Biometrische Systeme nutzen die physiologische oder Verhaltensmerkmale von Einzelpersonen, für Erkennungszwecke. Diese Eigenschaften sind Fingerabdrücke, Handgeometrie, Gesicht, Stimme, Iris, Netzhaut, Gang, Unterschrift, Palmen-Print, Ohr usw. Biometrische Systeme, die ein einzelnes Merkmal für die Anerkennung (dh unimodal biometrische Systeme) verwenden, werden oft von mehreren betroffenen praktische Probleme wie laute Sensordaten, nicht-Universalität und / oder fehlende Unterscheidungskraft des biometrischen Merkmals, inakzeptable Fehlerraten und Spoof-Attacken. Multimodale biometrische Systeme zu überwinden einige dieser Probleme durch Konsolidierung der aus verschiedenen Quellen erlangten Beweismittel. Forscher haben gezeigt, dass die Verwendung von multimodalen Biometrik bessere Authentifizierung Leistung über unimodal Biometrie. Biometric Fusion können Bildebene der Leistungsstufe, Spiel Schuss, Entscheidungsebene und Rangstufe durchgeführt werden.
Wir haben eine multimodale biometrische System, das effizient verbindet Fingerabdruck-, Iris- und Handflächenabdruckerkennung entwickelt. Heraus Funktionen kombiniert und ein Endergebnis wird für die Klassifizierung berechnet. Code mit CASIA Iris Bilddatenbank Version 1.0 und CASIA Palmprint Bilddatenbank getestet. Fingerabdruck-Datenbank in unseren Experimenten verwendet wurde, war eine Sammlung von Fingerabdrücken mit einem Swipe UPEK Fingerabdruck-Lesegerät mit kapazitiver Sensor und USB 2.0-Anschluss übernommen. Datenbank ist 16 Finger breit und 8 Impressions pro Finger tief (total 128 Fingerabdrücke). . Andere biometrische Modalitäten erhalten Sie auf Anfrage
Anforderungen :
Matlab
Kommentare nicht gefunden