Wyniki 1-1 spośród 1 dla zapytania: authorDesc:"Zuzanna Kunik"

System wbudowany do identyfikacji tęczówki zrealizowany za pomocą platformy Raspberry Pi DOI:10.15199/13.2018.4.2


  Identyfikacja biometryczna na podstawie obrazu tęczówki jest zagadnieniem opracowywanym od ponad 20 lat, a pierwsze znaczące rozwiązania pojawiły się w pracach Johna Daugmana [4]. Proces rozpoznawania tęczówki jest częściowo zdefiniowany w normie ISO/IEC 19794-6: 2011, która określa formaty wymiany obrazu tęczówki dla systemów biometrycznych rejestracji, weryfikacji i identyfikacji. Należy zauważyć, że ta norma nie określa wymagań optycznych specyfikacji kamer, właściwości fotometrycznych obrazów tęczówki, ani algorytmów rozpoznawania, kodowania cech i użytkowania urządzeń [7]. Chociaż rozwiązania oparte na rozpoznawaniu tęczówki mają wiele zalet w porównaniu do innych technik identyfikacji biometrycznej (takich jak odciski palców lub rozpoznawanie twarzy), popularność tego rozwiązania nie jest zbyt wysoka. Wynika to głównie ze skomplikowanego procesu pozyskiwania obrazu tęczówki [10, 12]. W większości prac naukowych związanych z rozpoznawaniem tęczówki wykorzystuje się gotowe bazy obrazów tęczówek (np. CASIA, UBIRIS) [13] i nie rozważa się zagadnień związanych z akwizycją obrazu lub informacje podawane na ten temat są nieprecyzyjne [3, 16]. Powtarzalność warunków pozyskiwania danych takich jak w testowych bazach danych jest trudne. Wydaje się, że proces rozpoznawania powinien być analizowany w połączeniu z procesem akwizycji i tylko w przypadku takiego połączenia można przeprowadzać wiarygodne testy. Celem niniejszej pracy było zaprojektowanie kompletnego systemu wbudowanego do rozpoznawania tęczówki. Zaproponowane rozwiązanie jest oparte na jednopłytowym komputerze Raspberry Pi 3, a jego koszt jest niski w porównaniu z innymi komercyjnymi rozwiązaniami. Opracowane oprogramowanie umożliwia przeprowadzanie identyfikacji biometrycznej, a także badania analityczne efektywności rozpoznawania. Koncepcja systemu Koncepcję sprzętową systemu pokazano na rys. 1. Składa się on (rys. 2) z komputera Raspberry Pi 3 B [20], kamery [[...]

 Strona 1