| نسخه | 1.0 |
|---|---|
| ناشر | Luigi Rosa |
| تاریخ انتشار | ۲۱ نوامبر ۲۰۱۲ |
| تاریخ اضافه شده | ۲۱ نوامبر ۲۰۱۲ |
| الزامات سیستم عامل | Windows 2003, Windows Vista, Windows 98, Windows Me, Windows, Windows NT, Windows 2000, Windows 8, Windows Server 2008, Windows 7, Windows XP |
| الزامات | Matlab |
| کل بارگیری ها | ۱۲۶ |
| قیمت | Free |
شرح
تئوری فیلترهای همبستگی پیشرفته از ادبیات تشخیص الگوی نوری در دو دهه گذشته تکامل یافته است. آنها طبقهبندیکنندههای مؤثری را در تعدادی از کاربردها ثابت کردهاند، از جمله شناسایی بیومتریک و تشخیص خودکار هدف. طرحهای فیلتر همبستگی از دامنه شدت تصویر نمونههای آموزشی برای محاسبه یک الگوی کلاسی استفاده میکنند که خروجیهای همبستگی مشخصهای را برای تمایز بین کاربران معتبر و فریبکاران تولید میکند. هنگام اعمال فیلتر برای آزمایش اصالت یک تصویر هدف جدید، انتظار می رود صفحه خروجی دارای شکلی باشد که حاوی یک پیک همبستگی باشد، اگر تصویر معتبر باشد، اما اگر تصویر متعلق به کلاس دیگری باشد، چنین قله ای وجود ندارد. ویژگیهای طبقهبندیکننده فیلتر همبستگی شامل تخریب برازنده، تغییر ناپذیری شیفت و راهحلهای شکل بسته است.
این کد با استفاده از تصاویر اثر انگشت گرفته شده با اثر انگشت خوان UPEK با حسگر خازنی و اتصال USB 2.0 آزمایش شده است. پایگاه داده 16 انگشت عرض و 8 برداشت در هر انگشت عمق دارد (در مجموع 128 اثر انگشت). ما نتایج زیر را به دست آورده ایم:
شناسایی اثر انگشت یک به چند: با استفاده از 2 تصویر برای هر انگشت که به طور تصادفی برای آموزش انتخاب شده و 6 تصویر باقی مانده برای آزمایش (در مجموع 32 تصویر برای آموزش و 96 تصویر برای آزمایش)، بدون هیچ تداخلی، ضریب خطای کمتری به دست آورده ایم. 0.6٪ (نرخ خطای اول).
تأیید اثر انگشت یک به یک: ما یک EER برابر با 5.6641٪ به دست آورده ایم.
اصطلاحات فهرست: Matlab، منبع، کد، همبستگی، فیلترها، AFIS، خودکار، اثر انگشت، شناسایی، سیستم.
