Correlation Filters AFIS

Beschreiwung

D'Theorie vun fortgeschratt Korrelatioun Filtere huet aus der Literatur vun opteschen Muster Unerkennung an de leschten zwee Joerzéngten entwéckelt; si hunn effektiv Classeuren an enger Rei vun Uwendungen bewisen, dorënner biometresch Unerkennung an automatesch Zil Unerkennung. Korrelatiounsfilter Designs benotzen d'Bildintensitéit Domain vun Trainingsbeispiller fir eng Klasseschabloun ze berechnen déi charakteristesch Korrelatiounsausgaben produzéiert fir tëscht authentesche Benotzer an Impostoren z'ënnerscheeden. Wann Dir de Filter applizéiert fir d'Authentizitéit vun engem neien Zilbild ze testen, gëtt d'Ausgangsfläch erwaart eng Form ze hunn, déi e Korrelatiounspëtz enthält, wann d'Bild authentesch ass, awer keen esou Peak wann d'Bild zu enger anerer Klass gehéiert. D'Eegeschafte vu Korrelatiounsfilterklassifizéierer enthalen graziéis Degradatioun, Verschiebungsinvarianz a geschlossene Formléisungen.

De Code gouf getest mat Fangerofdrock Biller, déi mat engem UPEK Swipe Fangerofdrock Lieser mat capacitive Sensor an USB 2.0 Verbindung gemaach goufen. Datebank ass 16 Fanger breet an 8 Impressiounen pro Fanger déif (128 Fangerofdréck am Ganzen). Mir hunn déi folgend Resultater kritt:

Ee-zu-vill Fangerofdrock Identifikatioun: mat 2 Biller fir all Fanger zoufälleg fir Training ausgewielt an déi reschtlech 6 Biller fir Testen (total 32 Biller fir Training an 96 Biller fir Testen), ouni Iwwerlappung, hu mir e Feelerrate méi kleng wéi 0,6% (Top ee Feeler Taux).

Een-zu-een Fangerofdrock Verifizéierung: mir hunn en EER gläich wéi 5,6641% kritt.

Index Begrëffer: Matlab, Quell, Code, Korrelatioun, Filtere, AFIS, automatiséiert, Fangerofdrock, Identifikatioun, System.