📄Работа №210304

Тема: Разработка приложения для идентификации личности по отпечаткам пальцев с применением сверточной нейронной сети

📝
Тип работы Дипломные работы, ВКР
📚
Предмет программирование
📄
Объем: 48 листов
📅
Год: 2021
👁️
Просмотров: 21
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
ℹ️ Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.

📋 Содержание

ВВЕДЕНИЕ 6
1. АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ 8
1.1. Изучение предметной области 8
1.2. Обзор литературы и существующих аналогов 9
1.3. Сравнение аналогов 15
2. ТЕОРЕТИЧЕСКАЯ ЧАСТЬ 16
2.1. Сверточная нейронная сеть 16
2.2. Применение данных о домене отпечатка пальца 17
2.2.1. Нормализация 18
2.2.2. Оценка ориентации 19
2.2.3. Сегментирование 19
2.2.4. Улучшение изображения 20
2.3. Топология нейронной сети 22
2.3.1. CoarseNet 22
2.3.2. FineNet 22
2.4. Идентификация личности 23
2.4.1. Относительные измерения 24
2.4.2. Количественная оценка 25
3. ПРОЕКТИРОВАНИЕ 27
3.1. Функциональные требования 27
3.2. Нефункциональные требования 27
3.3. Варианты использования 27
3.4. Проектирование системы хранения записей 29
3.5. Диаграмма деятельности 29
3.6. Архитектура системы 31
4. РЕАЛИЗАЦИЯ 32
4.1. Средства реализации 32
4.2. Реализация работы с MinutiaeNet 32
4.3. Реализация постобработки выходных данных 32
4.4. Реализация идентификации личности человека 33
4.5. Реализация системы хранения информации 34
4.6. Реализация пользовательского интерфейса 35
5. ТЕСТИРОВАНИЕ 38
5.1. Тестирование идентификации человека 38
5.2. Функциональное тестирование 38
ЗАКЛЮЧЕНИЕ 40
ЛИТЕРАТУРА 41
ПРИЛОЖЕНИЕ. Листинг функций 44

📖 Введение

Актуальность
Задача подтверждения личности человека может возникать в случаях, когда необходимо ограничить доступ к информации или физическому объекту для всех, кроме определенного круга людей, либо сопоставить функционал программной системы с ролью, которая отведена определенному пользователю этой системы. На данный момент можно выделить три качественно отличных способа решения этой задачи: с помощью проверки на владение уникальной информацией, обладание особым предметом (физическим ключом) или физиологическими особенностями.
Подтверждение личности человека с помощью его физиологических особенностей, как правило, отличается удобством и высокой надежностью вследствие низкой чувствительности этого способа к большинству видов атак [1]. Такими особенностями могут быть: рисунок папиллярных линий на поверхности пальца, расположение вен на лицевой стороне ладони, геометрия лица, сетчатка глаза и другое.
Среди всех средств биометрической идентификации, самым распространенным является идентификация по отпечатку пальца [2]. Это объясняется низкой стоимостью оборудования, используемого для снятия образцов, и относительной простотой применяемых алгоритмов. Несмотря на распространенность, существующие решения чувствительны к изменчивости образцов (сдвиги и повороты пальца на сканирующем устройстве, состояние кожи, шум, ошибки при извлечении), ресурсозатратны и плохо масштабируемы (работа большинства решений предполагается на множестве до 5 тысяч записей). Большой потенциал в этой области имеет применение систем, основанных на технологиях машинного обучения [3].
Постановка задачи
Целью работы является разработка приложения для идентификации личности человека по отпечатку пальца с применением сверточной нейронной сети.
Для выполнения вышеуказанной цели были поставлены следующие задачи:
1) изучить предметную область;
2) сделать обзор существующих аналогов и научных источников;
3) провести сравнение существующих решений задачи распознавания отпечатков пальцев;
4) разработать модуль для извлечения уникальных особенностей изображения отпечатка пальца с применением сверточной нейронной сети;
5) разработать приложение для распознавания личности по отпечатку пальца на основе этого модуля;
6) провести тестирование системы.
Структура и содержание работы
Работа состоит из введения, 5 глав, заключения и библиографии. Объем работы составляет 48 страниц, объем библиографии - 28 источников.
В первой главе приводятся теоретические сведения предметной области, осуществляется обзор подходов к обработке изображений отпечатков пальцев.
Во второй главе приводятся теоретические сведения касательно организации и принципов работы сверточных нейронных сетей, а также их применимости для специфической обработки изображений отпечатков пальцев. Приводится алгоритм сравнения двух множеств контрольных точек, устойчивый к афинным преобразованиям.
В третьей главе описывается архитектура разрабатываемого приложения, а также функциональные и нефункциональные требования к системе.
В четвертой главе представлена программная реализация системы идентификации личности человека по отпечаткам пальцев.
В пятой главе приведено тестирование разработанной системы.
В приложении приведен листинг функции обработки изображения нейронной сетью и функций обработки и сравнения набора контрольных точек.

Возникли сложности?

Нужна качественная помощь преподавателя?

👨‍🎓 Помощь в написании

✅ Заключение

В рамках данной работы было спроектировано и реализовано приложение для идентификации человека по отпечаткам пальцев, использующее технологии сверточных нейронных сетей.
Была изучена предметная область идентификации по отпечаткам пальцев и были рассмотрены некоторые аналоги подобных систем. Были рассмотрены современные методы решения этой задачи с применением нейронных сетей в рамках анализа тематических научных статей.
Была рассмотрена теоретическая основа сверточных нейронных сетей и приведено обоснование допустимости переноса основных операций предварительной обработки изображения отпечатка пальца на слои сверточной нейронной сети.
Были определены функциональные и нефункциональные требования к системе, представлены диаграммы вариантов использования, деятельности и компонентов, а также схема спроектированной базы данных.
Представлена реализация приложения для идентификации личности по отпечаткам пальцев с использованием сверточной нейронной сети. Была протестирована работа созданного приложения. Система успешно выполнила задачи идентификации человека по отпечаткам пальцев.
Были решены следующие задачи.
1. Выполнен обзор аналогов и научной литературы.
2. Разработан и реализован модуль для извлечения уникальных особенностей изображения отпечатка пальца с применением нейронных сетей.
3. Разработан и реализован модуль для сравнения отпечатков пальцев по набору их уникальных особенностей.
4. На основе этих модулей было разработано приложение для распознавания личности по отпечатку пальца.
5. Было проведено тестирование системы
Нужна своя уникальная работа?
Срочная разработка под ваши требования
Рассчитать стоимость
ИЛИ

📕 Список литературы

1. Normalini M., Ramayah T. Biometrics Technologies Implementation in Internet Banking Reduce Security Issues? Procedia - Social and Behavioral Sciences. vol. 65, pp.364-369, 2012.
2. Thakkar D. Top Five Biometrics: Face, Fingerprint, Iris, Palm and Voice. [Электронный ресурс] URL: https://www.bayometric.com/biometrics- face-finger-iris-palm-voice (дата обращения: 10.04.2021г.).
3. Awad A.I. Machine Learning Techniques for Fingerprint Identification: A Short Review. Advanced Machine Learning Technologies and Applications. pp.524-531, 2012.
4. Triphati K.P. A Comparative Study of Biometric Technologies with Reference to Human Interface. International Journal of Computer Applications, vol.14, no.5, 2011.
5. Огнев А.П., Типикин А.П. Алгоритм инвариантного распознавания отпечатков пальцев по ключевым точкам. [Электронный ресурс] URL: http://pribor.ifmo.ru/file/article/4690.pdf (дата обращения: 13.04.2021г.).
6. Tiwari S., Sharma N. Q-Learning Approach for Minutiae Extraction from Fingerprint Image. Procedia Technology ,vol. 6, p.p. 82-89, 2012.
7. Kahraman N., Taskiran Z., Taskiran M. Novel Feature Extraction Methodology with Evaluation in Artificial Neural Networks Based Fingerprint Recognition System. Technical gazette, vol.25 , pp. 112-119, 2018.
8. Giansiracusa N., Giansiracusa R., Moon C. Persistent Homology Machine Learning for Fingerprint Classification. [Электронный ресурс] URL: https://arxiv.org/pdf/1711.09158.pdf (дата обращения: 18.04.2021г.).
9. Marok P., Hambalik A. Fingerprint Recognition System Using Artificial Neural Network as Feature Extractor: Design and Performance Evaluation. Tatra Mt. Math. publ. 67, pp.117-134, 2016.
10. Nguyen D.L., Cao K., Jain A.K. Robust Minutiae Extractor: Integrating Deep Networks and Fingerprint Domain Knowledge. [Электронный ресурс] URL: https://arxiv.org/pdf/1712.09401.pdf (дата обращения: 19.04.2021г.).
11. Nexa. Biometric Search and Match SKSs for Fingerprint, Face and Iris. [Электронный ресурс] URL: http://www.aware.com/wp- content/uploads/2016/06/DS_Nexa_0616.pdf (дата обращения: 19.04.2021г.).
12. VeriFinger SDK. Features and Capabilities. [Электронный ресурс] URL: http://www.neurotechnology.com/verifinger.html (дата обращения: 19.04.2021г.).
13. VeriFinger SDK. Fingerprint identification for standalone or Web solutions. [Электронный ресурс] URL: http://download.neurotechnology.com/VeriFinger_SDK_Brochure_2017-12- 27.pdf (дата обращения: 19.04.2021г.).
14. User’s Guide to NIST Biometric Image Software. [Электронный ресурс] URL: https://nvlpubs.nist.gov/nistpubs/Legacy/IR/nistir7392.pdf (дата обращения: 21.04.2021г.).
15. Minutiae Interoperability Exchange (MINEX) III. [Электронный ресурс] URL: https://www.nist.gov/itl/iad/image-group/minutiae- interoperability-exchange-minex-iii (дата обращения: 21.04.2021г.)....28

🖼 Скриншоты

🛒 Оформить заказ

Работу высылаем в течении 5 минут после оплаты.

©2026 Cервис помощи студентам в выполнении работ