Biyometrik sistemleri tanıma amaçlı, bireylerin fizyolojik veya davranışsal özelliklerin faydalanmak. Bu özellikler genellikle birkaç etkilenen parmak izi, el-geometri, yüz, ses, iris, retina, yürüyüşü, imza, avuç içi baskı, kulak, vb tanıma (yani, unimodal biyometrik sistemlere) için tek bir özelliği kullanmak Biyometrik sistemler dahil gürültülü sensör verileri, sigara evrensellik ve / veya biyometrik özellik, kabul edilemez bir hata oranlarının farklılığını eksikliği ve parodi saldırıları gibi pratik sorunlar. Multimodal biyometrik sistemler, farklı kaynaklardan elde edilen kanıtlar birleştirerek bu sorunların bazılarının üstesinden gelmek. Araştırmacılar modlu biyometri kullanımı unimodal biyometri üzerinde daha iyi performans sağlar kimlik olduğunu göstermiştir. Biyometrik füzyon görüntü düzeyi, özellik düzeyi, maç skoru düzeyinde, karar düzeyi ve rütbe düzeyinde yapılabilir.
Biz verimli parmak izi, iris ve PalmPrint tanıma birleştiren bir modelli biyometrik sistem geliştirdik. Çıkarılan özellikler birleştirilir ve bir final skoru sınıflandırma için hesaplanır. Kod Casia İris Görüntü Veritabanı Sürüm 1.0 ve Casia PalmPrint Görüntü Veritabanı ile test edilmiştir. Deneylerde kullanılan parmak izi veritabanı kapasitif sensör ve USB 2.0 bağlantı ile UPEK tokatlamak parmak izi okuyucu ile çekilen parmak izi görüntüleri koleksiyon oldu. Veritabanı genişliğinde 16 parmak ve parmak başına 8 gösterim derin (toplam 128 parmak izi) 'dir. . Diğer biyometrik yöntemler istek üzerine mevcuttur
Gereksinimler :
Matlab
Yorum Bulunamadı