Biometriske systemer benytter seg av de fysiologiske eller atferdsmessige trekk av individer, for anerkjennelse formål. Disse egenskapene omfatter fingeravtrykk, håndgeometri, ansikt, stemme, iris, netthinnen, gangart, signatur, palm-print, øre, etc. Biometriske systemer som bruker en enkelt egenskap for anerkjennelse (dvs. unimodale biometriske systemer) er ofte påvirket av flere praktiske problemer som støyende sensordata, ikke-universalitet og / eller mangel på særpreg av biometriske egenskap, uakseptable feilrater og falske angrep. Multimodale biometriske systemer overvinne noen av disse problemene ved å konsolidere bevis innhentet fra ulike kilder. Forskere har vist at bruk av multimodale biometri gir bedre autentisering ytelse over unimodale biometri. Biometrisk fusjon kan utføres på nivå image, funksjonen nivå, match score nivå, beslutningsnivå, og rang nivå.
Vi har utviklet en multimodal biometrisk system som effektivt kombinerer fingeravtrykk, iris og palmprint anerkjennelse. Utpakkede funksjoner er kombinert og en sluttresultatet er beregnet for klassifisering. Kode har blitt testet med Casia Iris Bilde Database versjon 1.0 og Casia palmprint bildedatabase. Fingeravtrykk database som brukes i våre eksperimenter var en samling av fingeravtrykk bilder tatt med en UPEK sveip fingeravtrykksleser med kapasitiv sensor og USB 2.0-tilkobling. Databasen er 16 fingre bred og 8 visninger per finger dypt (totalt 128 fingeravtrykk). . Andre biometriske modaliteter er tilgjengelig på forespørsel
Krav :
Matlab
Kommentarer ikke funnet