Publikace detail

Using Simple Genetic Algorithm for a Hand Contour Classification: An Experimental Study

Autoři: Moravec Jaroslav

Rok: 2020

Druh publikace: článek ve sborníku

Název zdroje: Artificial Intelligence and Bioinspired Computational Methods : Proceedings of the 9th Computer Science On-line Conference 2020, Vol. 2

Název nakladatele: Springer Nature Switzerland AG

Místo vydání: Cham

Strana od-do: 93-109

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Using Simple Genetic Algorithm for a Hand Contour Classification: An Experimental Study	V posledních dvou dekádách prošla vědní oblast biometrické identifikace osob poměrně masivním vývojem. Důvod je ten, že zajišťování bezpečnosti patří mezi klíčové otázky v mnoha odvětvích. Existuje nepřeberné množství tzv. biometrických ukazatelů, které je možné využít pro identifikaci osob. Jednou z cest, jak provádět identifikaci je využít tvar kontury lidské ruky. Předkládaný článek řeší úlohu klasifikace kontur rukou s využitím jednoduchého genetického algoritmu (SGA). Základy SGA byly položeny již před desítkami let v 50. letech minulého století, ale proces vývoje a vylepšování původních návrhů stále pokračuje. Kontura lidské ruky je získána z klasického RGB snímku z digitálního fotoaparátu. Jádro navržené metody využívá algoritmus Iterative Closest Point (ICP), který umožňuje porovnávat dva shluky bodů, které tvoří konturu ruky. Snímek ruky může být pořízen např. z biometrického scanneru s nebo bez stavících kolíků nebo jednoduše z volně položené ruky na vhodném podkladu. Bylo provedeno velké množství experimentů s algoritmem SGA a především s různým nastavením pracovních parametrů. Bylo také provedeno zkoumání chování úlohy pro různý počet dimenzí resp. různý počet pohyblivých prstů kontury ruky. Presentovaný estimátor řeší primárně třídimenzionální optimalizační úlohu – prsty jsou nepohyblivé, ale řeší také vícedimenzionální úlohu, kde se pohybují všechny prsty. Na základě experimentálních výsledků bylo zjištěno, že minimálně pro tří dimenzionální úlohu estimátor poskytuje dobré výsledky.	Jednoduchý genetický algoritmus; Iterative closest point algoritmus; klasifikace kontur rukou; biometrická identifikace osob
eng	Using Simple Genetic Algorithm for a Hand Contour Classification: An Experimental Study	The area of biometric systems has passed through considerable advancement in the past two decades. Supporting of security provision plays a key role in many branches. There are large amount of the biometrical markers which can be utilized in the person identification process. One of the possible ways is a method which uses a hand shape contour classification. The presented paper solves the problem of hand contours classification with use of a Simple Genetic Algorithm (SGA). The foundations of the SGA were established in 1950’s, but an improvement process of the SGA continues. The hand contour for the classification purposes is obtained from a color image from a biometric scanner. The biometric scanner has fixed pegs to hold the hand, or the hand can be freely placed on the scanning area. A core of the proposed estimator is an Iterative Closes Point algorithm which enables matching of the two point-clouds and expressing their dissimilarity regarding the elected metrics. In the experimental section, a large number of experiments were performed with a different setting of the SGA working parameters. Beside the capability to correctly align/match the hand contours, selected standard benchmark tests were performed with a corresponding number of dimensions. The presented estimator solves the thee-dimensional optimization task. Based on experimental results, it was proven that in the case of identical contours the proposed method, which utilizes the SGA optimizer, provides very accurate results.	Simple genetic algorithm; Iterative closest point algorithm; Hand contour classification; Biometrics Person identification

Search

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Katedry

Služby

Jak nás najdete?

Často hledáte