ทฤษฎีของตัวกรองความสัมพันธ์ขั้นสูงมีวิวัฒนาการมาจากวรรณกรรมของการจดจำรูปแบบออปติคอลในช่วงสองทศวรรษที่ผ่านมา; พวกเขาได้พิสูจน์แล้วว่ามีประสิทธิภาพในการแยกแยะจำนวนการใช้งานของพวกเขาได้รับการยอมรับไบโอเมตริกซ์และการรับรู้เป้าหมายอัตโนมัติ ความสัมพันธ์การออกแบบตัวกรองใช้โดเมนความเข้มของภาพตัวอย่างการฝึกอบรมในการคำนวณแม่แบบระดับที่ก่อให้เกิดความสัมพันธ์ที่เอาท์พุทลักษณะที่จะแยกแยะความแตกต่างระหว่างผู้ใช้จริงและปลอม เมื่อใช้ตัวกรองสำหรับการทดสอบความถูกต้องของภาพเป้าหมายใหม่ของเครื่องบินการส่งออกที่คาดว่าจะมีรูปร่างที่มีความสัมพันธ์สูงสุดหากภาพเป็นของแท้ แต่ไม่มียอดดังกล่าวหากภาพเป็นของชั้นอื่น คุณสมบัติของตัวกรองแยกแยะความสัมพันธ์รวมถึงการย่อยสลายสง่างาม, การเปลี่ยนแปลงและการแก้ปัญหาความไม่แปรเปลี่ยนปิดรูปแบบ.
รหัสได้รับการทดสอบการใช้ภาพที่ถ่ายด้วยลายนิ้วมือผู้อ่านลายนิ้วมือรูด UPEK มีเซ็นเซอร์ capacitive และ USB 2.0 เชื่อมต่อ ฐานข้อมูลเป็น 16 นิ้วกว้าง 8 นิ้วแสดงผลต่อลึก (128 ลายนิ้วมือในทุก) เราได้รับผลดังต่อไปนี้:
ระบุลายนิ้วมือ One-to-หลายใช้ 2 ภาพสำหรับแต่ละนิ้วสุ่มเลือกสำหรับการฝึกอบรมและที่เหลืออีก 6 ภาพสำหรับการทดสอบ (ทั้งหมด 32 ภาพสำหรับการฝึกอบรมและ 96 ภาพสำหรับการทดสอบ) โดยไม่ทับซ้อนใด ๆ ที่เราได้รับอัตราความผิดพลาดมีขนาดเล็กกว่า 0.6% (บนสุดอัตราความผิดพลาดอย่างใดอย่างหนึ่ง)
หนึ่งต่อหนึ่งการตรวจสอบลายนิ้วมือ: เราได้รับ EER เท่ากับ 5.6641%
ดัชนีคำ. Matlab แหล่งที่มา, รหัส, ความสัมพันธ์กรอง AFIS อัตโนมัติลายนิ้วมือบัตรประจำตัวระบบ
ต้องการ
Matlab
ความคิดเห็นที่ไม่พบ