در سیستم های بیومتریک استفاده از صفات فیزیولوژیکی و یا رفتاری از افراد، برای مقاصد شناسایی. این صفات عبارتند از اثر انگشت، دست هندسه، صورت، صدا، عنبیه، شبکیه چشم، راه رفتن، امضا، نخل چاپ، گوش، و غیره سیستم های بیومتریک که با استفاده از یک صفت تنها برای به رسمیت شناختن (به عنوان مثال، سیستم های بیومتریک unimodal) اغلب توسط چند تحت تاثیر قرار مشکلات عملی مانند داده های پر سر و صدا سنسور، غیر جهانشمولی و / یا عدم تمایز از صفت های بیومتریک، نرخ خطا غیر قابل قبول، و حملات حقه بازی. سیستم های بیومتریک ملتمدل غلبه بر برخی از این مشکلات توسط تحکیم شواهد به دست آمده از منابع مختلف. محققان نشان داده اند که استفاده از بیومتریک چند فراهم می کند عملکرد بهتر و خروج بیش از بیومتریک unimodal. همجوشی بیومتریک را می توان در سطح تصویر، سطح ویژگی، سطح نمره بازی، سطح تصمیم گیری، و سطح رتبه انجام می شود.
ما را توسعه داده اند یک سیستم بیومتریک چند که موثر ترکیبی از اثر انگشت، عنبیه و به رسمیت شناختن palmprint. ویژگی های استخراج شده ترکیب و نمره نهایی برای طبقه بندی محاسبه می شود. کد شده است با CASIA جنس زنبق و سوسن بانک اطلاعات تصویر نسخه 1.0 و CASIA Palmprint بانک اطلاعات تصویر را آزمایش کردند. پایگاه داده اثر انگشت مورد استفاده در آزمایش های ما مجموعه ای از تصاویر اثر انگشت گرفته شده با کش رفتن اثر انگشت خوان UPEK با سنسور خازنی و USB 2.0 اتصال بود. بانک اطلاعات 16 انگشت گسترده و 8 برداشت در هر انگشت عمیق (کاملا 128 اثر انگشت) است. دیگر روش های بیومتریک در دسترس هستند در صورت درخواست
مورد نیاز:.
نرم افزار Matlab
نظر یافت نشد