Biometrische systemen maken gebruik van de fysiologische of gedragskenmerken van personen, met het oog op erkenning. Deze eigenschappen zijn onder andere vingerafdrukken, hand-geometrie, gezicht, stem, iris, retina, gait, handtekening, palm-print, oor, enz. Biometrische systemen die een enkele eigenschap te gebruiken voor erkenning (dwz, unimodaal biometrische systemen) worden vaak beïnvloed door verschillende praktische problemen zoals luidruchtige sensor data, niet-universaliteit en / of het ontbreken van onderscheidend vermogen van het biometrisch kenmerk, onaanvaardbaar foutenpercentages en spoof aanvallen. Multimodale biometrische systemen te overwinnen een aantal van deze problemen door het consolideren van de gegevens uit verschillende bronnen bewijs. Onderzoekers hebben aangetoond dat het gebruik van multimodale biometrie levert betere verificatie prestaties over unimodale biometrie. Biometrische fusie kan worden uitgevoerd op het niveau, functieniveau, gelijke stand gelijk, beslissingsniveau en rang niveau.
We hebben een multimodaal biometrisch systeem dat efficiënt combineert vingerafdruk, iris en handpalmafdrukopdracht erkenning ontwikkeld. Uitgepakte functies worden gecombineerd en een eindscore wordt berekend voor de indeling. Code is getest met CASIA Iris Image Database Versie 1.0 en CASIA Palmprint Image Database. Vingerafdruk database die wordt gebruikt in onze experimenten was een verzameling van vingerafdrukken zijn 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 (in totaal 128 vingerafdrukken). . Andere biometrische modaliteiten zijn beschikbaar op aanvraag
Eisen
Matlab
Reacties niet gevonden