teoria zaawansowanych filtrów korelacji ewoluowała od literatury optycznego rozpoznawania obrazów w ciągu ostatnich dwóch dekad; okazały się one skuteczne klasyfikatorów w wielu zastosowaniach, wśród nich biometrycznego rozpoznawania i automatycznego rozpoznawania docelowej. Typy filtrów Korelacja użyć domeny intensywności obrazu przykładów szkoleniowych obliczyć szablonu klasy, która wytwarza charakterystyczne wyjść korelacji odróżnić autentycznych użytkowników i oszustów. Po zastosowaniu filtra do badania autentyczności nowego obrazu docelowego, oczekuje się, że samolot wyjście mieć kształt zawierający maksimum korelacji, jeżeli obraz jest autentyczny, ale nie ma takiego szczytu, jeśli obraz należy do innej klasy. Właściwości klasyfikatorów filtrów korelacji to wdzięku degradacji, shift niezmienność i rozwiązań zamkniętych formularza.
Kod został przetestowany za pomocą odcisków palców podjęte z machnięcia czytnik linii papilarnych UPEK z czujnika pojemnościowego i połączenie USB 2.0. Baza danych to 16 i 8 szerokości palców odciski na palec głęboko (128 odcisków palców w ogóle). Otrzymaliśmy następujące rezultaty:
Jeden-do-wielu identyfikacji linii papilarnych: za pomocą dwóch obrazów dla każdego palca losowo wybranego szkolenia, a pozostałe 6 zdjęć do testów (w sumie 32 zdjęć i 96 dla szkoleń obrazów do testów), bez nakładania, uzyskaliśmy poziom błędu mniejszy niż 0,6% (górny poziom błędu).
Jeden-do-jednego weryfikacji linii papilarnych: my uzyskali równą 5,6641 EER%.
Regulamin Indeks:. Matlab, źródło, kod, korelacji, filtry, AFIS, zautomatyzowane, linii papilarnych, identyfikacyjne, system
Wymagania :
Matlab
Komentarze nie znaleziono