Теорія передових кореляційних фільтрів перетворилася з літератури оптичного розпізнавання образів в останні два десятиліття; вони довели свою ефективність класифікатори в ряді програм, серед них біометричних розпізнавання і автоматичного розпізнавання цілей. Конструкції кореляційного фільтра використовувати домен інтенсивність зображення навчальних прикладів для обчислення шаблон класу, який виробляє характерні кореляції виходів розрізняти справжні користувачів і самозванців. При застосуванні фільтра для перевірки справжності нової цільової зображення, вихідний площині, як очікується, мають форму, що містить кореляційний пік, якщо зображення є справжнім, але такий пік, якщо зображення відноситься до іншого класу. Властивості кореляційного фільтра класифікаторів включають в себе витончені деградації, зрушення инвариантность і закритих форм рішення.
Код був протестований з використанням відбитків пальців знімки, зроблені з УПЕК серветки зчитувач відбитків пальців з ємнісним сенсором і USB 2.0 підключення. База даних 16 пальців в ширину і 8 показів в палець глибокої (128 відбитки пальців всіх). Ми отримали наступні результати:
Один-до-багатьох ідентифікації відбитків пальців: за допомогою 2 зображення для кожного пальця, обраного випадковим чином для навчання, а решта 6 зображень для тестування (всього 32 зображень для підготовки і 96 зображень для тестування), без будь-якого дублювання, ми отримали коефіцієнт помилок менше, ніж 0,6% (верхній рівень помилок).
Один-на-один перевірка відбитків пальців: ми отримали EER, рівний 5,6641%.
Покажчик Умови :. Matlab, джерело, код, кореляція, фільтри, АДИС, автоматизована, відбитків пальців, ідентифікація, система
Вимоги
Matlab
Коментар не знайдено