pažangių koreliacijos filtrų teorija vystėsi nuo optinio atpažinimo per pastaruosius du dešimtmečius literatūros; jie pasirodė veiksmingas klasifikatorius į paraiškų, tarp jų biometriniai atpažinimo ir Automatinis taikinio atpažinimo numerį. Koreliacija filtro dizaino naudoti vaizdo intensyvumo domeną mokymo pavyzdžių apskaičiuoti klasės šabloną, kuri gamina būdingas koreliacijos rezultatus atskirti autentiškus vartotojų ir apgavikai. Taikant filtrą išbandyti naujos tikslinės atvaizdo autentiškumą, išėjimo plokštuma yra tikimasi, kad turi formą, kurioje yra koreliacijos piką, jei vaizdas yra autentiškas, bet neturi tokio piką, jei vaizdas priklauso kitai klasei. Savybės koreliacijos filtrų klasifikatorių yra grakštus degradaciją, pamaininio invariance ir uždaros formos sprendimus.
Kodas buvo išbandytas naudojant pirštų atspaudų atvaizdai, kurių buvo imtasi su UPEK servetėlės pirštų atspaudų skaitytuvas su talpinė jutiklio ir USB 2.0 jungtis. Duomenų bazė yra 16 pirštų pločio ir 8 parodymų skaičius per pirštą giliai (128 pirštų atspaudus visi). Mes turime gauti tokie rezultatai:
Vienas su daug pirštų atspaudų identifikavimo: naudojant 2 vaizdus kiekvieno piršto atsitiktinai pasirinktų mokymo ir likusias 6 vaizdus bandymų (iš viso 32 vaizdų mokymui ir 96 vaizdus bandymų), be jokio sutapimo, mes turime gauti klaidų lygis mažesnis nei 0,6% (viršutinė viena klaidų dydis).
Vienas su vienu pirštų patikra mes gavome žinutę EEI lygus 5,6641%.
Žemėlapis Terminai:. Matlab, šaltinis, kodas, koreliacija, filtrai, AFIS, automatizuotas, pirštų, identifikavimo, sistemos
Reikalavimai :
Matlab
Komentarai nerastas