메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Sumita Nainan (NMIMS-Deemed to be University) Vaishali Kulkarni (NMIMS-Deemed to be University)
저널정보
대한전자공학회 IEIE Transactions on Smart Processing & Computing IEIE Transactions on Smart Processing & Computing Vol.8 No.4
발행연도
2019.8
수록면
279 - 289 (11page)
DOI
10.5573/IEIESPC.2019.8.4.279

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Biometric systems for automatic person recognition (APR) require stringent accuracy parameters. Unimodal systems based on single biometric traits, however, have issues with limited flexibility, noisy data, and intra-class variations, and they are prone to spoof attacks. They hence do not yield the desired accuracy. Multimodal biometric systems compensate for these limitations to a certain extent. This paper attempts to present a novel multimodal biometric framework by combining text-independent voice with the accompanied lip movements as the two biometric traits. Mel frequency cepstral coefficient (MFCC) features are extracted from the voice modality, and a histogram of oriented gradients (HOG) is extracted from the lip movements. Vector quantization (VQ) and the Gaussian mixture model (GMM) are the classifiers employed to create models of the training data. Open-set and closed-set identification techniques are implemented to obtain the APR performance parameters for individual traits. The summation rule (sum rule) was applied to the decisions obtained for individual traits in order to implement a multimodal biometric framework. An accuracy of 98% for the APR was achieved, which is an improvement of almost 15% on the results obtained using individual biometric traits.
#Multimodal biometrics #MFCC #HOG #VQ #GMM

목차

Abstract
1. Introduction
2. Overview of the Proposed System
3. Feature Extraction
4. Feature Classification
5. Implementation, Results and Analysis-Phase 1
6. Implementation, Results, and Analysis-Phase 2
7. Conclusion
References

참고문헌 (20)

참고문헌 신청
U. Gawande / 2018 / Biometric security system: a rigorous review of unimodal and multimodal biometrics techniques / International Journal of Biometrics 10(2):142~175 google schola G Hemantha Kumar / Recent Trends in Image Processing and Pattern Recognition google schola G. Goudelis / 2008 / Emerging biometrics modalities: a survey / Journal on Multimodal User Interface Springer :217~235 google schola A. Ross / 2003 / Information Fusion in Biometrics / Journal of Pattern Recognition Letters 24:2115~2125 google schola Amol Chaudhari / 2015 / A Review on Speech Enhancement Techniques / International Conference on Pervasive Computing ICPC google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0