Teoria filtre avansate de corelație a evoluat de la literatura de recunoaștere a formelor optic în ultimele două decenii; ei s-au dovedit eficiente în clasificatoare un număr de aplicații, printre care recunoaștere biometrică și recunoaștere țintă automat. Modele de filtrare Corelația utilizare a domeniului de intensitate a imaginii de exemple de instruire pentru a calcula un șablon de clasă care produce ieșiri de corespondență caracteristice să se facă distincția între utilizatorii autentice și impostori. Atunci când se aplică filtrul pentru testarea autenticitatea unei noi imagini țintă, planul de ieșire este de așteptat să aibă o formă care conține un vârf corelație dacă imaginea este autentic, dar nu astfel de vârf în cazul în care imaginea aparține unui alt clasă. Proprietățile filtrul de corespondență clasificatori includ degradare, schimbare invarianta și soluții formă închisă.
Codul a fost testat folosind imagini de amprente digitale luate cu o UPEK bețivan cititor de amprente cu senzor capacitiv și conectare USB 2.0. Baza de date este de 16 degete lățime și 8 afișări pe deget adânc (128 amprente în total). Am obtinut urmatoarele rezultate:
One-to-many identificare a amprentelor digitale: folosind 2 imagini pentru fiecare deget selectate aleatoriu pentru formarea și 6 imagini rămase pentru testare (total 32 de imagini de instruire si 96 de imagini de testare), fără nici o suprapunere, am obținut o rată de eroare mai mică de 0,6% (de sus o rata de eroare).
One-la-unu verificare amprentă: am obținut o CSE egală cu 5.6641%.
Index Termeni:. Matlab, sursă, cod, de corelare, filtre, AFIS, automate de amprente digitale, de identificare, de sistem,
Cerințe :
Matlab
Comentariile nu a fost găsit