Πλοήγηση ανά Συγγραφέας "Gkikas, Stefanos"

Τώρα δείχνει 1 - 1 of 1
  • Μικρογραφία εικόνας
    Τεκμήριο
    Ταυτοποίηση ατόμου με συνδυασμό βίντεο, εικόνας και ήχου.
    (Τ.Ε.Ι. Κρήτης, Τεχνολογικών Εφαρμογών (Σ.Τ.Εφ), Τμήμα Μηχανικών Πληροφορικής Τ.Ε., 2018-11-21) Γκίκας, Στέφανος; Δημητριάδης, Αβταντίλ; Gkikas, Stefanos; Dimitriadis, Avtantil
    Στον 21ο αιώνα όπου διανύουμε, ο τομέας της ασφάλειας είναι αναμφισβήτητα ένα από τα κατεξοχήν θέματα απασχόλησης και έρευνας κρατικών υπηρεσιών, επιχειρηματικών ομίλων αλλά και ιδιωτών όπου θέλουν να προστατεύσουν την ακεραιότητα δεδομένων, την ακεραιότητα φυσικών προσώπων και οτιδήποτε μπορεί να θεωρηθεί ότι χρίζει προστασίας. Μία από τις πλέον αναπτυσσόμενες τεχνολογίες στον κλάδο της ασφάλειας είναι η βιομετρία. Πλέον, η βιομετρία θεωρείται η πιο προηγμένη μέθοδος ταυτοποίησης και πιστοποίησης της ταυτότητας ενός ατόμου. Ο λόγος για τον οποίο την καθιστά υπερέχουσα έναντι άλλων μεθόδων είναι η χρήση φυσικών ή γενετικών χαρακτηριστικών των ίδιων των ατόμων όπως τα δακτυλικά αποτυπώματα, η ίριδα του ματιού, τα χαρακτηριστικά του προσώπου, το DNA κα. Ένας επιπλέον δευτερεύων λόγος, για τον οποίο η βιομετρία προτιμάται είναι η ευκολία με την οποία μπορεί να εφαρμοσθεί και να χρησιμοποιηθεί σε εμπορικά συστήματα όπως κινητά τηλέφωνα, και φορητοί ηλεκτρονικοί υπολογιστές σε σχέση με μεθόδους όπως είναι οι κωδικοί ή τα μοτίβα. Η παρούσα πτυχιακή εργασία, μελετά δύο από τις βιομετρικές μεθόδους ταυτοποίησης, που είναι η αναγνώριση προσώπου και η αναγνώριση φωνής. Στο κομμάτι του εντοπισμού προσώπου χρησιμοποιήθηκε η ανοιχτού κώδικα εργαλειοθήκη OpenFace, στο κομμάτι της αναγνώρισης προσώπου η μέθοδος της ανάλυσης κυρίων συνιστωσών (PCA) και στο κομμάτι της αναγνώρισης φωνής οι συντελεστές συχνότητας Ceptrum του Mel (Mel-Frequency Ceptrum Coefficients, MFCC). Η εργασία εστιάζει στην μελέτη και σύγκριση μεθόδων που βασίζονται σε δύο μονοτροπικά μοντέλα ταυτοποίησης (unimodal model), αναγνώρισης προσώπου και αναγνώρισης φωνής και σε ένα πολυτροπικό μοντέλο ταυτοποίησης (multimodal model) όπου συνδυάζει τα δύο παραπάνω. Επίσης γίνεται ανάπτυξη δύο διαφορετικών αλγοριθμικών μεθόδων αναγνώρισης προτύπων, του ταξινομητή ομοιότητας και του νευρωνικού δικτύου.