больше картинок

О чём эта презентация

Введение: Проблема биометрии и «проклятие размерности» Когда мы говорим о биометрических системах безопасности, наша главная цель — сделать так, чтобы компьютер мог быстро и безошибочно узнать человека по его физическим чертам. Давайте представим, как это видит компьютер на примере системы распознавания лиц на входе в охраняемый офис. Как лицо превращается в гору цифр? Для человека лицо коллеги …

Оглавление 📑 30 слайдов

1. 1Метод главных компонентов (PCA) в биометрии: борьба с проклятием размерности
2. 2Проблема проклятия размерности в биометрических системах безопасности
3. 3Почему высокая размерность данных усложняет распознавание лиц и отпечатков
4. 4Сокращение 10 000 пикселей до 50 главных характеристик — ключ к быстрой и точной биометрии
5. 5Основы PCA: как алгоритм выделяет главные компоненты для распознавания лиц
6. 6Понятие дисперсии в биометрии: зоны с максимальным разнообразием против однообразных участков
7. 7Ортогональность главных компонентов: независимость и устранение дублирующих признаков
8. 8Пошаговый алгоритм PCA для биометрии: от центрирования до создания биометрического кода
9. 9Сравнение вклада главных компонентов в объяснение различий между лицами
10. 10Центрирование и стандартизация: выравнивание сил для корректного сравнения изображений
11. 11Вычисление ковариационной матрицы: выявление взаимосвязей между пикселями лица
12. 12Scree Plot: анализ накопленной объясненной дисперсии для выбора числа компонентов
13. 13Извлечение собственных лиц (Eigenfaces): создание базовых шаблонов для распознавания
14. 14Отсечение лишних компонентов: баланс между точностью и скоростью работы системы
15. 15Проекция новых лиц на базис главных компонентов для быстрого распознавания
16. 16Архитектура биометрической системы на базе PCA: этапы обучения, эксплуатации и интеграции
17. 17Настройка системы: выбор оптимального количества главных компонентов для безопасности и производительности
18. 18Интеграция PCA с модулями детектирования и классификации для повышения точности распознавания
19. 19Кейс 1: Распознавание лиц с помощью алгоритма «Собственных лиц» (Eigenfaces)
20. 20Как PCA отсекает шумы и вариации освещения при распознавании лиц
21. 21Кейс 2: Сканирование и верификация отпечатков пальцев с помощью PCA
22. 22Обработка «грязных» отпечатков: игнорирование микроповреждений и загрязнений
23. 23Кейс 3: Голосовая биометрия и применение PCA для выделения стабильных акустических признаков
24. 24Фильтрация шумов и вариаций голоса при удаленной аутентификации
25. 25Кейс 4: Распознавание радужной оболочки глаза с помощью PCA
26. 26Нормализация и очистка изображения радужки от бликов и теней
27. 27PCA позволяет сжимать биометрические данные в компактные цифровые коды, ускоряя распознавание в десятки раз
28. 28«PCA — это умный фильтр, который отделяет уникальные биометрические признаки от цифрового шума»
29. 29Преимущества PCA: ускорение идентификации и экономия памяти в биометрических системах
30. 30Метод главных компонентов в биометрии: эффективное решение проклятия размерности и вызовы будущего