В теории передовых корреляционных фильтров превратилась из литературы оптического распознавания в последние два десятилетия; они доказали эффективные классификаторы в ряде приложений, среди них биометрических распознавания и автоматического распознавания цели. Корреляция конструкции фильтр использовать домен интенсивности изображения обучающих примеров, чтобы вычислить шаблон класса, который производит характерные корреляции выходов различать подлинных пользователей и самозванцев. При применении фильтра для тестирования подлинности нового целевого изображения, выход самолет, как ожидается, имеют форму, содержащую пик корреляции, если изображение является подлинным, но не такой пик, если изображение относится к другому классу. Свойства корреляции фильтра классификаторов включают изящный деградации, переключения инвариантность и замкнутой форме решения.
Код был протестирован с помощью отпечатков пальцев изображения, снятые с УПЭК сканером отпечатков пальцев салфетки с емкостным датчиком и USB 2.0 подключения. База данных 16 пальцев в ширину и 8 показов в палец глубоко (128 отпечатки пальцев во всех). Мы получили следующие результаты:
Один-ко-многим идентификации по отпечаткам пальцев: с помощью 2 изображения для каждого пальца случайно выбранной для обучения и оставшиеся 6 изображений для тестирования (всего 32 изображений для подготовки и 96 изображений для тестирования), без каких-либо перекрытия, мы получили частота ошибок меньше, чем 0,6% (верхний уровень ошибок).
Один-к-одному проверка отпечатков пальцев: мы получили EER, равный 5.6641%.
Указатель Условия:. Matlab, источник, код, корреляция, фильтры, АДИС, автоматизированная, отпечатков пальцев, идентификация, система
Требования
Matlab
Комментарии не найдены