一个改进的多模式生物识别系统,采用指纹纹理和指脉生物识别的得分级别化
Syed Aqeel Haider1, Shahzad Ashraf2, Raja Masood Larik3
1Department of Computer & Information Systems Engineering, Faculty of Computer & Electrical Engineering, N.E.D. University of Engineering and Technology, Karachi 75270, Pakistan.
Sensors (Basel, Switzerland)
|December 23, 2023
概括
这项研究引入了使用近红外指纹图像的多式生物识别系统,将手指纹理和手指静脉数据结合起来. 该系统实现了高精度,优于现有方法,提高了安全性.
科学领域:
- 生物识别和模式识别技术
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 多模式生物识别系统通过结合多种独特的生物特征来提高安全性.
- 近红外 (NIR) 成像为捕捉基于指纹的生物识别提供了优势.
- 现有的系统往往在准确性和稳定性方面面临限制.
研究的目的:
- 开发和评估一种使用NIR指纹纹理和手指静脉图案的新型多式联络生物识别系统.
- 使用模糊系统将个别生物识别结果合并,以提高识别准确度.
- 在不同的公开可用的生物识别数据库中比较性能.
主要方法:
- 指纹理:用于特征提取的线性二进制模式 (LBP) 和用于分类的支向量机 (SVM).
- 指脉:使用预训练的卷积神经网络 (CNN) 转移学习,包括AlexNet,VGG16和VGG19,有或没有图像强度优化.
- 融合:用于结合两种模式的分数的模糊系统.
主要成果:
- 与HKPU和UTFVP数据库相比,近红外手图像 (NIRHI) 数据库在单模和多模配置中产生了更好的结果.
- 拟议的多式联运系统实现了99.62%的整体识别准确率.
- 这种准确性超过了最近的最先进系统 (99.51%和99.50%).
结论:
- 开发的基于指纹图像的NIR多式生物识别系统有效地整合了手指纹理和静脉图案.
- 基于模糊系统的融合显著提高了识别性能.
- 拟议的系统表现出高精度和稳定性,为安全识别提供了有希望的解决方案.
