Теорията за напреднали корелационни филтри еволюира от литературата на оптично разпознаване на образи в последните две десетилетия; те се оказаха ефективни класификатори в редица приложения, сред тях биометрични признаване и автоматично разпознаване на мишена. Съотношение филтърна конструкция използват домейна интензивност образ на примери за обучение, за да се изчисли шаблон клас, който произвежда характерни корелационни изходи да се прави разлика между автентичните потребители и измамници. При прилагането на филтъра за проверка на автентичността на новата цел на изображението, изходната равнина се очаква да имат форма, съдържащ пик на съответствието, ако изображението е автентичен, но няма такъв пик, ако изображението принадлежи на друг клас. Имоти на корелационните филтърни класификатори включват постепенно влошаване, инвариантност на смени и затворена форма решения.
Кодът е тествана с помощта на изображения на пръстови отпечатъци, взети с UPEK неточен удар четец на пръстови отпечатъци с капацитивен сензор и USB 2.0 връзка. База данни е 16 пръста широки и 8 импресии на пръста дълбока (128 пръстови отпечатъци общо). В момента са получили следните резултати:
One-към-много идентификация на пръстови отпечатъци: с помощта на 2 снимки за всеки пръст случайно избрана за обучение и останалите 6 изображения за тестване (общо 32 изображения за обучение и 96 снимки за изпитване), без да се припокриват, ние сме получили процент на грешка по-малка от 0.6% (горе един процент на грешки).
Едно към едно проверка на пръстови отпечатъци: ние станахме и EER, равна на 5,6641%.
Индекс Условия:. Matlab, източник, код, корелационни, филтри, AFIS, автоматизирани, пръстови отпечатъци, за идентификация, система
<силни> Изисквания :
Matlab
Коментари не е намерена