Use este identificador para citar ou linkar para este item:
https://repositorio.pucgoias.edu.br/jspui/handle/123456789/5116
Tipo: | Trabalho de Conclusão de Curso |
Título: | Classificação de imagens multiespectrais da mão utilizando análise por componentes principais e KNN |
Autor(es): | Cruz, Yan Americo Lobianchi da |
Primeiro Orientador: | Coelho, Clarimar José |
metadata.dc.contributor.referee1: | Centeno, Carmen Cecilia |
metadata.dc.contributor.referee2: | Alves, André Luiz |
Resumo: | A biometria é a ciência que busca estabelecer a identidade de um indivíduo. O processo de identificação de uma identidade envolve a classificação de padrões obtidos a partir das características físicas, biológicas ou comportamentais do indivíduo. A biometria por meio da geometria das veias da mão é um método mais seguro e consistente, por este padrão ser único de cada pessoa. Este método biométrico pode ser aplicado através de imagens no espectro infravermelho próximo (Near Infrared, NIR). O objetivo deste trabalho é a classificação de imagens no espectro NIR do dorso, palma e pulso de mãos para identificação de indivíduos. A análise por componentes principais (Principal Component Analysis, PCA), da qual define a variabilidade entre as características das imagens e reduz a dimensionalidade dos dados, para assim extrair as características mais importantes das imagens. A classificação foi feita pelo algoritmo k-vizinhos mais próximos (k-nearest neighbors algorithm, KNN) com a distância euclidiana e a distância de Manhattan utilizando um e três vizinhos mais próximos para cada distância. A base de dados foi construída por meio da estação de aquisição em conjunto com a câmera JAI AD-080GE, que trabalha com o espectro NIR. A base contém imagens de 56 pessoas, com imagens da palma, dorso e pulso. A média de acertos do KNN utilizando um vizinho mais próximo foi de 93,04% para a distância euclidiana e 94,20% para a Manhattan. Utilizando três vizinhos mais próximos, a distância euclidiana obteve 88,57%, e a Manhattan, 89,82%. A média de acertos para dorso e palma da mão obtiveram, em média, entre 89% e 95% de acertos, chegando a atingir 98%, já para o pulso, as médias foram entre 86% e 88%. A média geral dos resultados foi de 91%. A classificação utilizando a distância de Manhattan se mostrou, em média, 2% melhor que a distância euclidiana. Em muitos casos as duas foram equivalentes com alta porcentagem de acertos. Como trabalhos futuros, pretende-se explorar métodos de pré-processamento para extração das regiões das veias das imagens e testar tais métodos em outras bases de dados. |
Abstract: | Biometrics is the science that seeks to establish the identity of an individual. The process of identifying an identity involves the classification of patterns obtained from the individual's physical, biological or behavioral characteristics. Biometrics through the geometry of hand veins is a safer and more consistent method, as this pattern is unique to each person. This biometric method can be applied through images in the near infrared spectrum (NIR). The objective of this work is the classification of images in the NIR spectrum of the back, palm and wrist of hands for the identification of individuals. Principal Component Analysis (PCA), which defines the variability between image features and reduces data dimensionality, in order to extract the most important features from images. The classification was done by the k-nearest neighbors algorithm (KNN) with the Euclidean distance and the Manhattan distance using one and three nearest neighbors for each distance. The database was built through the acquisition station together with the JAI AD-080GE camera, which works with the NIR spectrum. The base contains images of 56 people, with images of the palm, back and wrist. The average of KNN hits using a nearest neighbor was 93.04% for Euclidean distance and 94.20% for Manhattan. Using three nearest neighbors, the Euclidean distance obtained 88.57%, and Manhattan, 89.82%. The average of correct answers for the back and palm of the hand obtained, on average, between 89% and 95% of correct answers, reaching 98%, while for the wrist, the averages were between 86% and 88%. The overall average of the results was 91%. The classification using the Manhattan distance was, on average, 2% better than the Euclidean distance. In many cases the two were equivalent with a high percentage of correct answers. As future work, we intend to explore pre-processing methods for extracting regions of veins from images and test such methods in other databases. |
Palavras-chave: | Principal component analysis K-ésimo vizinho mais próximo Near infrared Biometria |
CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA |
Idioma: | por |
País: | Brasil |
Editor: | Pontifícia Universidade Católica de Goiás |
Sigla da Instituição: | PUC Goiás |
metadata.dc.publisher.department: | Escola Politécnica |
Tipo de Acesso: | Acesso Aberto |
URI: | https://repositorio.pucgoias.edu.br/jspui/handle/123456789/5116 |
Data do documento: | 10-Dez-2022 |
Aparece nas coleções: | TCC Engenharia de Computação |
Arquivos associados a este item:
Arquivo | Tamanho | Formato | |
---|---|---|---|
TCC - Yan.pdf | 955,47 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.
Ferramentas do administrador