Wyniki wyszukiwania - BazTech

1

Smart meeting attendance checking based on a multi-biometric recognition system

Ghazal Mohammed Tala, Albasrawi Roaa, Waisi Najwan Zuhair, Al Hammoshi Mayyada

Przegląd Elektrotechniczny

|

2022

|

R. 98, nr 3

93--96

EN

Multimodal biometric can address some of the restrictions of the unimodal biometric by the combination of multi-biometric information for the same person in the decision-making operation. In this regard, the development in deep learning technologies has been employed in the multimodal biometric system. The deep learning techniques in object detection, such as face recognition and voice identification, are become more popular. Meeting Attendance checking carry out a very important role in meeting management. The manual checking attendance such as calling names or sign-in sheets is time-consuming. Face recognition and voice identification can be applied for attendance checks based on deep learning techniques. This paper presents an automatic multimodal biometric attendance checking system using Convolutional Neural Networks (CNN). The system uses a known dataset for the meeting participants, to train the CNN algorithm with a known set of input data. A computer with a high-quality webcam is used during the meeting attendance check, the system detects the attender face and voice then compares it with the known dataset, whenever matched, the attendee’s name will be recorded in an excel file. The final result is an excel file with all attendance names. The result of the system shows that the proposed CNN architectures attained a high accuracy. Furthermore, this result could be beneficial in student attendance records, particularly in surveillance and person identification systems.

PL

Biometria multimodalna może rozwiązać niektóre ograniczenia biometrii unimodalnej poprzez połączenie informacji multibiometrycznych dotyczących tej samej osoby w operacji podejmowania decyzji. W związku z tym rozwój technologii głębokiego uczenia się został wykorzystany w multimodalnym systemie biometrycznym. Coraz popularniejsze stają się techniki uczenia głębokiego w wykrywaniu obiektów, takie jak rozpoznawanie twarzy i identyfikacja głosu. Sprawdzanie obecności na spotkaniach pełni bardzo ważną rolę w zarządzaniu spotkaniami. Ręczne sprawdzanie obecności, takie jak wywoływanie nazwisk lub arkusze logowania, jest czasochłonne. Rozpoznawanie twarzy i identyfikacja głosu mogą być stosowane do sprawdzania obecności w oparciu o techniki głębokiego uczenia się. W artykule przedstawiono automatyczny multimodalny biometryczny system sprawdzania obecności z wykorzystaniem Convolutional Neural Networks (CNN). System wykorzystuje znany zbiór danych dla uczestników spotkania, aby wytrenować algorytm CNN ze znanym zbiorem danych wejściowych. Podczas sprawdzania obecności na spotkaniu używany jest komputer z wysokiej jakości kamerą internetową, system wykrywa twarz i głos uczestnika, a następnie porównuje je ze znanym zestawem danych, po dopasowaniu nazwisko uczestnika zostanie zapisane w pliku Excel. Ostatecznym wynikiem jest plik Excela ze wszystkimi nazwami obecności. Wynik działania systemu pokazuje, że proponowane architektury CNN osiągnęły wysoką dokładność. Ponadto wynik ten może być korzystny w rejestrach obecności uczniów, zwłaszcza w systemach nadzoru i identyfikacji osób.

2

Wpływ czynników środowiskowych na proces identyfikacji osób w oparciu o obraz twarzy

Wiśnios M., Dąbrowski T., Bednarek M.

Pomiary Automatyka Kontrola

|

2014

|

R. 60, nr 9

784--787

PL

W artykule przedstawiono wyniki prac badawczych, celem których było określenie wpływu czynników zakłócających proces identyfikacji osób w oparciu o biometryczny obraz twarzy. Zaprezentowano wyniki badania m.in. wpływu parametrów oświetlenia na wiarygodność procesu identyfikacji. Szczególną uwagę zwrócono - w tych badaniach - na zależność wiarygodności procesu rozpoznania od kąta padania światła na identyfikowaną twarz, na zagadnienie pożądanej rozdzielczości obrazu twarzy oraz na zalecane parametry sztucznych źródeł światła.

EN

The paper presents the results of research aimed at determining the effect of confounding factors in the process of people identifying based on the biometric facial image. There are given the results of the test impact of the most important disturbing factors, i.a. intensity of lighting, on the process of identifying. Figure 2 shows the model of a face image with the marked axes of rotation in three directions. A particularly important problem was in the case of the X coordinate, where the identification was too difficult even for an expert. The research was focused on the assessment of the impact of environmental conditions on the process of identifying faces. There were taken into account the factors having the greatest influence on this phenomenon, namely: lighting, facial image resolution and angle of rotation. The initial experiments consisted in examining the methods of detecting faces in an image containing the entire scene (faces, background, and facial like elements). This allowed the practical implementation of the system to identify a person based on the facial image. The analysis of investigation results shows clearly that the type of lighting has the greatest impact on the biometric face identification. The results allowed determining the degree of other factors influence on the operation of a biometric identification system. The possible opportunities to improve the reliability of identification are also indicated.

3

Badania weryfikacyjne metody rozpoznawania twarzy

Wiśnios M., Dąbrowski T., Bednarek M.

Biuletyn Wojskowej Akademii Technicznej

|

2013

|

Vol. 62, nr 4

205-217

PL

W artykule przedstawiono wyniki badań weryfikacyjnych metody rozpoznawania twarzy. Podano tu wynikające z praktycznych testów wartości prawdopodobieństwa poprawnej identyfikacji osób poddanych badaniom na oryginalnej platformie multibiometrycznej. Metoda identyfikacji osób na podstawie obrazu twarzy jest jedną z podstawowych metod zaimplementowanych w tym multibiometrycznym systemie. Stanowi syntezę dwóch algorytmów. Pierwszy to algorytm holistyczny oparty na porównaniu całej twarzy. Natomiast drugi z algorytmów bazuje na cechach lokalnych twarzy [4, 5]. Działanie systemu rozpoznawania twarzy zostało sprawdzone eksperymentalnie na zbiorze dostępnych wzorców. Zgromadzone za pomocą technik informacyjnych dane są przechowywane w zorganizowanej do tego celu bazie danych. W ogólności badania przeprowadzone zostały na grupie 30 osób posiadających swoje szablony biometryczne w bazie danych oraz na grupie 30 osób niezarejestrowanych w bazie. Szczególnie istotnym elementem badań był proces odpowiedniego doboru warunków środowiskowych.

EN

This paper presents the results of verification of face recognition method. Due to practical tests, probability values of the correct identification of persons evaluated for the original multi-biometric platform are given. People identification method based on facial image is one of the basic methods implemented in the multibiometric system. Figure 1 shows a developed view of the multibiometric system demonstrator. Implemented in multibiometric system, identification method, based on the image of the face, is a synthesis of two algorithms. The first algorithm is an algorithm based on a comparison of holistic whole face. The second of algorithms is based on local features of the face [4, 5]. Face recognition system performance has been tested experimentally on a set of available patterns. The data accumulated using information technology will be stored in a database organized for this purpose. In general, the tests were carried out on a group of 30 people, who have their biometric templates in the database and on a group of 30 people that was not registered in the database. A particularly important element of the study was the process of selection of suitable environmental conditions.