BIOMETRIA WYKŁAD 3 CECHY BIOMETRYCZNE: TWARZ
|
|
- Jolanta Borkowska
- 7 lat temu
- Przeglądów:
Transkrypt
1 BIOMETRIA WYKŁAD 3 CECHY BIOMETRYCZNE: TWARZ
2 Twarz jako cecha biometryczna Metoda bezinwazyjna, bezkontaktowa i szybka Wysoka akceptowalność społeczna Możliwość akwizycji pasywnej Niskie koszty
3 Twarz jako cecha biometryczna najbardziej naturalna wizytówka tożsamości, używana na co dzień.jednocześnie nastręczająca ogromne trudności w automatyzacji rozpoznawania mimika, mowa, stan emocjonalny, zmęczenie, choroba proces starzenia broda, wąsy, okulary, makijaż warunki obserwacji (np. oświetlenie) twarz jest trójwymiarowa (skąd wziąć wzorce przestrzenne?) CELOWA CHARAKTERYZACJA
4 Wyzwania (I)
5 Wyzwania (II)
6 Wyzwania (III)
7 Wymagania Odporność na zmiany zachodzące w twarzy (wiek, mimika, okulary) Odporność na warunki oświetlenia Odporność na zmianę pozycji Odporność na ewolucję w czasie (???)
8 Rozpoznawanie twarzy
9 Metody detekcji twarzy Oparte o wiedzę ekspercką (Knowledge based topdown methods) Bazujące na cechach twarzy (Bottom-up featuresbased methods) Dopasowania wzorców (Template matching methods) Appearance-based methods
10 Rozpoznawanie twarzy Holistyczne (globalne) twarz traktowana całościowo): kompozycja, wygląd, wzajemny układ komponentów postrzeganie przez niemowlęta aspekty psychologiczne INDYWIDUALNOŚĆ TWARZY ZALEZY OD SZEREGU CZYNNIKÓW, NIEJEDNOKROTNIE TRUDNYCH DO NAZWANIA (PROBABLISTYKA, STATYSTYKA) Możliwe rozpoznawanie w oparciu o 1 lub grupę wzorców Szczegółowe (antropometryczne, modeli geometrycznych) analiza położenia elementów charakterystycznych (nosa, warg itd.) i zależności między nimi (odległości, kąty) metody matematyczne (modelowanie strukturalne) i metody sztucznej inteligencji
11 Rozpoznawanie szczegółowe
12 Modelowanie strukturalne Ilościowy opis cech Reguły tworzenia grafów (dopasowań) Sposób podejmowania ostatecznej decyzji
13
14 Cechy biometryczne twarzy - antropometryczne Wysokość głowy (7* szerokość oka) Szerokość głowy (5*szerokość oka) Linia oczu (połowa odległości między górną częścią głowy a podbródkiem) Brwi (1/3 odległości między górną częścią głowy a podbródkiem) Dolna część nosa (2/3 odległości między górną częścią głowy a podbródkiem) Linia ust (3/5 odległości między linią oczu a podbródkiem) Odległość między kącikiem ust a szczęką (o szerokości oka) Odległość między zewnętrznymi i wewnętrznymi kącikami oczu Szerokość nosa (o szerokości oka) Wysokość oka (nieco więcej niż 1/3 szerokości oka)
15 Cechy biometryczne twarzy - geometryczne owal twarzy, szerokość twarzy, kształt ust, kształt nosa, kształt czoła, kształt brwi, kształt podbródka, kształt uszu
16 Modelowanie strukturalne Rozpoznawanie to porównanie grafu obrazu testowego z grafem wzorcowym porównanie zarówno deskryptorów węzłów grafów jak i ich struktury po uprzednim dopasowaniu grafów Dopasowanie to kompensacja niezgodności położeń odpowiadających sobie węzłów Wynik: miara podobieństwa położenia wszystkich węzłów jak i deformacji grafów przy ich dopasowaniu (dla FERET 90%)
17 Modelowanie strukturalne Wady podejścia: 1. Założenie że opis twarzy opiera się o właściwe z punktu widzenia rozpoznawania deskryptory 2. Arbitralna ocena znaczenia poszczególnych węzłów cech (współczynniki wagowe) 3. Czy duża zgodność położenia węzłów przy dużej deformacji grafu to dalej ta sama twarz?
18 Rozpoznawanie holistyczne NIE WIEMY A PRIORI CO DECYDUJE JAK OCENIAĆ PRZYNALEŻNOŚĆ OBIEKTU DO KLASY Wiedza zawarta jest w przykładach Twarz to wielowymiarowy wektor (elementami są wszystkie piksele w obrazie) Dokonaj automatycznej ekstrakcji cech istotnych dla rozpoznania (w oparciu o pełen opis twarzy) Określ sposób podziału przestrzeni cech (zaprojektuj klasyfikator)
19 Rozpoznawanie holistyczne Ekstrakcja: redukcja wymiarowości przestrzeni, znalezienia takiej przestrzeni w której punkty należące do twarzy reprezentującej różne twarze będą łatwo separowane PCA (Principal Component Analysis) LDA (Linear Discriminant Analysis) ICA (Independent Component Analysis) LFA (Local Features Analysis) Klasyfikacja: SVM Sieci neuronowe Modele Markova Metody minimalno-odległościowe
20 Rozpoznawanie holistyczne (bezkontekstowe)
21 Jak oszukać człowieka?
22
23 Dlaczego więc warto? Monitorowanie miejsc publicznych ATAK NA WORLD TRADE CENTER (2001) Skuteczność najbardziej powszechnie stosowanych algorytmów dla bazy FERET wynosi 98% Jeśli rozpoznanie nie jest krytyczne to jest to tani i wygodny sposób weryfikacji tożsamości
24 ZASTOSOWANIA KOMERCYJNE
25 DeepFace Skuteczność DeepFace przy porównaniu dwóch zdjęć: 97,25% (prześciga nawet systemy stosowanego przez FBI (np. Next Generation Identification). Skuteczność ludzkiego mózgu: 97,53 % Wykorzystuje 120 milionów różnych parametrów (testy bazie obejmującej 4 miliony zdjęć należących do ponad 4 tysięcy użytkowników.
26 DeepFace
27 jednak Facebookowi to nie wystarczy
28 Facebook Moments
29 Zdjęcia Google (Google+) Usługa pozwala na znalezienie osób widniejących na fotografiach. 3 kategorie wyszukiwania: ludzie, miejsca i przedmioty. Po kliknięciu przycisku Więcej w zakładce Ludzie wyświetla zdjęcie każdej osoby, której kiedykolwiek pstryknęliśmy fotkę i porządkuje zdjęcia według popularności osób usługa wyświetli nie tylko obrazy, na których twarz danej osoby jest wyraźnie widoczna, lecz także zdjęcia, na których można ją ledwo dostrzec (ale w przeciwieństwie do Facebooka twarze MUSZĄ być choć częściowo widoczne) Google nie wiąże zdjęć z danymi osobowymi
30 GoogleGlass a rozpoznawanie twarzy 2013 Google nie wprowadzi do Glass żadnych takich mechanizmów, chyba że uda się stworzyć odpowiednio skuteczne systemy ochrony prywatności 2015 Wykrywanie (i rozpoznawanie!) emocji w czasie (niemal) rzeczywistym (Lambda Labs)
31 Jak się bronić?
32 Weryfikacja preferencji zakupowych (tracking) W USA zgoda klienta na skan twarzy w miejscu nie jest potrzebna FaceDeals (by RedPepper).czyli jak dostać zniżkę za tożsamość? (ale tylko w Tennessee)
33 Kryminalistyka 1. Sporządzenie portretu pamięciowego osoby poszukiwanej przez rysownika (duża rola szczegółów) 2. Szkic jest skanowany i filtrowany dolnoprzepustowo (rozmycie: portret na pewno odbiega w szczegółach od oryginału) 3. Ekstrakcja cech (współczynniki falkowe, twarze własne) ->wektor cech reprezentujący obraz 4. Porównanie wektora cech z wektorami obrazów w bazie 5. Wytypowanie przez system małego podzbioru potencjalnie winnych
34 Logowanie do Windowsa Rohos Face Logon Luxand Blink!
35 Inteligentny dom Domofon (informowanie o gościach wraz z podaniem personaliów) Włączanie światła Blokowanie kanałów (identyfikacja dziecka) Rejestracja godzin wejścia/wyjścia domowników Dostosowanie prędkości prezentacji danych w systemach komputerowych
36 Zastosowania niekomercyjne raczej metoda wspomagająca inne biometryki 12% wszystkich obecnie stosowanych systemów (2-gie miejsce po systemach analizy odcisków palców) robotyka kontrola dostępu i monitorowanie obecności monitorowanie miejsc publicznych (?) identyfikacja tożsamości (paszporty biometryczne) Biometryczność: skala, oświetlenie, frontem do obiektywu, brak silnego makijażu i nakrycie głowy, neutralny wyraz twarzy (zamknięte usta!) FAR 0,1% jeśli warunki są spełnione
37 Przyszłość Modele trójwymiarowe Wykorzystanie dwóch kamer Mapy głębokościowe Algorytmy rekonstrukcji 2D do 3D Informacja z sekwencji obrazów Analiza twarzy w podczerwieni (brak jednoznacznych badań) Zastosowanie kamer termowizyjnych (temperatura w różnych obszarach twarzy uzależniona jest od rozkładu naczyń krwionośnych praktycznie nie do podrobienia)
38 Ciąg dalszy jutro.
BIOMETRIA WYKŁAD 2 CECHY BIOMETRYCZNE: TWARZ
BIOMETRIA WYKŁAD 2 CECHY BIOMETRYCZNE: TWARZ Twarz jako cecha biometryczna Metoda bezinwazyjna, bezkontaktowa i szybka Wysoka akceptowalnośd społeczna Możliwośd akwizycji pasywnej Niskie koszty Twarz jako
Bardziej szczegółowoSYSTEM BIOMETRYCZNY IDENTYFIKUJĄCY OSOBY NA PODSTAWIE CECH OSOBNICZYCH TWARZY. Autorzy: M. Lewicka, K. Stańczyk
SYSTEM BIOMETRYCZNY IDENTYFIKUJĄCY OSOBY NA PODSTAWIE CECH OSOBNICZYCH TWARZY Autorzy: M. Lewicka, K. Stańczyk Kraków 2008 Cel pracy projekt i implementacja systemu rozpoznawania twarzy, który na podstawie
Bardziej szczegółowoKrzysztof Ślot Biometria Łódź, ul. Wólczańska 211/215, bud. B9 tel
Krzysztof Ślot Biometria 9-924 Łódź, ul. Wólczańska 211/215, bud. B9 tel. 42 636 65 www.eletel.p.lodz.pl, ie@p.lodz.pl Wprowadzenie Biometria Analiza rejestrowanych zachowań i cech osobniczych (np. w celu
Bardziej szczegółowoRozpoznawanie twarzy za pomocą sieci neuronowych
Rozpoznawanie twarzy za pomocą sieci neuronowych Michał Bereta http://torus.uck.pk.edu.pl/~beretam Praktyczna przydatność Bardzo szerokie praktyczne zastosowanie Ochrona Systemy bezpieczeństwa (np. lotniska)
Bardziej szczegółowoRozpoznawanie obrazów na przykładzie rozpoznawania twarzy
Rozpoznawanie obrazów na przykładzie rozpoznawania twarzy Wykorzystane materiały: Zadanie W dalszej części prezentacji będzie omawiane zagadnienie rozpoznawania twarzy Problem ten można jednak uogólnić
Bardziej szczegółowoAUTOMATYCZNE ROZPOZNAWANIE PUNKTÓW KONTROLNYCH GŁOWY SŁUŻĄCYCH DO 3D MODELOWANIA JEJ ANATOMII I DYNAMIKI
AUTOMATYCZNE ROZPOZNAWANIE PUNKTÓW KONTROLNYCH GŁOWY SŁUŻĄCYCH DO 3D MODELOWANIA JEJ ANATOMII I DYNAMIKI Tomasz Huczek Promotor: dr Adrian Horzyk Cel pracy Zasadniczym celem pracy było stworzenie systemu
Bardziej szczegółowoMateriały dydaktyczne: Maciej Krzymowski. Biometryka
Biometryka Biometryka Nauka o mierzalnych cechach fizycznych lub behawioralnych organizmów Ŝywych, z greckiego: "bios" = Ŝywy "metron" = mierzyć. Biometria Zespół metod słuŝących do sprawdzania toŝsamości
Bardziej szczegółowoWarszawa, czerwiec 2006 roku
ZATWIERDZAM MINISTERSTWO SPRAW WEWNĘTRZNYCH I ADMINISTRACJI DEPARTAMENT ROZWOJU REJESTRÓW INSTRUKCJA WYKONYWANIA ZDJĘĆ SPEŁNIAJĄCYCH KRYTERIA ICAO W ZAKRESIE BIOMETRYCZNEGO WIZERUNKU TWARZY W PASZPORTACH
Bardziej szczegółowoRozpoznawanie twarzy - zasady funkcjonowania i praktyczne wykorzystanie -
Rozpoznawanie twarzy - zasady funkcjonowania i praktyczne wykorzystanie - Adam Nowosielski Technologia rozpoznawania człowieka na podstawie obrazu twarzy jest nieinwazyjna, bezkontaktowa i najbardziej
Bardziej szczegółowoKLASYFIKACJA. Słownik języka polskiego
KLASYFIKACJA KLASYFIKACJA Słownik języka polskiego Klasyfikacja systematyczny podział przedmiotów lub zjawisk na klasy, działy, poddziały, wykonywany według określonej zasady Klasyfikacja polega na przyporządkowaniu
Bardziej szczegółowoINSTRUKCJA WYKONYWANIA ZDJĘĆ
Tytuł dokumentu: INSTRUKCJA WYKONYWANIA ZDJĘĆ DO DOKUMENTÓW PASZPORTOWYCH ORAZ DOWODÓW OSOBISTYCH Wersja: 1.0 Data wersji: 24.11.2014 1. FORMAT ZDJĘCIA Zdjęcie kolorowe w formacie: szerokość 35 mm, wysokość
Bardziej szczegółowoPrzykłady prawidłowych zdjęć:
Zgodnie z regulacjami Unii Europejskiej od dnia 28 sierpnia 2006 roku państwa członkowskie UE mają obowiązek wydawania paszportów przystosowanych do zapisu i odczytu danych biometrycznych posiadacza paszportu
Bardziej szczegółowoWidzenie komputerowe (computer vision)
Widzenie komputerowe (computer vision) dr inż. Marcin Wilczewski 2018/2019 Organizacja zajęć Tematyka wykładu Cele Python jako narzędzie uczenia maszynowego i widzenia komputerowego. Binaryzacja i segmentacja
Bardziej szczegółowoRelacja: III Seminarium Naukowe "Inżynierskie zastosowania technologii informatycznych"
Relacja: III Seminarium Naukowe "Inżynierskie zastosowania technologii informatycznych" W dniu 18.04.2015 odbyło się III Seminarium Naukowe Inżynierskie zastosowania technologii informatycznych. Organizatorzy
Bardziej szczegółowoProf. Stanisław Jankowski
Prof. Stanisław Jankowski Zakład Sztucznej Inteligencji Zespół Statystycznych Systemów Uczących się p. 228 sjank@ise.pw.edu.pl Zakres badań: Sztuczne sieci neuronowe Maszyny wektorów nośnych SVM Maszyny
Bardziej szczegółowoANALIZA SEMANTYCZNA OBRAZU I DŹWIĘKU
ANALIZA SEMANTYCZNA OBRAZU I DŹWIĘKU obraz dr inż. Jacek Naruniec Analiza Składowych Niezależnych (ICA) Independent Component Analysis Dąży do wyznaczenia zmiennych niezależnych z obserwacji Problem opiera
Bardziej szczegółowoBiometria podpisu odręcznego
Podstawy Technik Biometrycznych Semestr letni 215/216, wykład #6 Biometria podpisu odręcznego dr inż. Paweł Forczmański Katedra Systemów Multimedialnych, Wydzial Informatyki 1/26 Biometria behawioralna
Bardziej szczegółowoZdjęcie do dowodu lub paszportu. Informacja o usłudze OBYWATEL.GOV.PL BETA. Ogólne informacje
1 z 8 2015-12-04 12:06 OBYWATEL.GOV.PL BETA Zdjęcie do dowodu lub paszportu Chcesz wyrobić dowód osobisty lub paszport i potrzebujesz zdjęcie? Poniżej dowiesz się, jak powinno wyglądać. Informacja o usłudze
Bardziej szczegółowoMetody kodowania wybranych cech biometrycznych na przykładzie wzoru naczyń krwionośnych dłoni i przedramienia. Mgr inż.
Metody kodowania wybranych cech biometrycznych na przykładzie wzoru naczyń krwionośnych dłoni i przedramienia Mgr inż. Dorota Smorawa Plan prezentacji 1. Wprowadzenie do zagadnienia 2. Opis urządzeń badawczych
Bardziej szczegółowoAlgorytmy decyzyjne będące alternatywą dla sieci neuronowych
Algorytmy decyzyjne będące alternatywą dla sieci neuronowych Piotr Dalka Przykładowe algorytmy decyzyjne Sztuczne sieci neuronowe Algorytm k najbliższych sąsiadów Kaskada klasyfikatorów AdaBoost Naiwny
Bardziej szczegółowoTECHNIKI ROZPOZNAWANIA OBRAZU WSPOMAGAJĄCE ZARZĄDZANIE RELACJAMI Z KLIENTAMI
TECHNIKI ROZPOZNAWANIA OBRAZU WSPOMAGAJĄCE ZARZĄDZANIE RELACJAMI Z KLIENTAMI Mirosław DYTCZAK, Łukasz ANDRZEJEWSKI Streszczenie: W pracy przedstawiono i omówiono metody przetwarzania obrazu pod względem
Bardziej szczegółowoInstrukcja przygotowania zdjęć do elektronicznej legitymacji studenckiej (ELS) oraz informacja o opłacie za jej wydanie
Instrukcja przygotowania zdjęć do elektronicznej legitymacji studenckiej (ELS) oraz informacja o opłacie za jej wydanie Spis treści Rozdział 1. Etapy przygotowania zdjęcia do elektronicznej legitymacji
Bardziej szczegółowoMOBILNE ROZPOZNAWANIE TWARZY
INTEGRATED SYSTEM FOR IDENTIFICATION OF SUSPECTS NARZĘDZIA DOCHODZENIOWO - ŚLEDCZE KARTA INFORMACYJNA I OPIS TECHNICZNY MOBILNE ROZPOZNAWANIE TWARZY PROGRAM ROZPOZNAWANIA OSÓB POSZUKIWANYCH 1987 2012 2
Bardziej szczegółowoNowe zdjęcia do paszportu
Nowe zdjęcia do paszportu 1. Zdjęcia wzorcowe 31-36mm 20-30mm 45mm 35mm za duża głowa za mała głowa źle skadrowana przekrzywiona głowa 2. Format zdjęcia - szerokość 35mm, wysokość 45mm. Obraz na zdjęciu
Bardziej szczegółowoP R Z E T W A R Z A N I E S Y G N A Ł Ó W B I O M E T R Y C Z N Y C H
W O J S K O W A A K A D E M I A T E C H N I C Z N A W Y D Z I A Ł E L E K T R O N I K I Drukować dwustronnie P R Z E T W A R Z A N I E S Y G N A Ł Ó W B I O M E T R Y C Z N Y C H Grupa... Data wykonania
Bardziej szczegółowo4.1. Wprowadzenie...70 4.2. Podstawowe definicje...71 4.3. Algorytm określania wartości parametrów w regresji logistycznej...74
3 Wykaz najważniejszych skrótów...8 Przedmowa... 10 1. Podstawowe pojęcia data mining...11 1.1. Wprowadzenie...12 1.2. Podstawowe zadania eksploracji danych...13 1.3. Główne etapy eksploracji danych...15
Bardziej szczegółoworozpoznawania odcisków palców
w algorytmie rozpoznawania odcisków palców Politechnika Łódzka Wydział Fizyki Technicznej, Informatyki i Matematyki Stosowanej 24 października 2008 Plan prezentacji 1 Wstęp 2 3 Metoda badań Wyniki badań
Bardziej szczegółowoProjekt badawczy. Zastosowania technologii dynamicznego podpisu biometrycznego
Projekt badawczy Zastosowania technologii dynamicznego podpisu biometrycznego Multimodalny biometryczny system weryfikacji tożsamości klienta bankowego Warszawa, 27.10.2016 r. Projekt finansowany przez
Bardziej szczegółowoOdciski palców ekstrakcja cech
Kolasa Natalia Odciski palców ekstrakcja cech Biometria sprawozdanie z laboratorium 4 1. Wstęp Biometria zajmuje się rozpoznawaniem człowieka na podstawie jego cech biometrycznych. Jest to możliwe ponieważ
Bardziej szczegółowoi ruchów użytkownika komputera za i pozycjonujący oczy cyberagenta internetowego na oczach i akcjach użytkownika Promotor: dr Adrian Horzyk
System śledzenia oczu, twarzy i ruchów użytkownika komputera za pośrednictwem kamery internetowej i pozycjonujący oczy cyberagenta internetowego na oczach i akcjach użytkownika Mirosław ł Słysz Promotor:
Bardziej szczegółowoBIOMETRIA. Napisz coś na klawiaturze, a powiem Ci. Wojciech Wodo Katedra Informatyki Wydział Podstawowych Problemów Techniki. Wrocław, r.
Wojciech Wodo Katedra Informatyki Wydział Podstawowych Problemów Techniki wojciech.wodo@pwr.edu.pl BIOMETRIA Napisz coś na klawiaturze, a powiem Ci czy jesteś tym, za kogo się podajesz Wrocław, 28.04.2016
Bardziej szczegółowoProblematyka budowy skanera 3D doświadczenia własne
Problematyka budowy skanera 3D doświadczenia własne dr inż. Ireneusz Wróbel ATH Bielsko-Biała, Evatronix S.A. iwrobel@ath.bielsko.pl mgr inż. Paweł Harężlak mgr inż. Michał Bogusz Evatronix S.A. Plan wykładu
Bardziej szczegółowoInstrukcja przygotowania zdjęć do elektronicznej legitymacji studenckiej (ELS) oraz informacja o opłacie za jej wydanie
Instrukcja przygotowania zdjęć do elektronicznej legitymacji studenckiej (ELS) oraz informacja o opłacie za jej wydanie Spis treści Rozdział 1. Etapy przygotowania zdjęcia do elektronicznej legitymacji
Bardziej szczegółowoBiometryczna Weryfikacja (NIE inwigilacja)
Biometryczna Weryfikacja (NIE inwigilacja) Lucyna Szaszkiewicz Sales Director 23.06.2015 Warszawa Nip 123-456-78-19 Pesel 79110507431 Córka 10120212321 Syn 13021023175 Mąż 75071302113 REGON 123456785 TEL
Bardziej szczegółowoTechnologia dynamicznego podpisu biometrycznego
Technologia dynamicznego podpisu biometrycznego Prof. Andrzej Czyżewski, Politechnika Gdańska VI Konferencja i Narodowy Test Interoperacyjności Podpisu Elektronicznego CommonSign 2016, 26 27. X. 2016 r.
Bardziej szczegółowoProblem eliminacji nieprzystających elementów w zadaniu rozpoznania wzorca Marcin Luckner
Problem eliminacji nieprzystających elementów w zadaniu rozpoznania wzorca Marcin Luckner Wydział Matematyki i Nauk Informacyjnych Politechnika Warszawska Elementy nieprzystające Definicja odrzucania Klasyfikacja
Bardziej szczegółowoSYSTEMY UCZĄCE SIĘ WYKŁAD 10. PRZEKSZTAŁCANIE ATRYBUTÓW. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.
SYSTEMY UCZĄCE SIĘ WYKŁAD 10. PRZEKSZTAŁCANIE ATRYBUTÓW Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska INFORMACJE WSTĘPNE Hipotezy do uczenia się lub tworzenia
Bardziej szczegółowoSI w procesach przepływu i porządkowania informacji. Paweł Buchwald Wyższa Szkoła Biznesu
SI w procesach przepływu i porządkowania informacji Paweł Buchwald Wyższa Szkoła Biznesu Początki SI John MC Carthy prekursor SI Alan Thuring pomysłodawca testu na określenie inteligencji maszyn Powolny
Bardziej szczegółowoWykrywanie potencjalnych zagrożeń w ruchu morskim na podstawie danych AIS. Milena Stróżyna, Witold Abramowicz
Wykrywanie potencjalnych zagrożeń w ruchu morskim na podstawie danych AIS Milena Stróżyna, Witold Abramowicz Zarys problemu Bezpieczeństwo morskie jako jeden z priorytetów dla bezpieczeństwa Europy 90%
Bardziej szczegółowoMETODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA
METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA AMFETAMINY Waldemar S. Krawczyk Centralne Laboratorium Kryminalistyczne Komendy Głównej Policji, Warszawa (praca obroniona na Wydziale Chemii Uniwersytetu
Bardziej szczegółowoGrafika Komputerowa Wykład 4. Synteza grafiki 3D. mgr inż. Michał Chwesiuk 1/30
Wykład 4 mgr inż. 1/30 Synteza grafiki polega na stworzeniu obrazu w oparciu o jego opis. Synteza obrazu w grafice komputerowej polega na wykorzystaniu algorytmów komputerowych do uzyskania obrazu cyfrowego
Bardziej szczegółowoW poszukiwaniu sensu w świecie widzialnym
W poszukiwaniu sensu w świecie widzialnym Andrzej Śluzek Nanyang Technological University Singapore Uniwersytet Mikołaja Kopernika Toruń AGH, Kraków, 28 maja 2010 1 Podziękowania Przedstawione wyniki powstały
Bardziej szczegółowoElektrofizjologiczne podstawy lokalizacji ogniska padaczkowego. Piotr Walerjan
Elektrofizjologiczne podstawy lokalizacji ogniska padaczkowego Piotr Walerjan Elektrofizjologia w padaczce Dlaczego stosujemy metody elektrofizjologiczne w diagnostyce padaczki? Ognisko padaczkowe Lokalizacja
Bardziej szczegółowoO badaniach nad SZTUCZNĄ INTELIGENCJĄ
O badaniach nad SZTUCZNĄ INTELIGENCJĄ Wykład 7. O badaniach nad sztuczną inteligencją Co nazywamy SZTUCZNĄ INTELIGENCJĄ? szczególny rodzaj programów komputerowych, a niekiedy maszyn. SI szczególną własność
Bardziej szczegółowoAutomatyczne tworzenie trójwymiarowego planu pomieszczenia z zastosowaniem metod stereowizyjnych
Automatyczne tworzenie trójwymiarowego planu pomieszczenia z zastosowaniem metod stereowizyjnych autor: Robert Drab opiekun naukowy: dr inż. Paweł Rotter 1. Wstęp Zagadnienie generowania trójwymiarowego
Bardziej szczegółowoSkalowanie wielowymiarowe idea
Skalowanie wielowymiarowe idea Jedną z wad metody PCA jest możliwość używania jedynie zmiennych ilościowych, kolejnym konieczność posiadania pełnych danych z doświadczenia(nie da się użyć PCA jeśli mamy
Bardziej szczegółowoPlan wykładów 2015/2016
Biometria WYKŁAD 1. Plan wykładów 2015/2016 1. Wprowadzenie do tematyki biometrii. 2. Cechy biometryczne: Tęczówka i siatkówka. 3. Cechy biometryczne: Detekcja twarzy, ruch ust. 4. Cechy biometryczne:
Bardziej szczegółowoInteligentna Platforma CCTV IP inteligentna analiza obrazu. Inteligentna Platforma CCTV IP. CarR analiza tablic rejestracyjnych
Inteligentna Platforma CCTV IP CarR analiza tablic rejestracyjnych Kamery, które są używane do rozpoznawania tablic rejestracyjnych wymagają dobrego pozycjonowania oraz właściwego pole widzenia dla najlepszej
Bardziej szczegółowoPaweł Makowski Radca GIODO
Organ Nadzorczy 2.0 GIODO wobez wyzwań wynikających z ogólnego rozporządzenia o ochronie danych Paweł Makowski Radca GIODO Generalny Inspektor Ochrony Danych Osobowych ul. Stawki 2, 00-193 Warszawa kancelaria@giodo.gov.pl
Bardziej szczegółowoKomputerowa analiza obrazów z endoskopu bezprzewodowego dla diagnostyki medycznej
Komputerowa analiza obrazów z endoskopu bezprzewodowego dla diagnostyki medycznej Piotr M. Szczypiński Kolokwium habilitacyjne 16 kwietnia 01 Endoskopia bezprzewodowa Kapsułka typu SB Źródło: GivenImaging
Bardziej szczegółowoImplementacja filtru Canny ego
ANALIZA I PRZETWARZANIE OBRAZÓW Implementacja filtru Canny ego Autor: Katarzyna Piotrowicz Kraków,2015-06-11 Spis treści 1. Wstęp... 1 2. Implementacja... 2 3. Przykłady... 3 Porównanie wykrytych krawędzi
Bardziej szczegółowoWSTĘP I TAKSONOMIA METODY INŻYNIERII WIEDZY KNOWLEDGE ENGINEERING AND DATA MINING. Adrian Horzyk. Akademia Górniczo-Hutnicza
METODY INŻYNIERII WIEDZY KNOWLEDGE ENGINEERING AND DATA MINING WSTĘP I TAKSONOMIA Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Katedra
Bardziej szczegółowoAnaliza danych. http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU
Analiza danych Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Różne aspekty analizy danych Reprezentacja graficzna danych Metody statystyczne: estymacja parametrów
Bardziej szczegółowoElementy modelowania matematycznego
Elementy modelowania matematycznego Modelowanie algorytmów klasyfikujących. Podejście probabilistyczne. Naiwny klasyfikator bayesowski. Modelowanie danych metodą najbliższych sąsiadów. Jakub Wróblewski
Bardziej szczegółowoO badaniach nad SZTUCZNĄ INTELIGENCJĄ
O badaniach nad SZTUCZNĄ INTELIGENCJĄ Jak określa się inteligencję naturalną? Jak określa się inteligencję naturalną? Inteligencja wg psychologów to: Przyrodzona, choć rozwijana w toku dojrzewania i uczenia
Bardziej szczegółowoWykrywanie twarzy na zdjęciach przy pomocy kaskad
Wykrywanie twarzy na zdjęciach przy pomocy kaskad Analiza i przetwarzanie obrazów Sebastian Lipnicki Informatyka Stosowana,WFIIS Spis treści 1. Wstęp... 3 2. Struktura i funkcjonalnośd... 4 3. Wyniki...
Bardziej szczegółowoRozpoznawanie płci na podstawie zdjęć twarzy
Kraków, 2015-06-28 Bartłomiej Bajdo Wojciech Czajkowski Rozpoznawanie płci na podstawie zdjęć twarzy Projekt na przedmiot: Analiza i Przetwarzania Obrazów 1 Cel projektu Celem projektu było napisanie programu,
Bardziej szczegółowoAKADEMIA GÓRNICZO-HUTNICZA IM. STANISŁAWA STASZICA W KRAKOWIE. Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki. Katedra Automatyki
AKADEMIA GÓRNICZO-HUTNICZA IM. STANISŁAWA STASZICA W KRAKOWIE Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki Katedra Automatyki Praca magisterska SYSTEM BIOMETRYCZNY IDENTYFIKUJĄCY OSOBY
Bardziej szczegółowoTeoria do zajęć została opracowana na podstawie materiałów pochodzących ze strony internetowej mgra Krzysztofa Misztala:
Cechy biometryczne: Małżowina uszna (Ear recognition) Teoria do zajęć została opracowana na podstawie materiałów pochodzących ze strony internetowej mgra Krzysztofa Misztala: http://misztal.edu.pl. Aplikacje
Bardziej szczegółowoAUTOMATYKA INFORMATYKA
AUTOMATYKA INFORMATYKA Technologie Informacyjne Sieć Semantyczna Przetwarzanie Języka Naturalnego Internet Edytor Serii: Zdzisław Kowalczuk Inteligentne wydobywanie informacji z internetowych serwisów
Bardziej szczegółowoJak działa rozpoznawanie twarzy? Jak to działa? Wybrane aplikacje korzystające z systemu rozpoznawania twarzy: - Picasa Web Albums:
Jak działa rozpoznawanie twarzy? Może się wydawać, że nie ma nic prostszego niż rozpoznanie twarzy. My, ludzie, rutynowo rozpoznajemy znajomych nawet po wielu latach. Dla komputera nie jest to jednak zadanie
Bardziej szczegółowoKlasyfikacja LDA + walidacja
Klasyfikacja LDA + walidacja Dr hab. Izabela Rejer Wydział Informatyki Zachodniopomorski Uniwersytet Technologiczny w Szczecinie Plan wykładu 1. Klasyfikator 2. LDA 3. Klasyfikacja wieloklasowa 4. Walidacja
Bardziej szczegółowoAnaliza skupień. Analiza Skupień W sztucznej inteligencji istotną rolę ogrywają algorytmy grupowania
Analiza skupień W sztucznej inteligencji istotną rolę ogrywają algorytmy grupowania Analiza Skupień Elementy składowe procesu grupowania obiekt Ekstrakcja cech Sprzężenie zwrotne Grupowanie klastry Reprezentacja
Bardziej szczegółowoBioSys systemy zabezpieczeń 2012-06-06
I. Czym jest fotorejestracja? System fotorejestracji to połączenie tradycyjnej metody kontroli czasu pracy z nowoczesnym monitoringiem cctv. Idea systemu opiera się na połączeniu rejestratora czasu pracy
Bardziej szczegółowoPoczątek biometrycznych systemów autoryzacji: Babilon i Egipt
Polski Rynek Biometryki Jakub Ożyński Historia biometryki Początek biometrycznych systemów autoryzacji: Babilon i Egipt Metody autoryzacji: Linie papilarne, Odciski stóp Odciski dłoni Zastosowanie: Potwierdzanie
Bardziej szczegółowo1.7. Eksploracja danych: pogłębianie, przeszukiwanie i wyławianie
Wykaz tabel Wykaz rysunków Przedmowa 1. Wprowadzenie 1.1. Wprowadzenie do eksploracji danych 1.2. Natura zbiorów danych 1.3. Rodzaje struktur: modele i wzorce 1.4. Zadania eksploracji danych 1.5. Komponenty
Bardziej szczegółowoRola i znaczenie biometrii w. Straży Granicznej. ppor. SG KUPTEL Dorota. Centrum Szkolenia. Straży Granicznej
ul. Gen. W. Sikorskiego 78 11-400 Kętrzyn Rola i znaczenie biometrii w ppor. SG KUPTEL Dorota ZAGADNIENIA: 1. Biometria w dokumentach 2. Systemy informatyczne w których przetwarzane są dane biometryczne
Bardziej szczegółowoPROVEN BY TIME. www.wasko.pl
PROVEN BY TIME www.wasko.pl Biometria jako metoda uwierzytelniania Dominik Pudykiewicz Departament Systemów Bezpieczeństwa WASKO S.A. Biometria jako metoda uwierzytelniania Agenda Uwierzytelnianie jako
Bardziej szczegółowoIdentyfikacja człowieka metody kryminalistyczne i biologiczne - ogólnie
Identyfikacja człowieka metody kryminalistyczne i biologiczne - ogólnie Problematyka identyfikacji osób jest przedmiotem zainteresowania kryminalistyki, która jako nauka praktyczna opracowuje: - zasady
Bardziej szczegółowoObserwacje w Agrinavia MOBILE OGÓLNE INFORMACJE
OGÓLNE INFORMACJE Rejestrowanie GPS w terenie pozwala na określenie położenia punktów z możliwością załączenia zdjęcia w danym punkcie. Punkty zamieszczone na mapie nazywamy obserwacjami. Mogą one zostać
Bardziej szczegółowoSPOTKANIE 2: Wprowadzenie cz. I
Wrocław University of Technology SPOTKANIE 2: Wprowadzenie cz. I Piotr Klukowski Studenckie Koło Naukowe Estymator piotr.klukowski@pwr.edu.pl 17.10.2016 UCZENIE MASZYNOWE 2/27 UCZENIE MASZYNOWE = Konstruowanie
Bardziej szczegółowoSamochodowy system detekcji i rozpoznawania znaków drogowych. Sensory w budowie maszyn i pojazdów Maciej Śmigielski
Samochodowy system detekcji i rozpoznawania znaków drogowych Sensory w budowie maszyn i pojazdów Maciej Śmigielski Rozpoznawanie obrazów Rozpoznawaniem obrazów możemy nazwać proces przetwarzania i analizowania
Bardziej szczegółowoAutomatyka i Robotyka, V rok. promotor: dr Adrian Horzyk. Kraków, 3 czerwca System automatycznego rozpoznawania
Automatyka i Robotyka, V rok Kraków, 3 czerwca 2009 promotor: dr Adrian Horzyk 1 2 i problemy 3 4 Technologie 5 Wyniki 6 Podział biometrii 7 cech opisujących parametry ludzi - A. K. Jain uniwersalność
Bardziej szczegółowoElektrofizjologiczne podstawy lokalizacji ogniska padaczkowego. Piotr Walerjan PWSIM MEDISOFT
Elektrofizjologiczne podstawy lokalizacji ogniska padaczkowego Piotr Walerjan PWSIM MEDISOFT Elektrofizjologia w padaczce Dlaczego stosujemy metody elektrofizjologiczne w diagnostyce padaczki? Ognisko
Bardziej szczegółowoBartosz Kulawik Koordynator Projektu Centrum Badań Kosmicznych PAN Zespół Obserwacji Ziemi
Bartosz Kulawik Koordynator Projektu Centrum Badań Kosmicznych PAN Zespół Obserwacji Ziemi Maciej Borsa Koordynator B+R Instytut Systemów Przestrzennych I Katastralnych Upowszechnienie techniki satelitarnej
Bardziej szczegółowoBIOMETRIA WYKŁAD 8: BŁĘDY SYSTEMOW BIOMETRYCZNYCH
BIOMETRIA WYKŁAD 8: BŁĘDY SYSTEMOW BIOMETRYCZNYCH KAŻDY SYSTEM BIOMETRYCZNY BĘDZIE POPEŁNIAŁ BŁĘDY.możliwe tylko do oszacowania teoretycznego Błąd popełniany jest wtedy kiedy fałszywa hipoteza zostaje
Bardziej szczegółowoPODYPLOMOWE STUDIA ZAAWANSOWANE METODY ANALIZY DANYCH I DATA MINING W BIZNESIE
UNIWERSYTET WARMIŃSKO-MAZURSKI W OLSZTYNIE PODYPLOMOWE STUDIA ZAAWANSOWANE METODY ANALIZY DANYCH I DATA MINING W BIZNESIE http://matman.uwm.edu.pl/psi e-mail: psi@matman.uwm.edu.pl ul. Słoneczna 54 10-561
Bardziej szczegółowoStartowym językiem po zalogowaniu jest język polski! Zmiana języka
Panel do strony http://www.zawisza-travel.pl/ Aby zalogować się do panelu należy wejść w link http://www.zawisza-travel.pl/panel/login lub serwer testowy http://zawiszatravel.przedprojekt.com/panel/login
Bardziej szczegółowoSPOTKANIE 1: Wprowadzenie do uczenia maszynowego
Wrocław University of Technology SPOTKANIE 1: Wprowadzenie do uczenia maszynowego Adam Gonczarek Studenckie Koło Naukowe Estymator adam.gonczarek@pwr.wroc.pl 18.10.2013 Początki uczenia maszynowego Cybernetyka
Bardziej szczegółowoSztuczna Inteligencja w medycynie projekt (instrukcja) Bożena Kostek
Sztuczna Inteligencja w medycynie projekt (instrukcja) Bożena Kostek Cel projektu Celem projektu jest przygotowanie systemu wnioskowania, wykorzystującego wybrane algorytmy sztucznej inteligencji; Nabycie
Bardziej szczegółowoP R Z E T W A R Z A N I E S Y G N A Ł Ó W B I O M E T R Y C Z N Y C H
W O J S K O W A A K A D E M I A T E C H N I C Z N A W Y D Z I A Ł E L E K T R O N I K I Drukować dwustronnie P R Z E T W A R Z A N I E S Y G N A Ł Ó W B I O M E T R Y C Z N Y C H Grupa... Data wykonania
Bardziej szczegółowoTemat: Zaprojektowanie procesu kontroli jakości wymiarów geometrycznych na przykładzie obudowy.
Raport z przeprowadzonych pomiarów. Temat: Zaprojektowanie procesu kontroli jakości wymiarów geometrycznych na przykładzie obudowy. Spis treści 1.Cel pomiaru... 3 2. Skanowanie 3D- pozyskanie geometrii
Bardziej szczegółowoDokumentacja użytkowa
1 Dokumentacja użytkowa 2 Spis treści 1. Ekran wprowadzenia do aplikacji. 3 2. Rejestracja i logowanie 4 2.1. Ekran logowania do aplikacji 4 2.2. Ekran przypomnienia hasła 5 2.3. Ekran rejestracji 6 3.
Bardziej szczegółowoKAMERA AKUSTYCZNA NOISE INSPECTOR DLA SZYBKIEJ LOKALIZACJI ŹRÓDEŁ HAŁASU
KAMERA AKUSTYCZNA NOISE INSPECTOR DLA SZYBKIEJ LOKALIZACJI ŹRÓDEŁ HAŁASU Hałas staje się widoczny Zastosowanie innowacyjnych rozwiązań w systemie Noise Inspector pozwala na konwersję emisji dźwięku do
Bardziej szczegółowoTworzenie prezentacji w MS PowerPoint
Tworzenie prezentacji w MS PowerPoint Program PowerPoint dostarczany jest w pakiecie Office i daje nam możliwość stworzenia prezentacji oraz uatrakcyjnienia materiału, który chcemy przedstawić. Prezentacje
Bardziej szczegółowoMetody systemowe i decyzyjne w informatyce
Metody systemowe i decyzyjne w informatyce Laboratorium JAVA Zadanie nr 2 Rozpoznawanie liter autorzy: A. Gonczarek, J.M. Tomczak Cel zadania Celem zadania jest zapoznanie się z problemem klasyfikacji
Bardziej szczegółowoAutomatyczne rozpoznawanie mowy - wybrane zagadnienia / Ryszard Makowski. Wrocław, Spis treści
Automatyczne rozpoznawanie mowy - wybrane zagadnienia / Ryszard Makowski. Wrocław, 2011 Spis treści Przedmowa 11 Rozdział 1. WPROWADZENIE 13 1.1. Czym jest automatyczne rozpoznawanie mowy 13 1.2. Poziomy
Bardziej szczegółowoCo to jest grupowanie
Grupowanie danych Co to jest grupowanie 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Szukanie grup, obszarów stanowiących lokalne gromady punktów Co to jest grupowanie
Bardziej szczegółowoefekty kształcenia dla kierunku Elektronika studia stacjonarne drugiego stopnia, profil ogólnoakademicki
Opis efektów dla kierunku Elektronika Studia stacjonarne drugiego stopnia, profil ogólnoakademicki Objaśnienie oznaczeń: K kierunkowe efekty W kategoria wiedzy U kategoria umiejętności K (po podkreślniku)
Bardziej szczegółowoWprowadzenie do multimedialnych baz danych. Opracował: dr inż. Piotr Suchomski
Wprowadzenie do multimedialnych baz danych Opracował: dr inż. Piotr Suchomski Wprowadzenie bazy danych Multimedialne bazy danych to takie bazy danych, w których danymi mogą być tekst, zdjęcia, grafika,
Bardziej szczegółowowprowadzenie do badań eyetrackingowych
wprowadzenie do badań eyetrackingowych prezentacja BCMM badania marketingowe sp. z o.o. 21 stycznia 2015 r. BCMM badania marketingowe sp. z o.o., 40-048 Katowice, ul. Kościuszki 23; NIP: 954-00-22-369;
Bardziej szczegółowoW kolejnym etapie wypełniamy wszystkie pola formularza (rys. 3) potrzebne do utworzenia konta pocztowego
Jak stworzyć wizytówkę firmy w Google Maps? Tworzenie wizytówki Google odbywa się w trzech etapach: 1. Założenie konta pocztowego w Google 2. Stworzenie wizytówki w Google Maps 3. Publikacja wizytówki
Bardziej szczegółowoWizja maszynowa w robotyce i automatyzacji Kod przedmiotu
Wizja maszynowa w robotyce i automatyzacji - opis przedmiotu Informacje ogólne Nazwa przedmiotu Wizja maszynowa w robotyce i automatyzacji Kod przedmiotu 11.9-WE-AiRD-WMwRiA Wydział Kierunek Wydział Informatyki,
Bardziej szczegółowoAlgorytm do rozpoznawania człowieka na podstawie dynamiki użycia klawiatury. Paweł Kobojek, prof. dr hab. inż. Khalid Saeed
Algorytm do rozpoznawania człowieka na podstawie dynamiki użycia klawiatury Paweł Kobojek, prof. dr hab. inż. Khalid Saeed Zakres pracy Przegląd stanu wiedzy w dziedzinie biometrii, ze szczególnym naciskiem
Bardziej szczegółowoPLATFORMA DO PRZETWARZANIA ZDJĘĆ TOMOGRAFII KOMPUTEROWEJ MÓZGU ORAZ ZDJĘĆ MAMMOGRAFICZNYCH WSPOMAGAJĄCA DIAGNOZOWANIE CHORÓB
PLATFORMA DO PRZETWARZANIA ZDJĘĆ TOMOGRAFII KOMPUTEROWEJ MÓZGU ORAZ ZDJĘĆ MAMMOGRAFICZNYCH WSPOMAGAJĄCA DIAGNOZOWANIE CHORÓB Międzynarodowa Konferencja Naukowa Studentów Uczelni Medycznych. Kraków, 2009
Bardziej szczegółowoSAS wybrane elementy. DATA MINING Część III. Seweryn Kowalski 2006
SAS wybrane elementy DATA MINING Część III Seweryn Kowalski 2006 Algorytmy eksploracji danych Algorytm eksploracji danych jest dobrze zdefiniowaną procedurą, która na wejściu otrzymuje dane, a na wyjściu
Bardziej szczegółowoDwufazowy system monitorowania obiektów. Karina Murawko, Michał Wiśniewski
Dwufazowy system monitorowania obiektów Karina Murawko, Michał Wiśniewski Instytut Grafiki Komputerowej i Systemów Multimedialnych Wydziału Informatyki Politechniki Szczecińskiej Streszczenie W artykule
Bardziej szczegółowoMetoda weryfikacji mówcy na podstawie nieuzgodnionej wypowiedzi
BIULETYN INSTYTUTU AUTOMATYKI I ROBOTYKI NR, 005 Metoda weryfikacji mówcy na podstawie nieuzgodnionej wypowiedzi Leszek GRAD Zakład Automatyki, Instytut Teleinformatyki i Automatyki WAT, ul. Kaliskiego,
Bardziej szczegółowoSpacer interaktywny po mapie cyfrowej Portalu Turystyki Aktywnej Ziemi Wieluńskiej
Wzmocnienie roli Szlaku Bursztynowego i innych szlaków tematycznych w zintegrowanym produkcie turystycznym województwa łódzkiego Spacer interaktywny po mapie cyfrowej Portalu Turystyki Aktywnej Ziemi Wieluńskiej
Bardziej szczegółowoMechatronika i inteligentne systemy produkcyjne. Paweł Pełczyński ppelczynski@swspiz.pl
Mechatronika i inteligentne systemy produkcyjne Paweł Pełczyński ppelczynski@swspiz.pl 1 Program przedmiotu Wprowadzenie definicja, cel i zastosowania mechatroniki Urządzenie mechatroniczne - przykłady
Bardziej szczegółowo