Refine
Year of publication
Document Type
Keywords
- DTW (1)
- Parkinson (1)
- clustering (1)
- handwriting (1)
- on-line handwriting features (1)
- online strokes (1)
- parkinson disease (1)
- password identification (1)
- reduction feature (1)
- time series (1)
- writer verification (1)
Institute
Computergestützte Gesetze?
(1986)
Vergleich von Steuerungsmöglichkeiten anhand der Automatisierung eines Polykondensationsprozesses
(1983)
This work presents the conception and development of a software system to detect, track and count automatically moving objects in videos. The aim of the system is the automatically counting of moving turtles on a beach. To achieve a high recognition rate of the moving objects we consider three segmentation strategies (SubstractionGrayscale, SubstractionBinarization, Substraction Canny), two object identification methods (Grayscale Connected, FelzenwalbHuttenlocher) and two object recognition methods Nearest Object Distance, Certain Recognition Matching. In the preprocessing step of our system we select parameters like the interesting area and the object size. We use the segmentation process for the recognition of potential objects. After the identification of objects as turtles we track their movements. In the last step we count the turtles. In order to have a representative test number of moving objects we use videos with 1661 moving cars. The best results of 98.98 percent we reached with the combination Canny Edge Detection, Grayscale Connected, and Certain Region Matching Strategy.
Ziel des Beitrages ist es, das Potential von handschriftlichen Passworten für die Erhö- hung der Sicherheit beim Zugang zu Systemen zu untersuchen. Wir schlagen eine Mo- bilgerät-Server-Lösung mit verteilter Vorverarbeitung vor.
Untersucht werden die Erfolgsraten der korrekten Schreibererkennung bei der Verwen- dung nur eines Wortes, des Passwortes, der Reduktion der Anzahl der Passworte, die zum Trainieren des Klassifikationsalgorithmus verwendet werden, und der Reduktion der Parameter. Der implementierte Prototyp führt die Segmentierung auf dem Mobilgerät aus. Merkmalsextraktion und Klassifikation laufen als Server-Applikationen. Das Tool WEKA wird für die Ermittlung des geeignetsten Algorithmus für die Erkennung des Schreibers des Passwortes verwendet. Die Analysen werden mit 280 handschriftlichen Passworten durchgeführt. Davon sind 176 Originale und 104 Fälschungen. Als Mobilge- räte wurden ein HTC Desire mit Android 2.2 und ein Samsung Galaxy Ace mit Android 2.3.3 verwendet. Das vorgeschlagene System erkennt mit der Wahrscheinlichkeit von 96,87% den Schreiber des Passwortes, die False Acceptance Rate beträgt 12,5%, wenn acht Passworte jedes Schreibers für das Klassifikationsmodell verwendet werden.