相关实验视频
Updated: Jun 5, 2025
08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
10.6K
多模式生物识别:利用卷积神经网络 (CNN) 架构和与指纹和指纹静脉数据的融合技术
Amal Alshardan1, Arun Kumar2, Mohammed Alghamdi3
1Department of Information Systems, College of Computer and Information Sciences, Princess Nourah Bint Abdulrahman University, Riyadh, Riyadh, Saudi Arabia.
PeerJ. Computer science
|December 9, 2024
概括
这项研究通过使用指纹和指纹静脉数据与卷积神经网络 (CNN) 来增强多式生物识别. 融合策略和对比度增强提高了强大的身份验证系统的识别准确性.
科学领域:
- 计算机科学 计算机科学
- 生物识别信息 生物识别信息
- 模式识别 模式识别
背景情况:
- 多模式生物识别整合了多种特征,提高了识别系统的准确性和稳定性.
- 指纹和指纹静脉生物识别为安全的身份验证提供了明显的优势.
- 现有的系统可能受到单一生物识别方式的限制.
研究的目的:
- 为了提高多式联络生物识别的准确性和稳定性.
- 调查结合指纹和指纹静脉特征的有效性.
- 为生物识别系统探索先进的特征提取和融合技术.
主要方法:
- 使用了NUPT-FPV数据集,包括指纹和手指静脉图像.
- 使用卷积神经网络 (CNN),包括ResNet,VGGNet和DenseNet用于特征提取.
- 实施并比较了三个融合策略:早期,晚期和分数级融合.
- 应用对比度有限的自适应直方体平衡 (CLAHE) 用于图像增强.
主要成果:
- CNN架构和增强技术的融合展示了有前途的性能.
- 使用准确性,等错率 (EER) 和ROC曲线等指标进行评估.
- 与单模系统相比,拟议的多模方式方法显著提高了识别准确性.
结论:
- 将指纹和手指静脉生物识别与CNN集成,提供了一个可靠的身份验证系统.
- 先进的融合策略和图像增强技术对于强大的多式联络生物识别至关重要.
- 这项研究有助于开发更安全,更准确的身份验证解决方案.
