Teorien om avancerede korrelationsfiltre har udviklet sig fra litteraturen optisk mønstergenkendelse i de sidste to årtier; de har vist sig effektive klassificører i en række applikationer, blandt dem biometrisk genkendelse og automatisk mål anerkendelse. Korrelationsfilter designs bruge billedet intensitet domæne uddannelse eksempler til at beregne en klasse skabelon, der producerer karakteristiske sammenligningstabeller output at skelne mellem ægte brugere og bedragere. Ved anvendelsen af filteret til at teste ægtheden af et nyt mål billede, udgangsplanet forventes at have en form, der indeholder en sammenhæng højdepunkt, hvis billedet er autentisk, men ikke en sådan top, hvis billedet tilhører en anden klasse. Egenskaber af korrelationsfilter klassificører omfatter yndefulde nedbrydning, skifteholdsarbejde invarians og lukkede udtryk løsninger.
Koden er blevet testet ved hjælp af fingeraftryk taget med et UPEK knalde fingeraftrykslæser med kapacitiv sensor og USB 2.0-forbindelse. Database er 16 fingre bred og 8 visninger pr finger dyb (128 fingeraftryk i alt). Vi har opnået følgende resultater:
En-til-mange fingeraftryk identifikation: med 2 billeder for hver finger tilfældigt udvalgt til uddannelse, og de resterende 6 billeder til test (totalt 32 billeder til uddannelse og 96 billeder til test), uden overlapning, har vi fået en fejlprocent mindre end 0,6% (øverste fejlprocent).
En-til-en fingeraftryk verifikation: Vi har fået en EER svarende til 5,6641%.
Sitemap Vilkår:. Matlab, kilde, kode, korrelation, filtre, AFIS, automatiseret, fingeraftryk, identifikation, system
Krav :
Matlab
Kommentarer ikke fundet