Biometric Image Discrimination Technologies

دسته بندی: زیست شناسی
ویرایش:  
نویسندگان: Zhang D.,  Jing X.,  Yang,  J.  
سری:  
 
ناشر:  
سال نشر:  
تعداد صفحات: 290 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 14 مگابایت 

قیمت کتاب (تومان) : 40,000

Издательство Idea Group, 2006, -291 pp. شناسایی و تأیید شخصی هر دو نقش مهمی در جامعه ما دارند. امروزه بیشتر و بیشتر فعالیت های تجاری و شیوه های کاری کامپیوتری می شوند. برنامه‌های تجارت الکترونیک، مانند بانکداری الکترونیک، یا برنامه‌های امنیتی، مانند دسترسی به ساختمان، نیاز به شناسایی سریع، بی‌درنگ و دقیق شخصی دارند. سیستم‌های شناسایی یا تأیید شخصی مبتنی بر دانش سنتی یا مبتنی بر توکن، خسته‌کننده، زمان‌بر، ناکارآمد و پرهزینه هستند.
رویکردهای مبتنی بر دانش از \"چیزی که شما می دانید\" (مانند رمزهای عبور و شماره شناسایی شخصی) برای شناسایی شخصی استفاده می کنند. از سوی دیگر، رویکردهای مبتنی بر نشانه، از \"چیزی که دارید\" (مانند گذرنامه یا کارت های اعتباری) برای همان هدف استفاده می کنند. توکن ها (به عنوان مثال، کارت های اعتباری) زمان بر هستند و جایگزینی آنها پرهزینه است. به خاطر سپردن گذرواژه‌ها (مثلاً برای ورود به رایانه و حساب‌های ایمیل) سخت است. یک شرکت ممکن است 14 تا 28 دلار (ایالات متحده) برای بازنشانی رمز عبور خرج کند و حدود 19 درصد از تماس‌های میز راهنمایی مربوط به مشکل بازنشانی رمز عبور است. این ممکن است نشان دهد که حفاظت از رمز عبور مبتنی بر دانش سنتی رضایت بخش نیست. از آنجایی که این رویکردها مبتنی بر هیچ ویژگی ذاتی یک فرد در فرآیند شناسایی نیستند، نمی‌توانند بین یک فرد مجاز و یک شیاد که با تقلب \"نشان\" یا \"دانش\" شخص مجاز را به دست آورده است تفاوت قائل شوند. این کاستی ها باعث شده است که سیستم های شناسایی یا تأیید بیومتریک در سال های اخیر مورد توجه جامعه تحقیقاتی قرار گرفته باشد.
بیومتریک، که به تشخیص خودکار افراد بر اساس ویژگی‌های آناتومیک متمایز (مانند صورت، اثر انگشت، عنبیه و غیره) و رفتاری (مانند امضای آنلاین/خارج از خط، صدا، راه رفتن و غیره) اشاره دارد. ، امروزه موضوع داغی است، زیرا نیاز روزافزون به پردازش امن تراکنش با استفاده از روش های قابل اعتماد وجود دارد. احراز هویت مبتنی بر بیومتریک می‌تواند بر برخی از محدودیت‌های فناوری‌های سنتی شناسایی خودکار شخصی غلبه کند، اما همچنان الگوریتم‌ها و راه‌حل‌های جدیدی مورد نیاز است.
پس از حملات تروریستی 11 سپتامبر 2001، علاقه به راه حل ها و برنامه های امنیتی مبتنی بر بیومتریک به طور چشمگیری افزایش یافته است، به ویژه در نیاز به شناسایی مجرمان بالقوه در میان جمعیت. این امر باعث افزایش تقاضا برای توسعه محصولات مختلف بیومتریک می شود. به عنوان مثال، برخی از خطوط هوایی فناوری تشخیص عنبیه را در اتاق های کنترل هواپیما برای جلوگیری از ورود افراد غیرمجاز به کار گرفته اند. در سال 2004، تمام فرودگاه‌های بین‌المللی استرالیا گذرنامه‌هایی را با استفاده از فناوری تشخیص چهره برای خدمه خطوط هوایی پیاده‌سازی کردند و این در نهایت برای همه دارندگان پاسپورت استرالیا در دسترس قرار گرفت. افزایش مداوم درآمدها از بیومتریک برای سال‌های 2002-2007، از 928 میلیون دلار در سال 2003 به 4.035 میلیون دلار در سال 2007 پیش‌بینی می‌شود.
بیومتریک شامل شناسایی خودکار یک فرد بر اساس ویژگی‌های فیزیولوژیکی یا رفتاری او است. به روشی غیرپیچیده، بیومتریک برای قرن ها وجود داشته است. بخش‌هایی از بدن و جنبه‌های رفتار ما در طول تاریخ به عنوان وسیله‌ای برای شناسایی استفاده می‌شده است. مطالعه تصاویر انگشتان به چین باستان برمی گردد. ما اغلب یک شخص را از روی چهره یا صدای او به یاد می آوریم و شناسایی می کنیم. و امضا روشی است که برای احراز هویت در بانکداری، برای قراردادهای حقوقی و بسیاری دیگر از جنبه های زندگی وجود دارد. مقدمه ای بر تشخیص تصویر بیومتریک (BID)
تجزیه و تحلیل مؤلفه اصلی
تحلیل تفکیک خطی
کاربردهای PCA/LDA در بیومتریک
تحلیل همبستگی آماری
راه حل های LDA برای مشکلات اندازه نمونه کوچک
رویکرد بهبود یافته LDA
استخراج ویژگی DCT متمایز
سایر بهبودهای BID معمولی
فناوری های پیشرفته BID
تحلیل تفکیک کننده کامل کرنل فیشر
PCA/LDA دو جهته
فیوژن ویژگی با استفاده از تشخیصگر پیچیده

Издательство Idea Group, 2006, -291 pp. Personal identification and verification both play a critical role in our society. Today, more and more business activities and work practices are computerized. E-commerce applications, such as e-banking, or security applications, such as building access, demand fast, real-time and accurate personal identification. Traditional knowledge-based or token-based personal identification or verification systems are tedious, time-consuming, inefficient and expensive.
Knowledge-based approaches use "something that you know" (such as passwords and personal identification numbers) for personal identification; token-based approaches, on the other hand, use "something that you have" (such as passports or credit cards) for the same purpose. Tokens (e.g., credit cards) are time-consuming and expensive to replace. Passwords (e.g., for computer login and e-mail accounts) are hard to remember. A company may spend $14 to $28 (U.S.) on handling a password reset, and about 19% of help-desk calls are related to the password reset problem. This may suggest that the traditional knowledge-based password protection is unsatisfactory. Since these approaches are not based on any inherent attribute of an individual in the identification process, they are unable to differentiate between an authorized person and an impostor who fraudulently acquires the "token" or "knowledge" of the authorized person. These shortcomings have led to biometrics identification or verification systems becoming the focus of the research community in recent years.
Biometrics, which refers to automatic recognition of people based on their distinctive anatomical (e.g., face, fingerprint, iris, etc.) and behavioral (e.g., online/off-line signature, voice, gait, etc.) characteristics, is a hot topic nowadays, since there is a growing need for secure transaction processing using reliable methods. Biometrics-based authentication can overcome some of the limitations of the traditional automatic personal identification technologies, but still, new algorithms and solutions are required.
After the Sept. 11, 2001 terrorist attacks, the interest in biometrics-based security solutions and applications has increased dramatically, especially in the need to spot potential criminals in crowds. This further pushes the demand for the development of different biometrics products. For example, some airlines have implemented iris recognition technology in airplane control rooms to prevent any entry by unauthorized persons. In 2004, all Australian international airports implemented passports using face recognition technology for airline crews, and this eventually became available to all Australian passport holders. A steady rise in revenues is predicted from biometrics for 2002-2007, from $928 million in 2003 to $4.035 million in 2007.
Biometrics involves the automatic identification of an individual based on his physiological or behavioral characteristics. In a non-sophisticated way, biometrics has existed for centuries. Parts of our bodies and aspects of our behavior have historically been used as a means of identification. The study of finger images dates back to ancient China; we often remember and identify a person by his or her face, or by the sound of his or her voice; and signature is the established method of authentication in banking, for legal contracts and many other walks of life. An Introduction to Biometrics Image Discrimination (BID)
Principal Component Analysis
Linear Discriminant Analysis
PCA/LDA Applications in Biometrics
Statistical Uncorrelation Analysis
Solutions of LDA for Small Sample Size Problems
An Improved LDA Approach
Discriminant DCT Feature Extraction
Other Typical BID Improvements
Advanced BID Technologies
Complete Kernel Fisher Discriminant Analysis
Two-Directional PCA/LDA
Feature Fusion Using Complex Discriminator