Correlation Filters AFIS

Описание

Теорията на усъвършенстваните корелационни филтри еволюира от литературата за оптично разпознаване на образи през последните две десетилетия; те са се доказали като ефективни класификатори в редица приложения, сред които биометрично разпознаване и автоматично разпознаване на цели. Дизайнът на корелационни филтри използва домейна на интензитета на изображението на примерите за обучение, за да изчисли шаблон на клас, който произвежда характерни корелационни изходи, за да се направи разлика между автентични потребители и самозванци. Когато прилагате филтъра за тестване на автентичността на ново целево изображение, изходната равнина се очаква да има форма, съдържаща корелационен пик, ако изображението е автентично, но няма такъв пик, ако изображението принадлежи към друг клас. Свойствата на класификаторите на корелационни филтри включват грациозна деградация, инвариантност на смяната и решения в затворена форма.

Кодът е тестван с помощта на изображения на пръстови отпечатъци, направени с четец на пръстови отпечатъци с плъзгане UPEK с капацитивен сензор и USB 2.0 връзка. Базата данни е широка 16 пръста и дълбока 8 импресии на пръст (общо 128 пръстови отпечатъка). Получихме следните резултати:

Идентификация на пръстови отпечатъци "един към много": използвайки 2 изображения за всеки пръст, произволно избрани за обучение, и останалите 6 изображения за тестване (общо 32 изображения за обучение и 96 изображения за тестване), без никакво припокриване, получихме процент грешки, по-малък от 0,6% (най-висок процент грешки).

Проверка на пръстови отпечатъци едно към едно: получихме EER, равен на 5,6641%.

Термини на индекса: Matlab, източник, код, корелация, филтри, AFIS, автоматизиран, пръстов отпечатък, идентификация, система.