La teoria dei filtri di correlazione avanzate si è evoluto dalla letteratura di pattern recognition ottica negli ultimi due decenni; hanno dimostrato classificatori efficaci in una serie di applicazioni, tra cui riconoscimento biometrico e riconoscimento automatico di destinazione. Disegni filtro Correlazione utilizzano il dominio intensità immagine di esempi di addestramento per calcolare un modello di classe che produce uscite caratteristici correlazione di distinguere tra gli utenti autentici e impostori. Quando si applica il filtro per testare l'autenticità di una nuova immagine target, il piano di uscita dovrebbe avere una forma che contiene un picco di correlazione se l'immagine è autentico, ma tale picco se l'immagine appartiene a un'altra classe. Proprietà di correlazione classificatori filtro includono graceful degradation, spostamento invarianza e soluzioni in forma chiusa.
Il codice è stato testato con immagini delle impronte digitali scattate con un lettore di impronte digitali UPEK colpo con sensore capacitivo e la connessione USB 2.0. Database è di 16 dita di larghezza e 8 impressioni al dito in profondità (128 impronte digitali in tutto). Abbiamo ottenuto i seguenti risultati:
Uno-a-molti identificazione delle impronte digitali: con 2 immagini per ogni dito scelto a caso per la formazione e le restanti 6 immagini per la prova (totalmente 32 immagini per la formazione e 96 immagini per i test), senza alcuna sovrapposizione, abbiamo ottenuto un tasso di errore minore di 0,6% (in alto un tasso di errore).
One-to-one di verifica delle impronte digitali: abbiamo ottenuto un EER pari al 5,6641%.
Termini:. Matlab, fonte, codice, di correlazione, filtri, AFIS, automatizzato, impronta digitale, identificazione, di sistema
Requisiti :
Matlab
I commenti non trovato