دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1 نویسندگان: O. Déniz, M. Castrillón, J. Lorenzo, M. Hernández (auth.), Massimo Tistarelli, Josef Bigun, Anil K. Jain (eds.) سری: Lecture Notes in Computer Science 2359 ISBN (شابک) : 9783540437239, 9783540479178 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2002 تعداد صفحات: 202 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 8 مگابایت
کلمات کلیدی مربوط به کتاب احراز هویت بیومتریک: کارگاه بین المللی ECCV 2002 کپنهاگ ، دانمارک ، مجموعه مقالات 1 ژوئن 2002: تشخیص الگو، پردازش تصویر و بینایی کامپیوتری، تهیه اسناد و پردازش متن، کامپیوتر و جامعه، مدیریت محاسبات و سیستم های اطلاعاتی، بیوانفورماتیک
در صورت تبدیل فایل کتاب Biometric Authentication: International ECCV 2002 Workshop Copenhagen, Denmark, June 1, 2002 Proceedings به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب احراز هویت بیومتریک: کارگاه بین المللی ECCV 2002 کپنهاگ ، دانمارک ، مجموعه مقالات 1 ژوئن 2002 نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
احراز هویت بیومتریک به شناسایی یک فرد بر اساس ویژگیهای متمایز فیزیولوژیکی و/یا رفتاری اشاره دارد. یک فرد را با هویتی که قبلاً تعیین شده بود بر اساس ظاهر یا رفتار آن فرد مرتبط می کند. از آنجایی که بسیاری از ویژگیهای فیزیولوژیکی یا رفتاری (شاخصهای بیومتریک) برای هر فرد متمایز است، شناسههای بیومتریک ذاتاً قابل اعتمادتر و توانایی بیشتری نسبت به تکنیکهای مبتنی بر دانش (مثلاً رمز عبور) و مبتنی بر نشانه (به عنوان مثال، یک کلید) در تمایز بین افراد مجاز دارند. شخص و یک شیاد متقلب به همین دلیل، سازمانهای بیشتری به دنبال سیستمهای احراز هویت خودکار برای بهبود رضایت مشتری، امنیت و کارایی عملیاتی و همچنین صرفهجویی در منابع حیاتی هستند. احراز هویت بیومتریک یک مشکل چالش برانگیز در تشخیص الگو است. این شامل چیزی بیش از تطبیق قالب است. ماهیت ذاتی داده های بیومتریک باید به دقت مورد مطالعه، تجزیه و تحلیل قرار گیرد و ویژگی های آن در توسعه نمایش مناسب و الگوریتم های تطبیق در نظر گرفته شود. تنوع ذاتی داده ها با زمان و شرایط محیطی، مقبولیت اجتماعی و تهاجمی بودن دستگاه های اکتساب، و تسهیلاتی که با آن داده ها می توانند جعل شوند، باید در انتخاب یک شاخص بیومتریک برای یک کاربرد معین در نظر گرفته شوند. به منظور استقرار یک سیستم احراز هویت بیومتریک، باید قابلیت اطمینان، دقت، کاربرد و کارایی آن را در نظر گرفت. در نهایت، ممکن است لازم باشد چندین شاخص بیومتریک (چند وجهی-بیومتریک) را برای مقابله با اشکالات هر شاخص بیومتریک ترکیب کنید.
Biometric authentication refers to identifying an individual based on his or her distinguishing physiological and/or behavioral characteristics. It associates an individual with a previously determined identity based on that individual s appearance or behavior. Because many physiological or behavioral characteristics (biometric indicators) are distinctive to each person, biometric identifiers are inherently more reliable and more capable than knowledge-based (e.g., password) and token-based (e.g., a key) techniques in differentiating between an authorized person and a fraudulent impostor. For this reason, more and more organizations are looking to automated identity authentication systems to improve customer satisfaction, security, and operating efficiency as well as to save critical resources. Biometric authentication is a challenging pattern recognition problem; it involves more than just template matching. The intrinsic nature of biometric data must be carefully studied, analyzed, and its properties taken into account in developing suitable representation and matching algorithms. The intrinsic variability of data with time and environmental conditions, the social acceptability and invasiveness of acquisition devices, and the facility with which the data can be counterfeited must be considered in the choice of a biometric indicator for a given application. In order to deploy a biometric authentication system, one must consider its reliability, accuracy, applicability, and efficiency. Eventually, it may be necessary to combine several biometric indicators (multimodal-biometrics) to cope with the drawbacks of the individual biometric indicators.
An Incremental Learning Algorithm for Face Recognition....Pages 1-9
Face Recognition Based on ICA Combined with FLD....Pages 10-18
Understanding Iconic Image-Based Face Biometrics....Pages 19-29
Fusion of LDA and PCA for Face Verification....Pages 30-37
Complex Filters Applied to Fingerprint Images Detecting Prominent Symmetry Points Used for Alignment....Pages 39-47
Fingerprint Matching Using Feature Space Correlation....Pages 48-57
Fingerprint Minutiae: A Constructive Definition....Pages 58-66
Pseudo-entropy Similarity for Human Biometrics....Pages 67-77
Mental Characteristics of Person as Basic Biometrics....Pages 78-89
Detection of Frontal Faces in Video Streams....Pages 91-102
Genetic Model Optimization for Hausdorff Distance-Based Face Localization....Pages 103-111
Coarse to Fine Face Detection Based on Skin Color Adaption....Pages 112-120
Robust Face Recognition Using Dynamic Space Warping....Pages 121-132
Subspace Classification for Face Recognition....Pages 133-141
Gait Appearance for Recognition....Pages 143-154
View-invariant Estimation of Height and Stride for Gait Recognition....Pages 155-167
Improvement of On-line Signature Verification System Robust to Intersession Variability....Pages 168-175
Biometric Identification in Forensic Cases According to the Bayesian Approach....Pages 177-185
A New Quadratic Classifier Applied to Biometric Recognition....Pages 186-196