Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Convolutional neural networks in hand-based recognition system

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25410%2F19%3A39914417" target="_blank" >RIV/00216275:25410/19:39914417 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Convolutional neural networks in hand-based recognition system

  • Popis výsledku v původním jazyce

    Biometric systems are often discussed today. Authentication systems that work with biometric data (such as fingerprint, iris, hand geometry) have a high level of security. There are many reasons why it is necessary to have a strong authentication system. One of them is the existence of information systems that store sensitive data that needs to be protected. This article is focused on hand-based identification systems. A typical hand-based authentication system performs: data acquisition, feature extraction, classification, and decision. This paper presents the use of a convolutional neural network to identify people based on hand geometry. Convolutional neural networks are used for pattern recognition. When using a convolutional neural network, it is not necessary before classification feature extraction. Experiments were performed on a database of 550 hand images from 114 people, each person provided 5 images. The accuracy of the identification of persons was 94.11%, 3 images of each person were used for training.

  • Název v anglickém jazyce

    Convolutional neural networks in hand-based recognition system

  • Popis výsledku anglicky

    Biometric systems are often discussed today. Authentication systems that work with biometric data (such as fingerprint, iris, hand geometry) have a high level of security. There are many reasons why it is necessary to have a strong authentication system. One of them is the existence of information systems that store sensitive data that needs to be protected. This article is focused on hand-based identification systems. A typical hand-based authentication system performs: data acquisition, feature extraction, classification, and decision. This paper presents the use of a convolutional neural network to identify people based on hand geometry. Convolutional neural networks are used for pattern recognition. When using a convolutional neural network, it is not necessary before classification feature extraction. Experiments were performed on a database of 550 hand images from 114 people, each person provided 5 images. The accuracy of the identification of persons was 94.11%, 3 images of each person were used for training.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2019

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings of 34th International Business Information Management Association Conference. Vision 2025: Education Excellence and Management of Innovations through Sustainable Economic Competitive Advantage, IBIMA 2019

  • ISBN

    978-0-9998551-3-3

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    7

  • Strana od-do

    4744-4750

  • Název nakladatele

    International Business Information Management Association-IBIMA

  • Místo vydání

    Norristown

  • Místo konání akce

    Madrid

  • Datum konání akce

    13. 11. 2019

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000556337406043