Nhận dạng người dựa trên hình ảnh khớp ngón tay sử dụng Raspberry Pi

Chỉ số đề mục

Lĩnh vực nghiên cứu

Tự động hóa (CAD/CAM, v.v..) và các hệ thống điều khiển, giám sát, công nghệ điều khiển số bằng máy tính (CNC), …

Dạng tài liệu

Tác giả

Trần Thị Thảo⁽³⁾, Phạm Văn Trường⁽²⁾⁽¹⁾

Nhan đề

Nhận dạng người dựa trên hình ảnh khớp ngón tay sử dụng Raspberry Pi

Nhan đề tiếng anh

Nguồn trích

Tự động hóa ngày nay

Năm xuất bản

2022

Số

1

Trang

60-64

ISSN

1859-0551

Từ khóa

Nhận dạng khớp ngón tay, Định danh người, Raspberry PI, Sinh trắc học

Từ khóa tiếng anh

Tóm tắt

Bài báo đề xuất một hệ thống nhận diện khớp ngón tay người (finger knucke recognition-FKR)) sử dụng máy tính nhúng Raspberry Pi 4 Model B và camera Pi. Nghiên cứu bắt đầu bằng việc khảo sát các phương pháp trích xuất đặc trưng và đối sánh gần đây, sau đó đánh giá về tốc độ xử lý và độ chính xác nhận dạng để từ đó lựa chọn phương pháp phù hợp. Quá trình phân tích cho thấy phương pháp sử dụng đặc trưng về vector đồng bộ định hướng nhị phân BOCV- vốn được đề xuất trong các nghiên cứu trước đây về nhận dạng lòng bàn tay, cho kết quả tốt khi thử nghiệm trên bài toán nhận diện khớp ngón tay. Bên cạnh đánh giá trên các dữ liệu ảnh tự thu thập, để đánh giá kết quả phương pháp đề xuất, chúng tôi đã đánh giá thuật toán trên bộ dữ liệu mở của Đại học Bách Khoa HongKong. Kết quả cho thấy, mô hình BOCV cho độ chính xác trên 90% mà vẫn đáp ứng thời gian thực.

Tóm tắt tiếng anh

Kí hiệu kho

TTKHCNQG, CVv 227

File toàn văn

Xem toàn văn

Tài liệu tham khảo

[1] D. Zhang, J. You (2003), Online palmprint identification,IEEE Transactions on Pattern Analysis and Machine Intelligence
[2] T. S. Lee (1996), Image representation using 2D Gabor wavelets,IEEE Transactions on Pattern Analysis and Machine Intelligence
[3] Z. Guo, D. Zhang, L. Zhang, W. Zuo (2009), Palmprint verification using binary orientation co-occurrence vector,Pattern Recognition Letters
[4] A. Kumar, Y. Zhou (2009), Personal Identification using Finger Knuckle Orientation Features,Electronics Letters
[5] (0), Canny Edge Detection,
[6] H. Heidari, A. Chalechale (2022), Biometric authentication using a deep learning approach based on different level fusion of finger knuckle print and fingernail,Expert Systems with Applications
[7] G. Arora, A. Singh, A. Nigam, H. M. Pandey, K. Tiwari (2022), FKPIndexNet: An efficient learning framework for finger-knuckleprint database indexing to boost identification,Knowledge-Based Systems
[8] L. Zhang, L. Zhang, H. Zhu (2010), Online Finger-Knuckle-Print Verification for Personal Authentication,Pattern Recognition
[9] A. Attia, A. Moussaoui, M. Chaa, Y. Chahir (2018), Finger Knuckle Print Recognition based on Features-Level Fusion of Real and Imaginary Image,Journal on Image and Video Processing
[10] L. Zhang, L. Zhang, D. Zhang (2009), Finger Knuckle Print: A New Biometric Identifier,16th IEEE International Conference on Image Processing (ICIP)