Correlation Filters AFIS

Beskrivelse

Teorien om avancerede korrelationsfiltre har udviklet sig fra litteraturen om optisk mønstergenkendelse i de sidste to årtier; de har vist sig at være effektive klassifikatorer i en række applikationer, blandt dem biometrisk genkendelse og automatisk målgenkendelse. Korrelationsfilterdesigns bruger billedintensitetsdomænet for træningseksempler til at beregne en klasseskabelon, der producerer karakteristiske korrelationsoutput for at skelne mellem autentiske brugere og bedragere. Når filteret anvendes til at teste ægtheden af ​​et nyt målbillede, forventes outputplanet at have en form, der indeholder en korrelationstop, hvis billedet er autentisk, men ingen sådan top, hvis billedet tilhører en anden klasse. Egenskaber for korrelationsfilterklassifikatorer omfatter yndefuld nedbrydning, skiftinvarians og lukkede løsninger.

Koden er blevet testet ved hjælp af fingeraftryksbilleder taget med en UPEK swipe fingeraftrykslæser med kapacitiv sensor og USB 2.0-forbindelse. Databasen er 16 fingre bred og 8 aftryk pr. finger dyb (128 fingeraftryk i alt). Vi har opnået følgende resultater:

Et-til-mange fingeraftryksidentifikation: ved at bruge 2 billeder for hver finger tilfældigt udvalgt til træning og de resterende 6 billeder til test (i alt 32 billeder til træning og 96 billeder til test), uden nogen overlapning, har vi opnået en fejlrate mindre end 0,6 % (den øverste fejlrate).

Én-til-én fingeraftryksbekræftelse: vi har opnået en EER svarende til 5,6641%.

Indeksvilkår: Matlab, kilde, kode, korrelation, filtre, AFIS, automatiseret, fingeraftryk, identifikation, system.