1.

Biometrija se javlja
Početkom osamdesetih godina prošlog stoljeća
2. Biometrija se definira kao
ZNANOST koja se bavi prepoznavanjem osoba na temelju ponašajnih I /ili fizičkih
karakteristika
3. Biometrijske karakteristike dijele se na:
Tvrde, meke, fizičke, ponašajneKORACI
4. Svojstvo idealne biometrijske karakteristike nije:
Promjenjivost
5. Fizička biometrijska karakteristika je:
Termogram lica
6. Intra-class varijacije označavaju:
Različite impresije istog prsta
7. Multimodalna biometrija i biometrijska fuzija su sinonimi.
Točno
8. Detekcija lica
Nužno je prepoznati da li se na predstavljenoj slici nalazi neko lice
9. Biometrija
Automatsko prepoznavanje osoba temeljem fizičkih i/ili ponašajnih karakteristika
10. Broj preklapanja potrebnih minucija (uz istu klasu) u RH je:
12
11. Korak prepoznavanje u Wayman modelu je:
Proces koji prima validiranu izlučenu strukturu i uzorak iz baze podataka na temelju
kojeg će se dalje raditi
12. Minuciji:
Individulana obilježja otiska prsta (papilarnih linija)
13. Korak prijenosa u Wayman modelu je:
Proces koji prima sažete uzorke i prenosi ih na mjesto obrade odnosno pohrane
14. Kapacitivni senzori:
Koriste male vodljive stanice ugrađene u dvodimenzionalnu matricu na silikonskom čipu
15. Multimodalni biometrijski sustav
Nadskup multibiometric sustava koji može koristiti više korelirajućih mjerenja
16. Multi senzorska multimodalnost:
Svaka biometrijska karakteristika uhvaćena je više puta korištenjem različitih uređaja
17. U razine fuzije ne pripada:
Fuzija na razini kompresije
18. FAR mjera je:
Vjerojatnost da će lažni korisnik biti prihvaćen
19. Osnovni zahtjev za izgradnju biometrijskog sustava nije:
Promijenjivost
20. Identifikacija
Proces korištenja atributa nekog entiteta kako bi se jedinstveno odredilo tko ili što taj
entitet zaista jest
21. EER mjera je:
Točka u kojoj su FMR i FNMR jednaki
22. Crteži papilarnih linija i njihovih karakteristika mogu se prenositi prilikom dodira ili
hvatanja
Točno

1
23. Antropometrija
Znanost o mjerenju ljudskog tijela i njegovih proporcija
24. Autentikacija je testiranje korisnika radi potvrde da je on/ona zaista osoba za koju
se predstavlja i može ga se opisati kao
Usporedba 1:1
25. Korak prikupljanja u Wayman modelu:
Za ulaz ima biometrijsku karakteristiku (senzor), a izlaz je uzorak
26. Koraci Wayman biometrijskog modela su:
Prikupljanje, procesiranje, donošenje odluke, prijenos i pohrana
27. FRR mjera je:
Vjerojatnost da će legalni korisnik biti odbijen
28. Dvodimenzionalni pristup raspoznavanju lica
Raspoznavanje karakterstika lica na osnovu dvodimenzionalnih podataka dobivenih iz
slike
29. FAT mjera je:
Vjerojatnost da će do pogreške doći tijekom procesa uzimanja uzorka
30. Jedinstvenost
Dvije osobe ne smiju imati jednaku karakteristiku
31. Uzorak otiska prsta:
Sastoji se od izbočina okruženih linijama, koje se definiraju kao dvije najizraženije
izbočine koje imaju tendenciju grananja kako bi okružile ili prešle središnji dio otiska
32. Multi algoritamska multimodalnost:
Svaka biometrijska karakteristika uhvaćena je jedanput sa hvatanjem i prepoznavanjem,
za prepoznavanje se uspoređuju rezultati dva ili više algoritama
33. Multibiometric sustav
Biometrijski sustav koji koristi više od jedne nezavisne ili slabo korelirajuće biometrijske
karakteristike izuzete od osobe
34. Metoda kompresije s gubicima je:
Daje manju kvalitetu uzorka
35. FMR mjera je:
vjerojatnost da je sustav zamijenio korisnika sa drugim korisnikom
36. optički sensor
sensor uzima sliku osvjetljenog uzorak preko ccd kamere s time da je s jedne strane
prizme valjak
37. Stalnost
Karakteristika mora biti stalna kroz vrijeme
38. Korak odlučivanja u Wayman modelu ima dva moguća scenarija:
Sustav je u stanju uvježbavanja pri čemu se dobivena izlučena struktura pohranjuje u
bazi podataka i sustav je u stanju aktivnog rada pri čemu je sustav prepoznao odnosno
nije prepoznao uzorak
39. Forenzička antropometrija
Identifikacija počinitelja primjenom antropometrijskih mjerenja
40. Unibiometric sustav
Sustav koji koristi samo jednu biometrijsku karakteristiku
41. Korak izlučivanje strukture u Wayman modelu je:
Proces koji prima ekspandirane podatke i različitim transformacijama iz njih pokušava
dobiti strukturu na temelju koje će obavljati prepoznavanje
42. Metoda kompresije bez gubitaka je:

2
 Spora
43. U događaje manipulacije iznimkama ne pripadaju:
Greške u identifikaciji
44. Unimodal biometrijski sustav
Koristi jednu instancu i jednu reprezentaciju i jednu usporedbu za donošenje odluke o
prepoznavanju
45. Biometrika
Statističke i matematičke metode koje se koriste pri analizi podataka u biologiji
46. Univerzalnost
Svaka osoba mora posjedovati tu karakteristiku
47. Zakrivljenost minucija:
Označava brzinu promjene minucijskog smjera
48. Prepoznavanje otiska prsta:
Povezivanje otiska s pripadajućim identitetom osobe
49. Globalna značajka otiska prsta nije:
Središnji broj (str. 33 Otisak prsta)
50. Termalni senzori:
Koristi toplinski tok za hvatanje otiska prsta
51. Delta
Mjesto na izbočini koje se nalazi ispred ili do, ali u svakom slučaju najbliže liniji rašljanja
(rašljanju linija uzoraka)
52. Jezgra:
Specifično mjesto, smješteno na, ili unutar dovoljno zakrivljenih izbočina
53. Karakteristične linije
Dvije papilarne linije u unutrašnjosti otiska koje počinju usporedno, divergiraju, te
okružuju ili nastoje okružiti područje uzorka
54. Minucijske koordinate:
Označavaju relevantnu ili apsolutnu udaljenost minucija od delte
55. Prepoznavanje lica
Nužno je prepoznati tko je na predstavljenoj slici
56. Metoda detekcije lica usporedbom predložaka
Standardni predlošci pohranjeni da opišu lice kao cjelinu ili karakteristike lica
pojedinačno
57. Cilj procjene dobi je da procijenjena dob bude što bliže kronološkoj ili pojavnoj
dobi
Točno
58. Povećanje svjetline slike za određenu konstantu
pomiče cijeli histogram u desno
59. Dinamički raspon je
Broj različitih vrijednosti piksela na slici
60. Grafologija
Vještina koja se bavi utvrđivanjem karaktera osobe temeljem rukopisa
61. Biometrijskom potpisu je cilj
Prepoznati autora
62. Jedno-razinska klasifikacija
procjenjuje točnu dob osobe, a ne samo dobnu skupinu kojoj pripada
63. Za biometrijsku identifikaciju koristi se
Vanjsko uho

3
64. Koja od sljedećih tvrdnji nije istinita:
Pomoću histograma se ne mogu pronaći problemi sa slikama
65. Vektorska kvantizacija
dozvoljava modeliranje funkcija gustoće vjerojatnosti distribucijom vektora prototipa
66. Histogrami slika u boji
Mogu se računati na više načina
67. Koja od sljedećih tvrdnji nije istinita:
Histogrami sadrže informacije o tome gdje se piksel određene vrijednosti nalazi
68. Procijenjena dob
Definira ju računalo na temelju izgleda osobe
69. Modul za predprocesiranje potpisa bavi se problemima šuma
Točno
70. Veličina regije filtera:
Specificira koliko originalnih piksela doprinosi svakoj vrijednosti rezultirajućeg piksela
71. Najbliži susjed
metoda koja klasificira objekte na temelju najbližih treniranih primjera u prostoru
karakteristika
72. Kontrast je:
Kombinacija vrijednosti razina intenziteta koje se koriste unutar slike i razlika između
minimalnih i maksimalnih vrijednosti piksela slike
73. Statički potpis
korisnici se potpisuju na papir, potpis se digitalizira optičkim skenerom ili kamerom, a
biometrijski sustav prepoznaje potpis analiziranjem njegovog oblika
74. Lijevo i desno uho osobe su simetrični
Netočno
75. Biometrijska karakteristika na temelju koje je moguće procijeniti dob je:
Lice
76. Preciznost
postotak pozitivnih slučajeva koji su bili točno identificirani
77. Antropometrija lica
Znanost mjerenja veličina i proporcija ljudskog lica
78. Pojavna dob
Informacija o dobi definirana izgledom osobe
79. CS je
postotak testnih slika kod kojih apsolutna pogreška nije veća od integera j
80. Filteri i point operacije:
Ne mijenjaju geometriju slike
81. U vrste dobi NE pripada
Kvalitativna
82. Metoda detekcije lica temeljena na karakteristikama
cilj mu je pronaći strukturirane značajke lica koje postoje čak I kada poza, stav ili
osvjetljenje variraju
83. Metoda detekcije lica nije
Detekcija godina
84. Metode detekcije lica usporedbom predložaka
Standardni predlošci pohranjeni da opišu lice kao cjelinu ili karakteristike pojedinačno
85. Metoda detekcije lica temeljena na izgledu

4
 Modeli (ili predlošci) su naučeni iz skupa slika za učenje koje su uhvaćene i predstavljaju
različite izglede lica
86. Uzorci otisaka prsta su potpuno slučajni
Netočno
87. Postoje osobe koje nemaju otiske prsta
Točno
88. Multimodalna biometrija kombinira informacije s dvije ili više biometrijskih mjera
jedne ili više biometrijskih karakteristika
Točno
89. Multi instance multimodalnost
koristi više biometrijskih instanci iste biometrijske karakteristike
90. Kontaktna biometrijska karakteristika je
Dlan
91. AMOLD je kratica za:
akvizicija, usporedba, izlaz, logika, odluka
92. Biometrijske se metode djele na:
Kontaktne i beskontaktne
93. Biološke osobine otiska prsta nije
NEPOSTOJANOST
94. Korak kontrole kvalitete wayman modelu je
Pokušava na temelju izlučene strukture zaključiti radi li se o dobrom uzorku ili je
potrebno ponoviti postupak uzrokovanja
95. Identifikacija lica
Na temelju slike lica sustav mora reći tko je osoba na slici
96. Identifikacija se može opisati kao-usporedba
1:N
97. Verifikacija lica
Na temelju slike lica i prijedloga identiteta,sustav daje odgovor da li je na slici predloženi
identitet ili nije
98. Papilarne linije na čovjeku ne posjeduje
Lice
99. Putne isprave imaju elemente biometrije
Točno
100. Plošna frekvencija minucija:
Označava koliko su udaljene papilarne linije u okolini minucija
101. Metoda detekcije lica temeljena na znanju
Dešifrira ljudsko znanje o tome što predstavlja tipično lice
102. FTE je
greška pri stjecanju
103. Biometrija je jedna od metoda autorizacije
Netočno
104. Dumpster diving je primjer fizičkog napada:
Točno
105. Autorizacija je
definiranje prava pristupa za subjekte
106. Bruteforce napad
pokušavaju svaku moguću kombinaciju dok se ne indetificira ispravna.
107. Načelo najmanjih povlastica

5
 Ako ništa nije posebno konfigurirano za korisnika ili grupu kojoj pripada korisnik, korisnik
ne bi trebao moći pristupiti tom resursu.
108. A.Vjerojatnost da će lažni korisnik biti prihvaćen??? -FAR
Vjerojatnost da je sustav zamijenio korisnika sa drugim korisnikom-FMR
-to nije točan odg
Vjerojatnost da će legalni korisnik biti odbijen -FRR
(ODGOVOR NIJE POTPUNO, KAO DA NISU STAVILI RJEŠENJE) -tj.kao da nisu stavili
pitanje, nego je A odgovor u pitanju.
109. Konfiguracija papilarnih linija nepromjenjiva je od začeća do izvjesnog
vremena nakon smrti osobe
Točno
110. Problem prepoznavanja lica
Problem utvrđivanja pripadnosti nekog od dijelova prezentirane slike, skupu slika
traženog lica
111. Daktiloskopija
Bavi se proučavanjem papilarnih linija svih prstiju, dlanova i stopala čovjeka
112. FNMR
Vjerojatnost da sustav ne prepozna korisnika čiji su podaci uneseni u sustav
113. Autentikacija se razlikuje od identifikacije
Točno
114. Na svijetu su do sada zabilježene dvije osobe sa identičnim otiscima papilarnih
linija
Netočno
115. Podsustav sustava za raspoznavanje lica nije
Podsustav za analizu
116. Procjena dobi
Određivanje dobi osobe na slici ili njegove/njezine dobne skupine na temelju
biometrijskih karakteristika
117. Otisak prsta se može uzeti beskontaktno
Točno