Correlation Filters AFIS

Descrizione

La teoria dei filtri di correlazione avanzati si è evoluta dalla letteratura sul riconoscimento di pattern ottici negli ultimi due decenni; si sono rivelati classificatori efficaci in numerose applicazioni, tra cui il riconoscimento biometrico e il riconoscimento automatico del bersaglio. I progetti di filtri di correlazione utilizzano il dominio dell'intensità dell'immagine degli esempi di addestramento per calcolare un modello di classe che produce output di correlazione caratteristici per distinguere tra utenti autentici e impostori. Quando si applica il filtro per testare l'autenticità di una nuova immagine di destinazione, il piano di output dovrebbe avere una forma contenente un picco di correlazione se l'immagine è autentica, ma non tale picco se l'immagine appartiene a un'altra classe. Le proprietà dei classificatori di filtri di correlazione includono la degradazione aggraziata, l'invarianza dello spostamento e le soluzioni in forma chiusa.

Il codice è stato testato utilizzando le immagini delle impronte digitali acquisite con un lettore di impronte digitali a scorrimento UPEK con sensore capacitivo e connessione USB 2.0. Il database è largo 16 dita e profondo 8 impronte per dito (128 impronte in tutto). Abbiamo ottenuto i seguenti risultati:

Identificazione dell'impronta digitale uno a molti: utilizzando 2 immagini per ogni dito selezionato casualmente per l'allenamento e le restanti 6 immagini per il test (in totale 32 immagini per l'allenamento e 96 immagini per il test), senza alcuna sovrapposizione, abbiamo ottenuto un tasso di errore inferiore a 0,6% (primo tasso di errore).

Verifica one-to-one dell'impronta digitale: abbiamo ottenuto un EER pari al 5,6641%.

Termini dell'indice: Matlab, sorgente, codice, correlazione, filtri, AFIS, automatizzato, impronta digitale, identificazione, sistema.