Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://elartu.tntu.edu.ua/handle/lib/43426| Назва: | Аналіз методів ідентифікації та моделювання динамічних змін силуетів користувачів |
| Інші назви: | Analysis of methods of identification and modeling of dynamic changes in silhouettes of users |
| Автори: | Крилов, Вадим Кирилович Krylov, Vadym Kyrylovych |
| Приналежність: | ТНТУ ім. І. Пулюя, Факультет комп’ютерно-інформаційних систем і програмної інженерії, Кафедра комп’ютерних наук, м. Тернопіль, Україна |
| Бібліографічний опис: | Крилов В. К. Аналіз методів ідентифікації та моделювання динамічних змін силуетів користувачів: кваліфікаційна робота освітнього рівня „Магістр“ „122 – комп’ютерні науки“ / В. К. Крилов. – Тернопіль : ТНТУ, 2023. – 107 с. |
| Дата публікації: | 26-гру-2023 |
| Дата подання: | 11-гру-2023 |
| Дата внесення: | 7-січ-2024 |
| Країна (код): | UA |
| Місце видання, проведення: | ТНТУ ім. І.Пулюя, ФІС, м. Тернопіль, Україна |
| Науковий керівник: | Никитюк, Вячеслав Вячеславович |
| Члени комітету: | Загородна, Наталія Володимирівна |
| УДК: | 004.04 |
| Теми: | біометрія biometrics ідентифікація identification математична модель mathematical model |
| Короткий огляд (реферат): | Дипломна робота присвячена вибору математичної моделі динамічних змін ідентифікації користувачів та аналізу методик опрацювання для задачі біометричної ідентифікації. В першому розділі дипломної роботи проаналізовано стан задачі біометричної ідентифікації. В другому розділі дипломної роботи проведено аналіз відомих математичних моделей та вибрано модель для динамічної зміни силуета користувачів для задачі біометричної ідентифікації. В третьому розділі дипломної роботи проаналізовані методи опрацювання та отримання нових інформативних ознак для біометричної ідентифікації. Об’єкт дослідження: процес моделювання динамічних змін силуета для біометричної ідентифікації. Предмет дослідження: математична модель та опрацювання даних для біометричної ідентифікації. Мета роботи: вибір математичної моделі та обґрунтування методик опрацювання біометричної ідентифікації користувачів. The thesis is devoted to the selection of a mathematical model of dynamic changes in user identification and the analysis of methods of processing for the problem of biometric identification. In the first chapter of the thesis, the state of the problem of biometric identification is analyzed. In the second section of the thesis, an analysis of known mathematical models was carried out and a model was selected for the dynamic change of the silhouette of users for the task of biometric identification. In the third section of the thesis, the methods of processing and obtaining new informative features for biometric identification are analyzed. The object of research: the process of modeling dynamic silhouette changes for biometric identification. Research subject: mathematical model and data processing for biometric identification. The purpose of the work: the selection of a mathematical model and justification of the methods of processing the biometric identification of users. |
| Зміст: | ВСТУП… 9 1 ДОСЛІДЖЕНЬ ТА АНАЛІЗ БІОМЕТРИЧНОЇ ІДЕНТИФІКАЦІЇ ДАНИХ КОРИСТУВАЧА ...12 1.1 Біометричні дані та ідентифікація користувача …12 1.2 Біометричні системи ідентифікації розпізнавання анатомії користувача ...15 1.3 Біометрична ідентифікація ходи ...25 1.4 Показники продуктивності ідентифікації даних ...26 1.5 Висновки до розділу 1...32 2 ДИНАМІЧНІ ЗМІНИ ТА МЕТОДИ ОБРОБКИ ІДЕНТИФІКАЦІЇ ДАНИХ КОРИСТУВАЧА ...34 2.1 Динамічна зміни тіла та розпізнавання ходи ...34 2.2 Аналіз основних методів обробки даних індентифікації користувачів ...37 2.3 Розпізнавання ходи за зовнішнім виглядом ...41 2.4 Динамічні та статистичні функції ...43 2.5 Процес вилучення динаміки тіла ...47 2.6 Експериментальний аналіз даних ...53 2.7 Висновки до розділу 2 ...68 3 АНАЛІЗ МЕТОДУ РОЗПІЗНАВАННЯ ХОДИ ДАНИХ КОРИСТУВАЧА ...69 3.1 Обробка силуету користувача ...69 3.2 Обробка даних ...71 3.3 Експериментальна оцінка силуета користувача ...75 3.4 Висновки до розділу 3 ...83 4 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ…85 4.1 Організація праці в комп’ютерних класах ...85 4.2 Організація і функціонування системи управління охороною праці 89 ВИСНОВКИ...95 ПЕРЕЛІК ВИКОРИСТАНИХ ДЖЕРЕЛ...97 ДОДАТКИ |
| URI (Уніфікований ідентифікатор ресурсу): | http://elartu.tntu.edu.ua/handle/lib/43426 |
| Власник авторського права: | © Крилов Вадим Кирилович, 2023 |
| Перелік літератури: | 1. G. E. Moore, “Cramming more components onto integrated circuits”, Electronics, vol. 38, no. 8, pp. 114–117, Apr 1965. 2. A. K. Jain, A. Ross and S. Prabhakar, “An Introduction to Biometric Recognition”, IEEE Transactions on Circuits and Systems for Video Technology, vol. 14, no. 1, pp. 4–20, Jan 2004. 3. R. M. Bolle, J. H. Connel and N. K. Ratha, “Biometric perils and patches”, Pattern Recognition, vol. 35, no. 1, pp. 2727–2738, 2002. 4. G. Johansson, “Visual Perception of Biological Motion and a Model for Its Analysis”, Perception, and Psychophysics, vol. 14, no. 2, pp. 210–211, 1973. 5. C. D. Barclay, J. E. Cutting and L. T. Kozlowski, “Temporal and Spatial Factors in Gait Perception that Influence Gender Recognition”, Perception, and Psychophysics, vol. 23, no. 2, pp. 145–152, 1978. 6. G. Welch and G. Bishop, “An introduction to the Kalman filter”, (2012, Sep.), avail-able at http: // www. cs. unc. edu/ ~ welch/ media/ pdf/ kalman_ intro. pdf 7. V. Pavlovi, J. M. Rehg, T. J. Cham and K. P. Murphy, “A Dynamic Bayesian Network Approach to Figure Tracking using Learned Dynamic Models”, Proc. International Conference on Computer Vision, pp. 94–101, 1999. 8. M. Isard and A. Blake, “CondensationConditional Density Propagation for Visual Tracking”, International Journal of Computer Vision, vol. 29, no. 1, pp. 5–28, 1998. 9. A. Niyogi and E. H. Adelson, “Analyzing and Recognizing Walking Figures in XYT”, Proc. IEEE Conference on Computer Vision and Pattern Recognition, (CVPR) , pp. 469–474, 1994. 10. D. M. Gavrila and L. S. Davis, “3-D Model-based Tracking of Humans in Action: A Multi-view Approach”, Proc. IEEE Conference on Computer Vision and Pattern Recognition, (CVPR) , pp. 73–80, 1996. 11. C.Wren, A. Azarbayejani, T. Darrell and A. Pentland, “Pfinder: Real-time Tracking of the Human Body”, IEEE Transactions On Pattern Analysis and Machine Intelli-gence, vol. 19, no. 7, pp. 780–785, 1997. 12. J. Deutscher, A. Blake and I. Reid, “Articulated body motion capture by annealed particle filtering”, Proc. Proc. IEEE Conference on Computer Vision and Pattern Recognition, (CVPR), vol. 2, pp. 126–133, 2000. 13. Y. Huang and T. S. Huang, “Model-Based Human Body Tracking”, Proc. 16th International Conference on Pattern Recognition (ICPR'02), vol. 1 pp. 552–555, 2002. 14. A. F. Bobick and A. Y. Johnson, “Gait Recognition Using Static, Activity-Specific Parameters”, Proc. IEEE Conference on Computer Vision and Pattern Recognition, (CVPR), vol. 1 pp. I-423–I-430, 2001. 15. C. Y. Yam, M. S. Nixon and J. N. Carter, “Automated Person Recognition by Walking and Running via Model-based Approaches”, Pattern Recognition, vol. 37, no. 5, pp. 1057–1072, 2004. 16. R. D. Green and L. Guan, “Quantifying and Recognizing Human Movement Patterns from Monocular Video Images-Part I: A New Framework for Modeling Human Motion”, IEEE Transactions on Circuits Systems for Video Technology, vol. 14, no. 2, pp. 179–190, 2004. 17. R. D. Green and L. Guan, “Quantifying and Recognizing Human Movement Patterns from Monocular Video Images-Part II: Applications to Biometrics”, IEEE Transac-tions on Circuits Systems for Video Technology, vol. 14, no. 2, pp. 191–198, 2004. 18. Y. Huang and T. S. Huang, “3D Tracking for Gait Characterization and Recognition”, Proc. 6th IEEE International Conference on Automatic Face and Gesture Recognition, pp. 17–22. 2004. 19. A. D. Sappa, N. Aifanti, S. Malassiotis and M. G. Strintzis, “3D Gait Estimation from Monoscopic Video”, Proc. ICIP, vol. 3 pp. 1963–1966. 2004. 20. C. Orrite-Uruuela, J. M. del Rincn, J. E. H. Jaraba and G. Rogez, “2D Silhouette and 3D Skeletal Models for Human Detection and Tracking”, Proc. 17th International Conference on Pattern Recognition (ICPR), vol. 4 pp. 244–247. 2004. 21. В.В. Никитюк, А.В. Орловська, А.К. Карнаухов, В.К. Крилов. Аналіз біометричної системи силуета користувачів. Міжнародної науково-практичної конференції молодих учених та студентів 6-7 грудня 2023 року. Україна, Тернопіль. Ст. 387-388. 22. D. K.Wagg and M. S. Nixon, “On Automated Model-Based Extraction and Analysis of Gait”, Proc. 6th IEEE International Conference on Automatic Face and Gesture Recognition/, pp. 11–16. 2004. 23. H. Lu, K. N. Plataniotis and A. N. Venetsanopoulos, “A Full-Body Layered Deformable Model for Automatic Model-Based Gait Recognition”, EURASIP Journal on Advances in Signal Processing, vol. 2008, Jan 2008. 24. J. Gu, X. Ding, S. Wang and Y. Wu, “Action and Gait Recognition From Recovered 3-D Human Joints”, IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics, vol. 40, no. 4, pp. 1021–1033, 2010. 25. K. Arai and R. Andrie, “Gait Recognition Method Based on Wavelet Transformation and its Evaluation with Chinese Academy of Sciences (CASIA) Gait Database as a Human Gait Recognition Dataset”, Proc. Ninth International Conference on Information Technology: New Generations (ITNG), pp. 656–661. 2012. 26. F. Liu and R. W. Picard, “Finding Periodicity in Space and Time”, Proc. Sixth International Conference on Computer Vision, pp. 376–383, 1998. 27. D. Meyer, J. Posl and H. Niemann, ‘Gait Classification with HMMs for Trajectories of Body Parts Extracted by Mixture Densities”, Proc. British Machine Vision Conference, pp. 46.1–46.10, 1998. 28. R. Cutler and L. S. Davis, “Robust Real-Time Periodic Motion Detection, Analysis, and Applications”, IEEE Transactions on attern Analysis and Machine Intelligence, vol. 22, no. 8, pp. 781–796, 2000. 29. C. Stauffer and W. E. L. Grimson, “Learning Patterns of Activity Using Real-Time Tracking”, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 22, no. 8, pp. 747–757, 2000. 30. J. D. Shutler, M. S. Nixon and C. J. Harris, “Statistical Gait Description via Temporal Moments”, Proc. 4th IEEE Southwest Symposium on Image Analysis and In-terpretation, pp. 291–295, 2000. 31. J. B. Hayfron-Acquah, M. S. Nixon and J. N. Carter, “Recognizing human and animal movement by symmetry”, Proc. International Conference on Image Processing, pp. 290–293, 2001. 32. C. BenAbdelkader, L. Davis and R. Cutler, “Motion-Based Recognition of People in EigenGait Space”, Proc. Fifth IEEE International Conference on Automatic Face and Gesture Recognition, pp. 267–272, 2002. 33. P. J. Phillips, S. Sarkar, I. Robledo, P. Grother and K. Bowyer, “The Gait Identification Challenge Problem: Data Sets and Baseline Algorithm”, Proc. 16th IEEE International Conference on Pattern Recognition, vol. 1, pp. 385–388, 2002. 34. C. BenAbdelkader, R. Cutler and L. Davis, “Person Identification using Automatic Height and Stride Estimation”, Proc. 16th IEEE International Conference on Pattern Recognition, vol. 4, pp. 377–380, 2002. 35. A. Sunderesan, A. K. Roy Chowdhury and R. Chellappa, “A Hidden Markov Model Based Framework for Recognition of Humans from Gait Sequences”, Proc. IEEE International Conference on Image Processing, vol. 2, pp. II–93.2, 2003. 36. L. Wang, T. Tan, H. Ning and W. Hu, “Silhouette Analysis-Based Gait Recognition for Human Identification”, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 25, no. 12, pp. 1505–1518, 2003. 37. J. P. Foster, M. S. Nixon and A. Prgel-Bennett, “Automatic Gait Recognition using Area-Based Metrics”, IEEE Pattern Recognition Letters, vol. 24, no. 14, pp. 2489–2497, 2003. 38. Z. Liu and S. Sarkar, “Simplest Representation Yet for Gait Recognition: Averaged Silhouette”, Proc. 17th International Conference on pattern Recognition, pp. 211–214, 2004. 39. J. Han and B. Bhanu, “Statistical Feature Fusion for Gait-Based Human Recognition”, Proc. IEEE Conference on Computer Vision and Pattern Recognition (CVPR), vol. 2, pp. II-824–II-847, 2004. 40. S. Yu, L. Wang, W. Hu and T. Tan, “Gait Analysis for Human Identification in Frequency Domain”, Proc. Third International Conference on Image and Graphics, pp. 282–285, 2004. 41. N. V. Boulgouris, K. N. Plataniotis and D. Hatzinakos, “Gait Recognition Using Dynamic Time Warping”, Proc. 6th IEEE Workshop on Multimedia Signal Processing, pp. 263–266, 2004. 42. N. V. Boulgouris, K. N. Plataniotis and D. Hatzinakos, “An Angular Transform of Gait Sequences for Gait Assisted Recognition”, Proc. IEEE International Conference on Image Processing, vol. 2, pp. 857–860, 2004. 43. N. V. Boulgouris, K. N. Plataniotis and D. Hatzinakos, “Gait recognition using linear time normalization”, Pattern Recognition , vol. 39, no. 5, pp. 969–979, 2006. 44. N. V. Boulgouris, D. Hatzinakos and K. N. Plataniotis, “Gait Recognition: A Challenging Signal Processing Technology for Biometric Identification”, IEEE Signal Pro-cessing Magazine, vol. 22, no. 6, pp. 78–90, 2005. 45. D. Xu, S. Yan, D. Tao, L. Zhang, X. Li and H. J. Zhang, “Human Gait Recognition With Matrix Representation”, IEEE Transactions on Circuits and Systems for Video Technology , vol. 16, no. 7, pp. 896–903, 2006. 46. D. Ioannidis, D. Tzovaras, I. G. Damousis, S. Argyropoulos and K. Moustakas, “Gait Recognition Using Compact Feature Extraction Transforms and Depth Information”, IEEE Transactions on Information Forensics and Security, vol. 2, no. 3, pp. 623–630, 2007. 47. N. V. Boulgouris and Z. X. Chi, “Gait Recognition Using Radon Transform and Linear Discriminant Analysis”, IEEE Transactions on Image Processing, vol. 16, no. 3, pp. 731–740, 2007. 48. D. Tao, X. Li, X. Wu and S. J. Maybank, “General Tensor Discriminant Analysis and Gabor Features for Gait Recognition ”, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 29, no. 10, pp. 1700–1715, 2007. 49. X. Yang, Y. Zhou, T. Zhang, E. Zheng and J. Yang, “Gabor phase based gait recognition”, IEEE Electronics Letters, vol. 44, no. 10, pp. 620–621, 2008. 50. H. Lu, K. N. Plataniotis and A. N. Venetsanopoulos, “MPCA: Multilinear Principal Component Analysis of Tensor Objects”, IEEE Transactions on Neural Networks, vol. 19, no. 1, pp. 18–39, 2008. 51. H. Lu, K. N. Plataniotis and A. N. Venetsanopoulos, “Uncorrelated Multilinear Discriminant Analysis With Regularization and Aggregation for Tensor Object Recognition”, IEEE Transactions on Neural Networks, vol. 20, no. 1, pp. 103–123, 2009. 52. C. Chen, J. Liang, H. Zhao, H. Hu and L. Jiao, “Layered time series model for gait recognition”, IEEE Electronics Letters, vol. 46, no. 6, pp. 412–414, 2010. 53. Center for Biometrics and Security Research, “Chinese Academy of Sciences (CASIA) Gait Database”, (2013, Jan.), available at http: // www. cbsr. ia. ac. cn/english/ Gait\ %20Databases. asp/ 54. C. Wang, J. Zhang, L. Wang, J. Pu and X. Yuan, “Human Identification Using Temporal Information Preserving Gait Template”, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 34, no. 11, pp. 2164–2176, 2012. 55. S. Argyropoulos, D. Tzovaras, D. Ioannidis and M. G. Strintzis, “A Channel Coding Approach for Human Authentication From Gait Sequences”, IEEE Transactions on Information Forensics and Security, vol. 4, no. 3, pp. 428–440, 2009. 56. G. Shakhnarovich, L. Lee and T. Darrell, “Integrated Face and Gait Recognition From Multiple Views”, Proc. Proc. IEEE Conference on Computer Vision and Pat-tern Recognition, (CVPR) , vol. 1, pp. 439–446, 2001. 57. X. Huang and N. V. Boulgouris, “Gait Recognition Using Multiple Views”, Proc. IEEE Conference on Acoustics, Speech and Signal Processing (ICASSP), pp. 1705–1708, 2008. 58. M. Goffredo, J. N. Carter and M. S. Nixon, “Front-view Gait Recognition”, Proc. IEEE Conference on Biometrics: Theory, Applications and Systems (BTAS) , pp. 1–6, 2008. 59. S. Sharma, R. Tiwari, A. Shukla and V. Singh, “Frontal view gait based recognition using PCA”, Proc. Proceedings of the International Conference on Advances in Computing and Arti_cial Intelligence , pp. 124–127, 2011. 60. Z. Liu and S. Sarkar, “Effect of silhouette quality on hard problems in gait recognition”, IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics, vol. 35, no. 2, pp. 170–183, 2005. 61. J. B. dec. M. Saunders, V. T. Inman and H. D. Eberhart, “The Major Determinants in Normal and Pathological Gait”, The Journal of Bone and Joint Surgery, vol. 35, no. 3, pp. 543–558, 1953. 62. S. R. Das, M. T. Lazarewicz and L. H. Finkel, “Principal Component Analysis of Temporal and Spatial Information for Human Gait Recognition”, Proc. IEEE IEMBS, vol. 2, pp. 4568–4571, 2004. 63. L. Wang, H. Ning, T. Tan and W. Hu, “Fusion of Static and Dynamic Body Biometrics for Gait Recognition”, Proc. 9th IEEE International Conference on Computer Vision (ICCV'03), vol. 2, pp. 1449-1454, 2003. 64. L. Wang, H. Ning, T. Tan and W. Hu, “Fusion of Static and Dynamic Body Biometrics for Gait Recognition”, IEEE Transactions On Circuits and Systems for Video Technology, vol. 14, no. 2, pp. 149–158, 2004. 65. A. Veeraraghavan, A. K. Roy-Chowdhury and R. Chellappa, “Matching Shape Sequences in Video with Applications in Human Movement Analysis”, IEEE Transac-tions on Pattern Analysis and Machine Intelligence, vol. 27, no. 12, pp. 1896–1909, 2005. 66. M. S. Nixon, T. Tan and R. Chellappa, Human Identi_cation Based on Gait, New York, NY. Springer Science+Business Media Inc. 2006. 67. N. E. Huang, Z. Shen, S. R. Long, M. C. Wu, H. H. Shih, Q. Zheng, N. C. Yen, C. C. Tung and H. H. Liu, “The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis”, Proceedings of the Royal Society of London A, vol. 454, no. 1971, pp. 903–995, 1998. 68. R. C. Gonzalez and R. E. Woods, Digital Image Processing, U.S.A. Prentice Hall. 2002. 69. Georgia Tech GVU Center/College of Computing, “Human Identification at a Distance”, (2013, Jan.), available at http: // www. cc. gatech. edu/ cpl/ projects/hid/ 70. S. Sarkar, P. J. Phillips, Z. Liu, I. R. Vega, P. Grother and K. W. Bowyer, “The HumanID Gait Challenge Problem: Data Sets, Performance, and Analysis”, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 27, no. 2, pp. 162-177, Feb. 2005. 71. Y. Rui, T. S. Huang, M. Ortega and S. Mehrotra, “Relevance Feedback: a power tool for interactive content-based image retrieval”, Transactions on Circuits and Systems for Video Technology, vol. 8, pp. 644–655, April 1998. 72. P. N. Tan, M. Steinbach and V. Kumar, Introduction to Data Mining, U.S.A. Addison-Wesley. 2005. 73. Nykytyuk V., Dozorskyi V., Dozorska О. Detection of biomedical signals disruption using a sliding window. Scientific jornal of the Ternopil National Technical University. 2018. № 3 (91). P. 125–133. 74. Vasyl Dozosky, Oksana Dozorska, Vyacheslav Nykytyuk, EvheniaYavorskа, Leonid Dediv. The Method of Selection and Pre-processing of ElectromyographicSignals for Bio-controlled Prosthetic of Hand. 2020 IEEE 15th International Scientific and Technical Conference onComputer Sciences and Information Technologies (CSIT). Volume 1, Lviv-Zbarazh, Ukraine 23-26 September 2020. P. 188-191 75. Vyacheslav Nykytyuk, Vasyl Dozorskyy, Nataliia Kunanets, Volodymyr Pasichnyk, Oleksandr Matsiuk, Ihor Bodnarchuk: Electrical Probe-Signal Processing and Criterion for the Determination of Time Parameters of the Teeth Filling Material Polymerization Process in Dentistry. 4th IDDM 2021: Valencia, Spain. P. 54-63 76. Oleksii Duda, Nataliia Kunanets, Serhii Martsenko, Vyacheslav Nykytyuk, Volodymyr Pasichnyk. Information technology platform for the selection and analytical processing of information on COVID-19. 2021 IEEE 16th International Conference on Computer Sciences and Information Technologies (CSIT). Volume 2, Lviv, Ukraine 22-25 Sept. 2021. P. 231-328 77. Oleksii Duda, Nataliia Kunanets, Serhii Martsenko, Vyacheslav Nykytyuk, Volodymyr Pasichnyk. Covid-19 data collections and analytical processing. 2021 ieee 16th international conference on computer sciences and information technologies (CSIT). Volume 2, Lviv, Ukraine 22-25 Sept. 2021. p. 252-257 78. Vyacheslav Nykytyuk, Vasil Dozorskyi, Oksana Dozorska, Andrii Karnaukhov and Liubomyr Matiichuk. The Method of User Identification by Speech Signal. The 2nd International Workshop on Information Technologies: Theoretical and Applied Problems (ITTAP-2022) Ternopil, Ukraine, November 22-24, 2022. Vol-3309 79. Ihor Bodnarchuk, Yuriy Skorenkyy, Taras Kramar, Oleksii Duda and Vyacheslav Nykytyuk. Use of Analytical Hierarchy Process in Scenarios Design for a Digital Museum with XR components. The 2nd International Workshop on Information Technologies: Theoretical and Applied Problems (ITTAP-2022) Ternopil, Ukraine, November 22-24, 2022. 80. Kryazhych O., Itskovych V., Iushchenko K., Hrytsyshyna V., Bruvier D., Nykytyuk V., Bodnarchuk I. (2023) The use of abstract moore automaton to control the sensors of a service-oriented alarm and emergency notification network. Scientific Journal of TNTU (Tern.), vol 109, no 1, pp. 111–120 81. Dediv, L., Dozorska, O., Kukuruza, V., Nykytyuk, V., Kovalyk, S. Computer Simulation Modeling of Voice Signals in the Matlab Environment for the Task of Computerized Diagnostic Systems Testing. The 1st International Workshop on “Computer information technologies in Industry 4.0” (CITI-2023) will be held in Ternopil, Ukraine, from June 14 to 16, 2023. The Workshop is organized by the Faculty of Applied Information Technologies and Electrical Engineering of Ternopil Ivan Puluj National Technical University. 2023, 3468, pp. 257–262 82. Dozorskyi, V., Dediv, I., Sverstiuk, S., Nykytyuk, V., Karnaukhov, A. The Method of Commands Identification to Voice Control of the Electric Wheelchair. The Workshop is organized by the Faculty of Applied Information Technologies and Electrical Engineering of Ternopil Ivan Puluj National Technical University. The 1st International Workshop on “Computer information technologies in Industry 4.0” (CITI-2023) will be held in Ternopil, Ukraine, from June 14 to 16, 2023. The Workshop is organized by the Faculty of Applied Information Technologies and Electrical Engineering of Ternopil Ivan Puluj National Technical University. 2023, 3468, pp. 233–240 83. О.О. Кузьо, В.К. Крилов, Н.Л. Мацюк. Використання технологій OSINT для формування портету користувача. Міжнародної науково-практичної конференції молодих учених та студентів 7-8 грудня 2022 року. Україна, Тернопіль. Ст. 140. |
| Тип вмісту: | Master Thesis |
| Розташовується у зібраннях: | 122 — комп’ютерні науки |
Файли цього матеріалу:
| Файл | Опис | Розмір | Формат | |
|---|---|---|---|---|
| MAg_SNm-61_2023_Krulov_V_K_diplpm.pdf | 2,34 MB | Adobe PDF | Переглянути/відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.
Інструменти адміністратора