Module also offered within study programmes:
General information:
Name:
Urządzenia i zastosowania biometrii
Course of study:
2016/2017
Code:
JIS-2-002-SW-s
Faculty of:
Physics and Applied Computer Science
Study level:
Second-cycle studies
Specialty:
Systemy wbudowane i rekonfigurowalne
Field of study:
Applied Computer Science
Semester:
0
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Responsible teacher:
prof. dr hab. inż. Saeed Khalid (saeed@agh.edu.pl)
Academic teachers:
prof. dr hab. inż. Saeed Khalid (saeed@agh.edu.pl)
Module summary

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Social competence
M_K001 Student potrafi opracować materiały dotyczące określonych zagadnień w formie referatu i prezentacji. IS2A_K03, IS2A_K06 Presentation,
Scientific paper
M_K002 Student potrafi sporządzić poprawną dokumentację kodu. IS2A_K03, IS2A_K06 Execution of laboratory classes,
Completion of laboratory classes
Skills
M_U001 Student potrafi obsługiwać urządzenia akwizycji danych biometrycznych. IS2A_U16, IS2A_U14 Execution of laboratory classes,
Completion of laboratory classes
M_U002 Student potrafi zaimplementować program służący do obróbki danych pochodzących z urządzeń biometrycznych. IS2A_U10, IS2A_U03, IS2A_U14, IS2A_U11 Execution of laboratory classes,
Completion of laboratory classes
Knowledge
M_W001 Student zna biometryczne cechy człowieka, zarówno fizyczne jak i behawioralne oraz mechanizmy ich akwizycji. IS2A_W16 Activity during classes,
Presentation,
Scientific paper,
Execution of a project
M_W002 Student zna i rozumie zastosowania urządzeń biometrycznych. IS2A_W16 Activity during classes,
Presentation,
Scientific paper
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Others
E-learning
Social competence
M_K001 Student potrafi opracować materiały dotyczące określonych zagadnień w formie referatu i prezentacji. - - - + - - - - - - -
M_K002 Student potrafi sporządzić poprawną dokumentację kodu. - - + - - - - - - - -
Skills
M_U001 Student potrafi obsługiwać urządzenia akwizycji danych biometrycznych. - - + - - - - - - - -
M_U002 Student potrafi zaimplementować program służący do obróbki danych pochodzących z urządzeń biometrycznych. - - + - - - - - - - -
Knowledge
M_W001 Student zna biometryczne cechy człowieka, zarówno fizyczne jak i behawioralne oraz mechanizmy ich akwizycji. + - - + - - - - - - -
M_W002 Student zna i rozumie zastosowania urządzeń biometrycznych. + - - + - - - - - - -
Module content
Lectures:
  1. Rozpoznawanie człowieka na podstawie jego chodu

    • cechy chodu
    • ekstrakcja cech sygnału symulacyjnego chodu

  2. Zapach jako cecha biometryczna

    wykrywanie zapachu, ekstracja zapachu, …

  3. Fałszowanie obrazów biometrycznych – spoofing i antispoofing
  4. Wybrane metody analizy obrazów biometrycznych

    • szkieletyzacja i ścienianie obrazu biometrycznego
    • segmentacja obrazów biometrycznych

  5. Urządzenia do akwizycji obrazu biometrycznego

    • aparat fotograficzny
    • kamera
    • skaner
    • mikrofon
    • sensory (elektroniczne, chemiczne)

  6. Biomedycyna a biometria
  7. Biometria a telefony komórkowe
  8. Systemy wbudowane w biometrii
  9. Paszporty biometryczne
  10. Uwierzytelnianie i weryfikacja na podstawie pisania na klawiaturze

    • metody wydobycia cech stukania na klawiaturze
    • wpływ baz danych
    • charakterystyka dotyku

Laboratory classes:

Ćwiczenia laboratoryjne przewidują naukę obsługi urządzeń akwizycji danych biometrycznych takich jak:
- skaner tęczówki
- czytniki odcisków palców
- skanery naczyń krwionośnych palca i dłoni
Oraz analizę danych pochodzących z tych urządzeń, a także analizę podpisu w czasie rzeczywistym i sposobu pisania na klawiaturze przez użytkownika.

Project classes:

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

Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 160 h
Module ECTS credits 6 ECTS
Contact hours 10 h
Participation in lectures 30 h
Participation in laboratory classes 30 h
Preparation for classes 40 h
Realization of independently performed tasks 30 h
Completion of a project 20 h
Additional information
Method of calculating the final grade:

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

Prerequisites and additional requirements:

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

Recommended literature and teaching resources:
  • 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.
Scientific publications of module course instructors related to the topic of the module:

Additional scientific publications not specified

Additional information:

None