Biometric systems have been widely considered as a synonym of security. However, in recent years, malicious people are violating them by presenting forged traits, such as gelatin
fingers, to fool their capture sensors (spoofing attacks). To detect such frauds, methods
based on traditional image descriptors have been developed, aiming liveness detection
from the input data. However, due to their handcrafted approaches, most of them present
low accuracy rates in challenging scenarios. In this work, we propose a novel method for
fingerprint spoofing detection using the Deep Boltzmann Machines (DBM) for extraction
of high-level features from the images. Such deep features are very discriminative, thus
making complicated the task of forgery by attackers. Experiments show that the proposed
method outperforms other state-of-the-art techniques, presenting high accuracy regarding
attack detection
Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies
Informacja
SZANOWNI CZYTELNICY!
UPRZEJMIE INFORMUJEMY, ŻE BIBLIOTEKA FUNKCJONUJE W NASTĘPUJĄCYCH GODZINACH:
Wypożyczalnia i Czytelnia Główna: poniedziałek – piątek od 9.00 do 19.00