Multimodale biometrische erkenning Get Matlab-broncode om de biometrische eigenschappen van individuen te herkennen.
Download nu

Multimodale biometrische erkenning Rangschikking & Samenvatting

Multimodale biometrische erkenning Tags

Multimodale biometrische erkenning Beschrijving

Biometrische systemen maken gebruik van de fysiologische of gedragskenmerken van individuen, voor herkenningsdoeleinden. Deze eigenschappen omvatten vingerafdrukken, hand-geometrie, gezicht, stem, iris, netvlies, gang, handtekening, palm-print, oor, enz. Biometrische systemen die een enkele eigenschap voor erkenning gebruiken (dwz unimodale biometrische systemen) worden vaak door verschillende Praktische problemen zoals luidruchtige sensorgegevens, niet-universaliteit en / of gebrek aan onderscheidend vermogen van de biometrische eigenschap, onaanvaardbare foutenpercentages en spoof aanvallen. Multimodale biometrische systemen overwinnen sommige van deze problemen door het bewijsmateriaal van verschillende bronnen te consolideren. Onderzoekers hebben aangetoond dat het gebruik van multimodale biometrie betere authenticatieprestaties biedt over unimodale biometrie. Biometrische fusie kan worden uitgevoerd op beeldniveau, functie niveau, match score niveau, beslissingsniveau en rangniveau. We hebben een multimodaal biometrisch systeem ontwikkeld dat een efficiënte vingerafdruk, iris en palmprintherkenning combineert. Geëxtraheerde functies worden gecombineerd en een eindscore wordt berekend voor classificatie. Code is getest met Casia Iris Image Database versie 1.0 en Casia Palmprint Image-database. Vingerafdrukdatabase die in onze experimenten wordt gebruikt, was een verzameling van vingerafdrukafbeeldingen die zijn gemaakt met een UPEK-swipe vingerafdruklezer met capacitieve sensor en USB 2.0-verbinding. Database is 16 vingers breed en 8 vertoningen per vinger diep (totaal 128 vingerafdrukken). Andere biometrische modaliteiten zijn op aanvraag beschikbaar.

Multimodale biometrische erkenning Gerelateerde software