Biometriske systemer gør brug af de fysiologiske eller adfærdsmæssige træk af enkeltpersoner, med henblik anerkendelse. Disse træk omfatter fingeraftryk, hånd-geometri, ansigt, stemme, iris, retina, gangart, underskrift, palme-print, øre osv Biometriske systemer, der anvender et enkelt træk for anerkendelse (dvs. unimodale biometriske systemer) er ofte ramt af flere praktiske problemer som støjende sensordata, ikke-universalitet og / eller manglende særpræg af det biometriske træk, uacceptable fejlprocenter og spoof-angreb. Multimodale biometriske systemer overvinde nogle af disse problemer ved at konsolidere resultaterne fra forskellige kilder. Forskere har vist, at anvendelsen af multimodale biometri giver bedre autentificering ydeevne over unimodale biometri. Biometrisk fusion kan udføres på billedet niveau, funktionsniveau, match score niveau, beslutningsniveau, og rang niveau.
Vi har udviklet et multimodalt biometrisk system, der effektivt kombinerer fingeraftryksoplysninger, iris og håndfladeaftryksbilledet anerkendelse. Udtrukne funktioner kombineres og en endelige score beregnes for klassificering. Kode er blevet testet med Casia Iris Billede Database Version 1.0 og Casia håndfladeaftryksbilledet Database. Fingerprint database, der bruges i vores eksperimenter var en samling af fingeraftryksoplysninger billeder 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 (totalt 128 fingeraftryk). . Andre biometriske modaliteter er tilgængelige på anmodning
Krav :
Matlab
Kommentarer ikke fundet