2023 – 2024
Python
In diesem Projekt wurde ein Classifier mit Bilder von Fingervenen erstellt, um zwischen echten, gefälschten und synthetisch-erstellten Bildern unterscheiden zu können, bspw. um Fingervenenscanner zu verbessern und unbefugte Zutritte zu verhindern.
In unserem Fall kam dafür die Fourier-Transformation zum Einsatz.
Die echten (genuine) Daten stammen von Fingervenenscannern und sind tatsächliche Scans von Fingervenen.
Die gefälschten (spoofed) Daten sind händisch erstellt worden, bspw. durch Abfotografieren oder Ausdrucken der originalen Scans.
Die synthetischen (synthetic) Daten wurden im Rahmen eines Master-Projekts mit verschiedenen Algorithmen (cyclegan, distancegan, drit, stargan) erstellt. Das Ziel der synthetischen Daten ist, gefälschte Daten zu imitieren, damit diese nicht mühevoll händisch hergestellt werden müssen.
Für die Baseline-Variante wurde nur mit echten und gefälschten Daten trainiert und nur zwischen diesen unterschieden.
Für das eigentliche Projekt soll schließlich mit den echten und synthetischen Daten trainiert werden. Dann soll versucht werden, mit dem trainierten Classifier zwischen echten und gefälschten Daten zu unterscheiden.
Leider hat das Projekt gezeigt, dass die Fourier-Transformation aufgrund von entstehenden Artefakten für die Klassifizierung nicht geeignet ist. Einfachere Methoden (z.B. Mittelwert, Standardabweichung, etc.) haben hier viel bessere Ergebnisse erzielt.
