تئوری فیلتر همبستگی پیشرفته از ادبیات به رسمیت شناختن الگوی نوری در دو دهه گذشته تکامل یافته. آنها طبقه موثر در تعدادی از برنامه های کاربردی، در میان آنها به رسمیت شناختن بیومتریک و تشخیص هدف اتوماتیک به اثبات رسانده اند. طرح فیلتر همبستگی استفاده از دامنه شدت تصویر از نمونه های آموزش برای محاسبه یک قالب کلاس که تولید خروجی همبستگی مشخصه برای تمایز بین کاربران معتبر و شبه. هنگامی که استفاده از فیلتر برای تست صحت یک تصویر هدف جدید، هواپیما خروجی انتظار می رود به یک شکل حاوی اوج همبستگی اگر تصویر معتبر است، اما چنین اوج اگر تصویر متعلق به کلاس دیگری. خواص طبقه فیلتر همبستگی عبارتند از افت شدید، تغییر ناپذیری از SHIFT و راه حل های بسته شکل.
کد با استفاده از تصاویر اثر انگشت گرفته شده با کش رفتن اثر انگشت خوان UPEK با سنسور خازنی و USB 2.0 اتصال آزمایش شده است. بانک اطلاعات 16 انگشت گسترده و 8 برداشت در هر انگشت عمیق (128 اثر انگشت در تمام) است. ما نتایج زیر به دست آمده:
یکی به بسیاری از شناسایی اثر انگشت: با استفاده از 2 تصاویر برای هر انگشت به طور تصادفی برای آموزش انتخاب و 6 تصاویر باقی مانده برای آزمایش (کاملا 32 تصاویر برای آموزش و 96 تصاویر برای تست)، بدون هیچ گونه تداخل دارند، ما میزان خطا کوچکتر از به دست آمده 0.6٪ (یک بالا نرخ خطا).
یکبهیک تایید اثر انگشت: ما EER به 5.6641٪ برابر به دست آمده.
صفحه اول واژه ها:. نرم افزار Matlab، منبع، کد، همبستگی، فیلتر، AFIS، خودکار، اثر انگشت، شناسایی، سیستم
مورد نیاز:
نرم افزار Matlab
نظر یافت نشد