Biometriska system utnyttjar de fysiologiska eller beteendemässiga egenskaper hos individer, för tolkningen. Dessa egenskaper inkluderar fingeravtryck, handgeometri, ansikte, röst, iris, näthinnan, gångart, signatur, palm print, öra, etc. Biometriska system som använder en enda egenskap för erkännande (dvs unimodala biometriska system) är ofta drabbade av flera praktiska problem som bullriga sensordata, icke-universalitet och / eller saknar särskiljningsförmåga i den biometriska egenskap, oacceptabla felprocent och spolat angrepp. Multimodala biometriska system övervinna några av dessa problem genom att konsolidera de bevis som erhållits från olika källor. Forskare har visat att användningen av multimodala biometri ger bättre autentisering prestanda över unimodala biometri. Biometrisk fusion kan utföras vid bildnivå, funktionsnivå, match poäng nivå, beslutsnivå, och rang nivå.
Vi har utvecklat ett multimodalt biometriska system som effektivt kombinerar fingeravtryck, iris och handflate erkännande. Extraherade funktioner kombineras och en slutpoäng beräknas för klassificering. Kod har testats med Casia Iris Image Database version 1.0 och Casia handflateavtryck Database. Fingerprint databas som används i våra experiment var en samling av fingeravtrycksbilder tagna med en UPEK svepa fingeravtrycksläsare med kapacitiv sensor och USB 2.0-anslutning. Databas är 16 fingrar bred och 8 visningar per finger djupt (totalt 128 fingeravtryck). . Andra biometriska metoder finns tillgängliga på begäran
Krav :
Matlab
Kommentarer hittades inte