Teorien om avanserte korrelasjons filtre har utviklet seg fra litteraturen av optisk mønster i de to siste tiårene; de har vist seg effektive klassifiserere i en rekke programmer, blant dem biometrisk gjenkjenning og automatisk target anerkjennelse. Korrelasjon filterkonstruk- bruke bildet intensitet domenet av opplærings eksempler for å beregne en klasse mal som produserer karakteristiske korrelasjons utganger å skille mellom ekte brukere og bedragere. Ved søknad filteret for å teste ektheten av et nytt mål bilde, er utgangsplanet forventet å ha en form som inneholder en korrelasjonstoppen hvis bildet er autentisk, men ingen slike topp hvis bildet tilhører en annen klasse. Egenskapene til korrelasjonsfilter klassifiserere inkluderer grasiøs degradering, skift invarians og lukket skjemaløsninger.
Koden er testet ved hjelp 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 (128 fingeravtrykk i alle). Vi har fått følgende resultater:
En-til-mange fingeravtrykk: ved hjelp av to bilder for hver finger tilfeldig valgt for trening og de resterende seks bilder for testing (totalt 32 bilder for trening og 96 bilder for testing), uten noen overlapping, har vi fått en feilrate mindre enn 0,6% (topp en feilrate).
En-til-en fingeravtrykkverifisering: vi har fått en EER lik 5,6641%.
Indeksvilkår:. Matlab, kilde, kode, korrelasjon, filtre, AFIS, automatisert, fingeravtrykk, identifisering, system
Krav :
Matlab
Kommentarer ikke funnet