized_binary_hands.zip
Dziękujemy za uwagę