Multi-Mode Biometrics for Law Enforcement Operations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Fingerprinting is the most extensively used biometrics supported by biggest database compared to other biometrics, such as retina imaging, face or voice recognition and others. However fingerprinting image could be distorted by pressure of the finger against the scanner, therefore needs to be contactless. Most important, distances between ridges on a finger depend on physical conditions (health) of an individual. That is when map of blood vessels in a finger is very helpful and supportive information. In addition, police criminal investigators do find some time not standalone fingerprint but images of few fingers or even image of a palm. In current study, we report a new design and test results of c o n t a c t l e s s line scan hardware, which produces images of single nail-to-nail finger, four fingers together, and image of human palm. The major focus of the study is development of high-resolution images of blood vessels and the new algorithm based on linear filtering neighborhood analysis, which generates a well-defined and interconnected blood vessel map. The new position of I R light sources provides a good and mostly uniform contrast between the veins and surrounding tissues. This configuration is different from the conventional positioning, where all three objects are aligned along vertical axis, that is, the source of light positioned above the tested finger, and the camera is located below the finger. The new experimental imaging configuration and blood vessel tracking algorithm could be combined with contactless fingerprinting to reinforce biometric personal identification.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle