Correlation Filters AFIS

Опис

Теорія вдосконалених кореляційних фільтрів розвинулася з літератури з оптичного розпізнавання образів за останні два десятиліття; вони виявилися ефективними класифікаторами в ряді застосувань, серед яких біометричне розпізнавання та автоматичне розпізнавання цілей. Конструкції кореляційних фільтрів використовують область інтенсивності зображення навчальних прикладів для обчислення шаблону класу, який виробляє характерні результати кореляції для розрізнення справжніх користувачів і самозванців. Під час застосування фільтра для перевірки автентичності нового цільового зображення очікується, що вихідна площина матиме форму, що містить кореляційний пік, якщо зображення автентичне, але не матиме такого піку, якщо зображення належить до іншого класу. Властивості класифікаторів кореляційних фільтрів включають витончену деградацію, інваріантність зсуву та рішення закритої форми.

Код перевірено за допомогою зображень відбитків пальців, зроблених за допомогою сканера відбитків пальців UPEK з ємнісним датчиком і підключенням USB 2.0. База даних має ширину 16 пальців і глибину 8 показів на палець (загалом 128 відбитків пальців). Ми отримали наступні результати:

Ідентифікація відбитків пальців "один до багатьох": використовуючи 2 зображення для кожного пальця, випадково вибрані для навчання, і решту 6 зображень для тестування (загалом 32 зображення для навчання та 96 зображень для тестування), без жодного накладання, ми отримали частоту помилок, меншу за 0,6% (найбільший рівень помилок).

Індивідуальна перевірка відбитків пальців: ми отримали EER, що дорівнює 5,6641%.

Індексні терміни: Matlab, джерело, код, кореляція, фільтри, AFIS, автоматизований, відбиток пальця, ідентифікація, система.