Ang teorya ng mga advanced na filter ugnayan umunlad mula sa panitikan ng optical pagkilala sa pattern sa nakaraang dalawang dekada; na di-napatutunayang sila epektibong classifiers sa isang bilang ng mga aplikasyon, kasama ng mga ito biometric pagkilala at awtomatikong target na pagkilala. Disenyo ugnayan filter gamitin ang domain intensity larawan ng mga halimbawa ng pagsasanay upang makalkula ang isang template ng klase na gumagawa ng katangi-ugnayan sa mga output sa makilala sa pagitan ng tunay na mga gumagamit at impostors. Kapag inilalapat ang mga filter para sa pagsubok ng pagiging tunay ng isang bagong target na imahe, ang output ng eroplano ay inaasahang magkaroon ng isang hugis na naglalaman ng isang ugnayan peak kung ang larawan ay tunay na, ngunit walang tulad peak kung ang larawan ay kabilang sa isa pang klase. Mga katangian ng ugnayan classifiers filter isama kaaya-aya marawal na kalagayan, shift invariance at mga solusyon closed-form na ito.
Ang code ay sinubukan paggamit ng mga larawan fingerprint na kinunan gamit ang isang UPEK mag-swipe fingerprint reader na may capacitive sensor at USB 2.0 koneksyon. Database ay 16 daliri ang lapad at 8 mga impression sa bawat daliri malalim (128 fingerprint sa lahat). Nakuha namin ang mga sumusunod na resulta:
Isa-sa-marami na fingerprint identification: gamit ang 2 larawan para sa bawat daliri random na piniling para sa pagsasanay at ang mga natitirang 6 na mga larawan para sa pagsubok (lahat-lahat 32 mga larawan para sa pagsasanay at 96 mga larawan para sa pagsubok), nang walang anumang o-overlap, nakuha namin ang isang error rate na mas maliit sa 0.6% (sa tuktok ng isang error rate).
Isa-sa-isang pag-verify fingerprint: nakuha namin ang isang EER katumbas ng 5.6641%.
Mga Tuntunin Index:. MATLAB, pinagmulan, code, ugnayan, filter, AFIS, awtomatikong, fingerprint, pagkilala, sistema
Mga Kinakailangan :
MATLAB
Mga Komento hindi natagpuan