Teori filter korelasi canggih telah berkembang dari literatur pengenalan pola optik dalam dua dekade terakhir; mereka telah terbukti efektif dalam pengklasifikasi sejumlah aplikasi, di antaranya pengakuan biometrik dan pengenalan target otomatis. Desain penyaring Korelasi menggunakan domain intensitas citra contoh pelatihan untuk menghitung kelas template yang menghasilkan output korelasi karakteristik untuk membedakan antara pengguna otentik dan penipu. Ketika menerapkan filter untuk menguji keaslian gambar target baru, pesawat output diharapkan memiliki bentuk yang mengandung puncak korelasi jika gambar itu asli, tetapi tidak ada puncak seperti jika gambar milik kelas lain. Sifat korelasi pengklasifikasi penyaring termasuk degradasi anggun, pergeseran invarian dan bentuk tertutup solusi.
Kode telah diuji dengan menggunakan gambar sidik jari yang diambil dengan pembaca sidik jari menggesek UPEK dengan sensor kapasitif dan koneksi USB 2.0. Database 16 jari lebar dan 8 tayangan per jari dalam (128 sidik jari dalam semua). Kami telah memperoleh hasil berikut:
Satu-ke-banyak identifikasi sidik jari: menggunakan 2 gambar untuk masing-masing jari secara acak dipilih untuk pelatihan dan 6 gambar yang tersisa untuk pengujian (total 32 gambar untuk pelatihan dan 96 gambar untuk pengujian), tanpa tumpang tindih, kami telah memperoleh tingkat kesalahan lebih kecil dari 0,6% (satu atas tingkat kesalahan).
Satu-ke-satu verifikasi sidik jari: kami telah memperoleh EER sebesar 5,6641%.
Indeks Persyaratan:. Matlab, sumber, kode, korelasi, filter, AFIS, otomatis, sidik jari, identifikasi, sistem
Persyaratan :
Matlab
Komentar tidak ditemukan