Návrh biometrického systému pro klasifikaci otisků prstů

Abstract

Diplomová práce se zaměřuje na vytvoření simulačního prostředí pro hodnocení klasifikačních metod umělé inteligence a různých přístupů strojového učení (konvoluční neuronové sítě – GoogLeNet a ResNet-101) v rámci biometrické identifikace pomocí otisků prstů. Klasifikační algoritmus konvolučních neuronových sítí je testován na dvou datových sadách různé velikosti. Přesnost validace je posuzována na základě kombinací hodnot hyperparametrů  velikost dávky (batch size), rychlost učení (learning rate) a počet epoch. Teoretická část práce je zaměřena na definici biometrie a biometrických systémů v rámci bezpečnostní identifikace pomocí otisku prstu. Praktická část práce obsahuje základní informace o využití neuronových sítí ke klasifikaci obrazových dat a jejich implantace na konkrétní datovou sadu otisků prstů

The thesis focuses on the development of a simulation environment for the evaluation of artificial intelligence classification methods and different machine learning approaches (convolutional neural networks – GoogLeNet and ResNet-101) in the context of biometric fingerprint identification. The convolutional neural networks classification algorithm is tested on two datasets of different sizes. The validation accuracy is assessed based on the combination of the hyperparameter values  batch size, learning rate and number of epochs. The theoretical part of the thesis focuses on the definition of biometrics and biometric systems in the context of fingerprint-based security identification. The practical part of the thesis contains basic information on the use of neural networks to classify image data and its implantation on a specific fingerprint dataset.