Биометрични системи да се възползват от физиологични или поведенчески черти на частни лица, за целите на признаване. Тези черти включват пръстови отпечатъци, ръчно геометрия, лице, глас, ирис, ретина, походка, подпис, палмово-печат, ушите и др Биометрични системи, които използват един-единствен признак за признаване (т.е. unimodal биометрични системи) често се влияе от няколко практически проблеми като шумни сензорни данни, които не са универсалност и / или липса на отличителен характер на биометрична характеристика, неприемливи нива на грешки, и мамене атаки. Мултимодален биометрични системи преодоляване на някои от тези проблеми чрез консолидиране на доказателствата, събрани от различни източници. Изследователите са показали, че използването на мултимодални биометрия осигурява по-добра производителност удостоверяване над unimodal биометрични данни. Биометрични фюжън може да се извършва на ниво изображение, ниво функция, мач нивото на резултат, нивото на решения, както и ниво на магията.
Ние сме разработили мултимодална биометрична система, която ефективно съчетава пръстови отпечатъци, ирис и признаване palmprint. Извлечените функции са комбинирани и краен резултат се изчислява за класификация. Code е тестван с CASIA Iris Image Database Версия 1.0 и CASIA Palmprint Image Database. Fingerprint база данни, използвана в нашите експерименти е колекция от 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 дълбоки (общо 128 пръстови отпечатъци). . Други биометрични модалности са на разположение при поискване
<силни> Изисквания :
Matlab
Коментари не е намерена