Análisis de alta confianza de bloques diagonales para el reconocimiento de huellas palmares multivista en entornos...

Área de la Ciencia:

• Ciencias de la Computación
• Biometría
• Reconocimiento de Patrones

Sus antecedentes:

• El reconocimiento de huellas palmares sin restricciones enfrenta desafíos debido a la calidad variable de la imagen, la iluminación y las poses en escenarios del mundo real.
• Los métodos existentes a menudo se basan en estructuras de subespacio, y se han demostrado propiedades de bloques diagonales para datos de huellas palmares.

Objetivo del estudio:

• Desarrollar un modelo de aprendizaje unificado para el reconocimiento robusto de huellas palmares multivista.
• Garantizar una propiedad de bloques diagonales de consenso en todas las vistas para mejorar la extracción de características.

Principales métodos:

• Se propuso un nuevo análisis de alta confianza de bloques diagonales para el reconocimiento de huellas palmares multivista (HCBDA MPR).
• Se introdujo un regularizador de bloques diagonales multivista para imponer una estructura de bloques diagonales de consenso.
• Se preservaron las características discriminatorias mientras se aprendía una estructura de bloques diagonales estricta en todas las vistas.

Principales resultados:

• El método propuesto HCBDA MPR demostró un rendimiento superior en bases de datos de huellas palmares sin restricciones del mundo real.
• Se lograron las mayores precisiones de reconocimiento en comparación con los métodos existentes del estado del arte.
• Se validó la efectividad de la propiedad de bloques diagonales de consenso para el reconocimiento de huellas palmares multivista.

Conclusiones:

• HCBDA MPR ofrece un avance significativo en el reconocimiento de huellas palmares sin restricciones.
• El método aborda eficazmente los desafíos que plantean los entornos no controlados.
• El enfoque proporciona un marco robusto para la autenticación de identidad utilizando huellas palmares multivista.