teoria kehittynyt korrelaatiosuotimia on kehittynyt kirjallisuuden optisten hahmontunnistus viimeisten kahden vuosikymmenen aikana; ne ovat osoittautuneet tehokkaiksi luokittelijoiden hakemusten määrä, heidän joukossaan biometrinen tunnistaminen ja automaattinen kohteen tunnistuksen. Korrelaatio suodatin malleja käyttää kuvaa intensiteetin verkkotunnuksen koulutusta esimerkkejä laskea luokan malli, joka tuottaa ominaisuus korrelaatioulostuloja erottaa aitoja käyttäjiä ja petturit. Hakiessaan suodatin testaamiseen aitouden uusi tavoite kuvan, lähtö kone odotetaan muoto, joka sisältää korrelaatiohuipun jos kuva on aito, mutta ei tällaista huippu, jos kuva kuuluu toiseen luokkaan. Ominaisuudet korrelaatiosuotimen luokittelijoita kuuluvat siro hajoaminen, shift invariance ja suljetun muodon ratkaisut.
Koodi on testattu sormenjälki otettujen kuvien UPEK pyyhkäisemällä sormenjälkitunnistin kapasitiivinen anturi ja USB 2.0 -liitäntä. Tietokanta on 16 sormea leveä ja 8 näyttökertaa sormi syvälle (128 sormenjäljet kaikissa). Olemme saaneet seuraavat tulokset:
Yksi-moneen sormenjälki tunnistus: käyttämällä 2 kuvia kunkin sormen satunnaisesti valittu koulutukseen ja loput 6 kuvaa testausta (täysin 32 kuvaa koulutusta ja 96 kuvia testausta), ilman päällekkäisyyksiä, olemme saaneet virheprosentti pienempi kuin 0,6% (ylin virheprosentti).
One-to-one sormitunnistus: olemme saaneet EER vastaa 5,6641%.
Asiasanat: Matlab, lähde, koodi, korrelaatio, suodattimet, AFIS, automatisoitu, sormenjälki, tunnistaminen, järjestelmä.
Vaatimukset :
Matlab
Kommentteja ei löytynyt