The method of automatic identification of motor vehicle users

• Autorzy: Niedziela Tadeusz

Identyfikatory

DOI

10.24136/tren.2020.005

Warianty tytułu

PL

Metoda automatycznej identyfikacji użytkowników pojazdów mechanicznych

• Języki publikacji: EN

Abstrakty

EN

This paper presents a method of automatic recognition of fingerprint diffraction images of motor vehicle users. The proposed method is based on the basic physical properties of the Fourier transform. It creates the possibility of reducing the problem of recognition to the Fourier transform of the image function, extraction of characteristic features vector and classification of input images.

PL

Praca prezentuje metodę automatycznego rozpoznawania obrazów dyfrakcyjnych odcisków palców użytkowników pojazdów mechanicznych. Proponowana metoda, bazuje na podstawowych właściwościach fizycznych transformaty Fouriera. Stwarza możliwość sprowadzenia problemu rozpoznawania do transformaty Fouriera funkcji obrazowej, ekstrakcji wektora cech charakterystycznych i klasyfikacji obrazów wejściowych.

Słowa kluczowe

EN

artificial neural network; automatic identification; feature vector; optoelectronic system; ring-wedge detector

PL

sztuczna sieć neuronowa; identyfikacja automatyczna; wektor cech; układ optoelektroniczny; detektor pierścieniowo-klinowy

• Wydawca: Uniwersytet Technologiczno-Humanistyczny im. Kazimierza Pułaskiego w Radomiu
• Czasopismo: Journal of civil engineering and transport
• Rocznik: 2020
• Tom: Vol. 2, No. 2
• Strony: 63--71
• Opis fizyczny: Bibliogr. 11 poz., rys., tab.

Twórcy

autor

Niedziela Tadeusz

• University of Technology and Humanities, Faculty of Transport, Electrical Engineering and Computer Science, Malczewskiego 29, 26-600 Radom, Poland,

Bibliografia

• [1] Casasent D., Song J. (1985) “A Computer Generated Hologram for Diffraction-Pattern Sampling“. Proc. SPIE. 0523, Applications of Holography, pp 227-236. https://doi.org/10.1117/12.946287
• [2] George N., Wang S., Venable D. L. (1989) “Pattern recognition using the ring-wedge detector and neural network software“. Proceedings of SPIE: Optical Pattern Recognition II, Vol. 1134, pp 96-106. https://doi.org/10.1117/12.961621
• [3] George N., Wang S. (1994) “Neural Networks Applied to Diffraction-Pattern Sampling“. Applied Optics. Vol. 33, Issue 14, pp 3127-3134. https://doi.org/10.1364/AO.33.003127
• [4] Raghu P. P., Yegnanrayana B. (1998) “Supervised Texture Classification using a probabilistic Neural Network and Constraint Satisfaction Model“. IEEE Trans. Neural Networks, 9 (3), pp 516-522. DOI: 10.1109/72.668893
• [5] Niedziela T. (2000) “Optoelektroniczne metody rozpoznawania obrazów“. Prace Naukowe Instytutu Technicznego Wojsk Lotniczych. No. 9, ISSN 1234-3544, pp 93-105
• [6] Cyran K. A., Jaroszewicz L. R., Niedziela T. (2001) “Neural Network based Automatic Diffraction Pattern Recognition“. Opto-electronics Review. Vol. 9, No. 3, ISSN 1230-3402, pp 301-307
• [7] Cyran K. A., Jaroszewicz L. R., Niedziela T., Merta I. (2001) “Concurrent signal processing in optimized hybrid CGH-ANN systems“. Optica Applicata, XXXI, 4, ISSN 0078-5466, pp 675-689
• [8] Ganotra D., Joseph K., Singh J. (2002) “Neural network based face recognition by using diffraction pattern sampling with a digital ring–wedge detector“. Optics Communications, Vol. 202, pp 61–68 https://doi.org/10.1016/S0030-4018(02)01088-X
• [9] Ganotra D., Joseph K., Singh J. (2004) “Modified geometry of ring-wedge detector for sampling Fourier transform of fingerprints for classification using neural networks“, Optics and Lasers in Engineering, Vol. 42, pp 167–177. https://doi.org/10.1016/j.optlaseng.2003.08.003
• [10] Rusyn B., Prudyus I., Ostap V. (2001) “Fingerprint Image Enhancement Algorithm“. The Experience of Designing and Application of CAD Systems in Microelectronics, Proceedings of the 6th International Conference CADSM 2001, pp 193-194. DOI: 10.1109/CADSM.2001.975804
• [11] Varetskyy Y., Rusyn B., Molga A., Ignatovych A. (2010) “A New Method of Fingerprint Key Protection of Grid Credential“. In: Choraś R.S. (eds) Image Processing and Communications Challenges 2. Advances in Intelligent and Soft Computing, Vol. 84, Springer-Verlag, Berlin, Heidelberg, ISBN 978-3-642-16294-7, pp 99-103. https://doi.org/10.1007/978-3-642-16295-4_11

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2021).