Pengenalan biometrik multimodal. Dapatkan kode sumber matlab untuk mengenali sifat biometrik individu.
Unduh sekarang

Pengenalan biometrik multimodal. Peringkat & Ringkasan

Pengenalan biometrik multimodal. Tag

Pengenalan biometrik multimodal. Keterangan

Sistem biometrik memanfaatkan ciri-ciri fisiologis atau perilaku individu, untuk keperluan pengakuan. Ciri-ciri ini termasuk sidik jari, geometri tangan, wajah, suara, iris, retina, gaya berjalan, tanda tangan, telapak tangan, telinga, dll. Sistem biometrik yang menggunakan satu sifat untuk pengenalan (yaitu, sistem biometrik unimodal) sering dipengaruhi oleh beberapa orang. Masalah praktis seperti data sensor bising, non-universalitas dan / atau kurangnya kekhasan sifat biometrik, tingkat kesalahan yang tidak dapat diterima, dan serangan spoof. Sistem biometrik multimodal mengatasi beberapa masalah ini dengan mengkonsolidasikan bukti yang diperoleh dari berbagai sumber. Para peneliti telah menunjukkan bahwa penggunaan biometrik multimodal memberikan kinerja otentikasi yang lebih baik melalui biometrik unimodal. Fusi biometrik dapat dilakukan pada tingkat gambar, level fitur, tingkat skor pertandingan, tingkat keputusan, dan tingkat peringkat. Kami telah mengembangkan sistem biometrik multimodal yang secara efisien menggabungkan sidik jari, iris, dan pengenalan palmprint. Fitur yang diekstraksi digabungkan dan skor akhir dihitung untuk klasifikasi. Kode telah diuji dengan Basis Data Gambar CASIA IRIS versi 1.0 dan CASIA Palmprint Image Batal. Basis data sidik jari yang digunakan dalam eksperimen kami adalah kumpulan gambar sidik jari yang diambil dengan pembaca sidik jari gesek UPEK dengan sensor kapasitif dan koneksi USB 2.0. Database adalah 16 jari lebar dan 8 tayangan per jari dalam (benar-benar 128 sidik jari). Modalitas biometrik lainnya tersedia berdasarkan permintaan.

Pengenalan biometrik multimodal. Perangkat Lunak Terkait