Correlation Filters AFIS

Opis

Teoria zaawansowanych filtrów korelacyjnych rozwinęła się z literatury dotyczącej rozpoznawania wzorców optycznych w ciągu ostatnich dwóch dekad; okazały się skutecznymi klasyfikatorami w wielu zastosowaniach, między innymi w rozpoznawaniu biometrycznym i automatycznym rozpoznawaniu celu. Projekty filtrów korelacji wykorzystują domenę intensywności obrazu przykładów szkoleniowych do obliczenia szablonu klasy, który generuje charakterystyczne wyniki korelacji w celu rozróżnienia między autentycznymi użytkownikami a oszustami. Przy stosowaniu filtra do testowania autentyczności nowego obrazu docelowego oczekuje się, że płaszczyzna wyjściowa będzie miała kształt zawierający szczyt korelacji, jeśli obraz jest autentyczny, ale nie ma takiego szczytu, jeśli obraz należy do innej klasy. Właściwości klasyfikatorów filtrów korelacyjnych obejmują łagodną degradację, niezmienność przesunięcia i rozwiązania w postaci zamkniętej.

Kod został przetestowany przy użyciu odcisków palców wykonanych za pomocą czytnika linii papilarnych UPEK z czujnikiem pojemnościowym i złączem USB 2.0. Baza danych ma szerokość 16 palców i głębokość 8 odcisków na palec (w sumie 128 odcisków palców). Uzyskaliśmy następujące wyniki:

Identyfikacja odcisków palców jeden-do-wielu: używając 2 obrazów dla każdego palca losowo wybranego do treningu i pozostałych 6 obrazów do testów (łącznie 32 obrazy do treningu i 96 obrazów do testowania), bez nakładania się, uzyskaliśmy wskaźnik błędu mniejszy niż 0,6% (najwyższy wskaźnik błędów).

Weryfikacja odcisku palca jeden do jednego: uzyskaliśmy EER równy 5,6641%.

Pojęcia indeksowe: Matlab, źródło, kod, korelacja, filtry, AFIS, automatyczny, odcisk palca, identyfikacja, system.