一种基于正弦和正弦算法的得分融合方法,用于增强的多模式生物识别身份验证.
Eslam Hamouda1,2, Alaa S Alaerjan2, Ayman Mohamed Mostafa3,4
1Computer Science Department, Faculty of Computers & Information, Mansoura University, Mansoura 35516, Egypt.
Sensors (Basel, Switzerland)
|January 10, 2026
概括
这项研究引入了一种使用Sine Cosine算法 (SCA) 进行增强多式生物识别身份验证的新型分数融合方法. 基于SCA的方法显著提高了准确性,通过优化结合虹膜和面部数据,实现1.003%的等错率 (EER).
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
- 人工智能的人工智能
背景情况:
- 多模式生物识别系统通过整合多种识别方式来提高安全性.
- 通过结合单个模式的分数来优化性能,得分融合技术至关重要.
- 现有的方法在适应性参数选择中面临挑战,以实现有效的得分融合.
研究的目的:
- 为多式联运生物识别认证系统提出一个新的分数融合方法.
- 为了利用Sine Cosine算法 (SCA) 来优化分数融合参数.
- 评估拟议方法的性能与现有技术相比.
主要方法:
- 从多个生物识别来源 (虹膜,脸部) 提取特征.
- 使用统计方法 (平均值,最大值,最小值,中位数,总和值,Tanh) 规范化和聚合内部/内部得分.
- 使用Sine Cosine算法 (SCA) 的融合参数的优化.
主要成果:
- 拟议的基于SCA的分数融合方法在融合左虹膜,右虹膜和面部数据时实现了1.003%的等错率 (EER).
- 与单模系统相比,表现出显著的性能改善,高达85.89%.
- 在相同的实验条件下,超越现有的基于优化的分数融合方法.
结论:
- 在多式生物识别系统中,Sine Cosine算法 (SCA) 是适应性得分融合的有效方法.
- 拟议的方法为生物识别身份验证提供了一种强大而准确的方法.
- 这项研究证实了SCA在优化多式联络生物识别性能方面的优势.


