Die teorie van gevorderde korrelasie filters het ontstaan uit die literatuur van optiese patroon erkenning in die laaste twee dekades; hulle het effektiewe klassifiseerders bewys in 'n aantal van die aansoeke, onder hulle biometriese erkenning en outomatiese teiken erkenning. Korrelasie filter ontwerpe gebruik die beeld intensiteit domein van opleiding voorbeelde 'n klas sjabloon wat produseer kenmerkende korrelasie uitsette te onderskei tussen outentieke gebruikers en bedrieërs te bereken. Wanneer die toepassing van die filter vir die toets van die egtheid van 'n nuwe teiken beeld, is die uitset vlak verwag om 'n vorm wat 'n korrelasie piek as die beeld is outentieke, maar geen sodanige piek te hê as die beeld behoort aan 'n ander klas. Eienskappe van korrelasie filter klassifiseerders sluit grasieuse agteruitgang, verskuiwing invariansie en geslote-vorm oplossings.
Die kode is getoets met behulp van vingerafdruk beelde geneem met 'n UPEK swipe vingerafdruk-leser met kapasitiewe sensor en USB 2.0 verbinding. Databasis is 16 vingers wyd en 8 indrukke per vinger diep (128 vingerafdrukke in al). Ons het die volgende resultate verkry:
Een-tot-baie-vingerafdruk identifikasie: die gebruik van 2 beelde vir elke vinger wat lukraak gekies is vir die opleiding en die oorblywende 6 beelde vir die toets (heeltemal 32 beelde vir opleiding en 96 beelde vir die toets), sonder enige oorvleueling, het ons 'n fout koers kleiner as verkry 0.6% (boonste een fout persentasie).
Een-tot-een-vingerafdruk-verifikasie: ons het 'n EER gelyk aan 5,6641% behaal het.
Indeks Terme:. Matlab, bron, kode, korrelasie, filters, AFIS, outomatiese, vingerafdruk, identifikasie, stelsel
Vereistes :
Matlab
Kommentaar nie gevind