Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Rocznik:
2013/2014
Kod:
JFM-2-205-TO-s
Nazwa:
Biometria
Wydział:
Fizyki i Informatyki Stosowanej
Poziom studiów:
Studia II stopnia
Specjalność:
Techniki obrazowania i biometria
Kierunek:
Fizyka Medyczna
Semestr:
2
Profil kształcenia:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma i tryb studiów:
Stacjonarne
Strona www:
 
Osoba odpowiedzialna:
prof. dr hab. inż. Saeed Khalid (saeed@agh.edu.pl)
Osoby prowadzące:
prof. dr hab. inż. Saeed Khalid (saeed@agh.edu.pl)
Krótka charakterystyka modułu

Opis efektów kształcenia dla modułu zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Powiązania z EKK Sposób weryfikacji efektów kształcenia (forma zaliczeń)
Wiedza
M_W001 Student posiada przeglądową wiedzę na temat zagadnień biometrycznych. FM2A_W06, FM2A_W08 Projekt,
Sprawozdanie
M_W010 Student zna i rozumie przebieg procesu analizy danych biometrycznych. FM2A_W01 Projekt,
Sprawozdanie
M_W011 Student posiada wiedzę na temat przykładowych zastosowań algorytmów biometrycznych. FM2A_W05 Projekt,
Sprawozdanie
Umiejętności
M_U007 Student potrafi zaimplementować kompletny proces analizy danych biometrycznych. FM2A_U03, FM2A_U06 Projekt,
Sprawozdanie
M_U008 Student potrafi wykorzystać narzędzia obliczeniowe do analizy danych. FM2A_U03, FM2A_U08 Projekt,
Sprawozdanie
M_U009 Student potrafi posługiwać się wybranymi urządzeniami biometrycznymi. FM2A_U07 Wykonanie ćwiczeń laboratoryjnych
Kompetencje społeczne
M_K007 Student potrafi opracować materiały dotyczące określonych zagadnień w formie referatu i prezentacji. FM2A_K06, FM2A_K11 Projekt
M_K008 Student potrafi sporządzić poprawną dokumentację projektową. FM2A_K06 Sprawozdanie
Matryca efektów kształcenia w odniesieniu do form zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Forma zajęć
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Inne
Zaj. terenowe
Zaj. warsztatowe
E-learning
Wiedza
M_W001 Student posiada przeglądową wiedzę na temat zagadnień biometrycznych. + - + + - - - - - - -
M_W010 Student zna i rozumie przebieg procesu analizy danych biometrycznych. + - + + - - - - - - -
M_W011 Student posiada wiedzę na temat przykładowych zastosowań algorytmów biometrycznych. + - + - - - - - - - -
Umiejętności
M_U007 Student potrafi zaimplementować kompletny proces analizy danych biometrycznych. - - + - - - - - - - -
M_U008 Student potrafi wykorzystać narzędzia obliczeniowe do analizy danych. - - + - - - - - - - -
M_U009 Student potrafi posługiwać się wybranymi urządzeniami biometrycznymi. - - + - - - - - - - -
Kompetencje społeczne
M_K007 Student potrafi opracować materiały dotyczące określonych zagadnień w formie referatu i prezentacji. - - - + - - - - - - -
M_K008 Student potrafi sporządzić poprawną dokumentację projektową. - - + - - - - - - - -
Treść modułu zajęć (program wykładów i pozostałych zajęć)
Wykład:

Zagadnienia poruszane na wykładzie:

  • Zarys historyczny biometrii.
  • Przykłady zastosowań systemów biometrycznych oraz etapy ich działania – od przetwarzania wstępnego do klasyfikacji.
  • Weryfikacja i identyfikacja – cechy biometryczne, jako klucz dostępu.
  • Metody i algorytmy wstępnego przetwarzania danych wejściowych – pozyskiwanie danych, skanowanie obrazu pomiaru biometrycznego, obróbka, ekstrakcja cech danego obrazu biometrycznego.
  • Cechy fizyczne i behawioralne wykorzystywane w technikach biometrycznych.
  • Automatyczny opis obrazu pomiarów biologicznych – metody analizy obrazów w celu ich klasyfikacji.
  • Przygotowanie obrazu biometrycznego do klasyfikacji i rozpoznawania – przykładowe metody i algorytmy.
  • Poziom błędów akceptacji i odrzucania w systemach biometrycznych. (FAR-False Acceptance Rate oeaz FRR-False Rejection Rate).
  • Przykładowe pomiary fizyczne i behawioralne oraz emocjonalne (Kansei Engineering).

Ćwiczenia laboratoryjne:
  1. Ogólny opis zajęć

    Na zajęciach laboratoryjnych studenci zapoznają się z urządzeniami do pobierania cech biometrycznych, a także realizują algorytmy przetwarzania i analizy danych biometrycznych za pomocą środowisk obliczeniowych (na przykład MATLAB lub SCILAB), a także poprzez tworzenie własnych programów w wybranym języku oprogramowania (na przykład JAVA). Praca jest samodzielna, studenci zachęcani są do proponowania własnych modyfikacji istniejących rozwiązań, a także własnych pomysłów analizy danych biometrycznych.

  2. Podstawowe operacje na obrazach – przypomnienie (1 zajęcia)

    Studenci odświeżają swoją wiedzę zdobytą na przedmiocie Analiza i przetwarzanie obrazów wykonując proste ćwiczenia implementacyjne. Zapoznają się również z działaniem i implementują algorytmy dylatacji i erozji.

  3. Porównanie różnych metod binaryzacji obrazu (1 zajęcia)

    Studenci zapoznają się z zaawansowanymi technikami binaryzacji obrazu (na przykład algorytmy Otsu i Bernsena) i porównują ich skuteczność z prostymi algorytmami (na przykład binaryzacji lokalnej, globalnej i mieszanej przez średnią).

  4. Ścienianie obrazów (1 zajęcia)

    Studenci zapoznają się z algorytmem K3M oraz porównują jego skuteczność w stosunku do algorytmów KMM i ścieniania przez maskę.

  5. Odcisk palca jako cecha biometryczna (3 zajęcia)

    Studenci analizują odciski palców w celu identyfikacji ich użytkowników. W tym celu przygotowują je wstępnie do ekstrakcji cech charakterystycznych, wydobywają z nich wektory tych cech oraz dokonują na ich podstawie klasyfikacji odcisków.

  6. Twarz jako cecha biometryczna (5 zajęć)

    Studenci analizują zdjęcia twarzy pod kątem wydobycia z nich cech charakterystycznych znajdujących się na nich osób. W tym celu implementują algorytmy detekcji skóry na obrazie oraz wydobycia z niego twarzy, po czym z tak uzyskanego obrazu twarzy ekstrahują wektor cech charakterystycznych.

  7. Detekcja ruchu na sekwencji wideo (1 zajęcia)

    Studenci implementują podstawowe algorytmy detekcji ruchu na sekwencjach wideo.

  8. Analiza mowy (2 zajęcia)

    Studenci uczą się na przykładzie cyfr mowy polskiej jak wyodrębnić słowa z sygnału mowy oraz jak zakwalifikować je do poszczególnych klas.

  9. Ciekawostki biometryczne (1 zajęcia)

    Studenci zapoznają się z wybranymi nietypowymi zagadnieniami biometrycznymi.
    Na tych zajęciach również wystawiana jest ocena końcowa.

Ćwiczenia projektowe:

Tematy wykładów są rozszerzane przez studentów w formie projektów. Każda grupa studentów (1-3) opracowuje temat, który prezentuje na zajęciach projektowych.

Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 120 godz
Punkty ECTS za moduł 4 ECTS
Udział w wykładach 20 godz
Samodzielne studiowanie tematyki zajęć 15 godz
Udział w ćwiczeniach laboratoryjnych 30 godz
Przygotowanie do zajęć 30 godz
Dodatkowe godziny kontaktowe z nauczycielem 10 godz
Wykonanie projektu 15 godz
Pozostałe informacje
Sposób obliczania oceny końcowej:

Ocena końcowa będzie wystawiana na podstawie sprawozdań z zajęciach laboratoryjnych, na podstawie wykonanego projektu oraz aktywności na wykładzie.

Wymagania wstępne i dodatkowe:

Podstawowa umiejętność programowana w języku JAVA lub posługiwania się środowiskiem obliczeniowym MATLAB lub SCILAB.

Zalecana literatura i pomoce naukowe:
  • Gonzalez R. C., Woods R. E.: Digital Image Processing. Prentice Hall, 2008.
  • Choraś R. S.: Komputerowa wizja: Metody interpretacji i identyfikacji obiektów. Problemy współczesnej nauki, teoria i zastosowania, informatyka, Akademicka Oficyna Wydawnicza EXIT, 2005.
  • Tadeusiewicz R.: Komputerowa analiza i przetwarzanie obrazów. Społeczeństwo globalnej informacji, Wydawnictwo fundacji postępu Telekomunikacji, Kraków, 1997.
  • Malina W., Ablemeyko S., Pawlak W.: Podstawy Cyfrowego Przetwarzania Obrazów. Akademicka Oficyna Wydawnicza EXIT, Warsaw, 2002.
  • Kasprzyk W.: Rozpoznawanie obrazów i sygnałów mowy. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2009.
  • Saeed K., Image Analysis for Object Recognition. Bialystok University of Technology, Bialystok, 2004.
Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

Nie podano dodatkowych publikacji

Informacje dodatkowe:

Brak