βιομετρικά συστήματα κάνουν χρήση των φυσιολογικών ή τα χαρακτηριστικά της συμπεριφοράς των ατόμων, για σκοπούς αναγνώρισης. Αυτά τα χαρακτηριστικά περιλαμβάνουν δακτυλικά αποτυπώματα, χέρι-γεωμετρία, πρόσωπο, φωνή, ίριδα, αμφιβληστροειδή, το βάδισμα, την υπογραφή, παλάμη-εκτύπωσης, αυτί, κλπ βιομετρικά συστήματα που χρησιμοποιούν ένα μόνο χαρακτηριστικό για την αναγνώριση (δηλαδή, μονότροπη βιομετρικών συστημάτων) συχνά επηρεάζονται από διάφορους πρακτικά προβλήματα, όπως θορυβώδη δεδομένα του αισθητήρα, μη καθολικότητα και / ή έλλειψη διακριτικού χαρακτήρα του βιομετρικού χαρακτηριστικού, απαράδεκτα ποσοστά σφάλματος, και κοροϊδία επιθέσεις. Πολυτροπικές βιομετρικά συστήματα ξεπεραστούν μερικά από αυτά τα προβλήματα με την ενοποίηση των αποδεικτικών στοιχείων που προέρχονται από διαφορετικές πηγές. Οι ερευνητές έχουν δείξει ότι η χρήση των πολυτροπικών βιομετρικών στοιχείων παρέχει καλύτερη απόδοση ταυτότητας πάνω μονοτροπική βιομετρικών στοιχείων. Βιομετρικά σύντηξη μπορεί να πραγματοποιηθεί σε επίπεδο εικόνας, το επίπεδο χαρακτηριστικό, το επίπεδο σκορ του αγώνα, επίπεδο λήψης, καθώς και το επίπεδο βαθμού.
Έχουμε αναπτύξει μια πολυτροπική βιομετρικό σύστημα που συνδυάζει αποτελεσματικά τα δακτυλικά αποτυπώματα, ίριδα και την αναγνώριση παλάμης. Εξάγονται χαρακτηριστικά συνδυάζονται και μια τελική βαθμολογία υπολογίζεται για την ταξινόμηση. Κώδικας έχει δοκιμαστεί με CASIA Ίρις βάσης δεδομένων εικόνων Έκδοση 1.0 και CASIA παλαμικού βάση δεδομένων εικόνας. Δακτυλικών αποτυπωμάτων βάση δεδομένων που χρησιμοποιείται στα πειράματά μας ήταν μια συλλογή των εικόνων των δακτυλικών αποτυπωμάτων που ελήφθησαν με UPEK σαρωτή δακτυλικών αποτυπωμάτων με χωρητική αισθητήρα και σύνδεση USB 2.0. Βάση δεδομένων είναι 16 δάχτυλα πλάτος και 8 εμφανίσεις ανά δάχτυλο βαθιά (συνολικά 128 δακτυλικά αποτυπώματα). . Άλλα βιομετρικά λεπτομέρειες είναι διαθέσιμες κατόπιν αιτήματος
Απαιτήσεις :
Matlab
Τα σχόλια δεν βρέθηκε