De theorie van geavanceerde correlatie filters is voortgekomen uit de literatuur van optische patroonherkenning in de laatste twee decennia; hun effecten classifiers gebleken in een aantal toepassingen, waaronder biometrische herkenning en automatische beeldherkenning. Correlatie filter ontwerpen gebruiken het beeld intensiteit domein van opleiding voorbeelden om een klasse template die kenmerkend correlatie uitgangen produceert om onderscheid te maken tussen echte gebruikers en bedriegers te berekenen. Bij de toepassing van het filter voor het testen van de authenticiteit afbeelding een nieuwe doelstelling van, wordt de output vliegtuig zal naar verwachting een vorm met daarin een correlatiepiek als de afbeelding is authentiek, maar geen dergelijke piek hebben als het beeld behoort tot een andere klasse. Eigenschappen van correlatie filter classificatoren omvatten degradatie, shift invariantie en gesloten vorm oplossingen.
De code is getest met behulp van vingerafdrukken genomen met een UPEK swipe vingerafdruklezer met capacitieve sensor en USB 2.0-aansluiting. Database is 16 vingers breed en 8 impressies per vinger diep (128 vingerafdrukken in totaal). We hebben de volgende resultaten verkregen:
Eén-op-veel-vingerafdruk identificatie: met behulp van 2 beelden voor elke vinger willekeurig geselecteerd voor de opleiding en de overige 6 foto's voor het testen (in totaal 32 beelden voor training en 96 beelden voor het testen), zonder enige overlapping, hebben wij een foutenpercentage kleiner dan 0,6% (top een error rate).
Eén-op-één vingerafdrukverificatie: wij een EER gelijk aan 5,6641% verkregen.
Index Voorwaarden:. Matlab, bron, code, correlatie, filters, AFIS, geautomatiseerde, vingerafdruk, identificatie, systeem
Eisen
Matlab
Reacties niet gevonden