一项调查显示融合多通道生物识别的技术

狭义相对论Soruba Sree¹N.Radha博士²

研究学者、计算机科学系、P.S.G.R. Krishnammal大学对于女性来说,印度哥印拜陀
计算机科学系助理教授,P.S.G.R. Krishnammal大学对于女性来说,印度哥印拜陀

文摘

生物科学和技术的测量和分析人体的生物数据,从获得的数据提取功能集和比较这组对模板中设置数据库。生物识别系统基于单一的信息来源被称为单峰生物识别系统。单峰系统的性能受噪声影响传感器数据和non-universality [1]。问题出现在单峰使用多通道生物识别系统可以解决。多通道生物识别技术可通过两个或两个以上的图像的融合,融合图像合成将会更安全的地方。论述了各种融合技术用于多通道生物识别技术。

关键字

融合、生物识别技术、多通道、单峰、准确性。

介绍

生物识别系统自动确定或验证一个人的身份的基础上他的解剖和行为特征,如指纹、手掌印,静脉模式,脸和虹膜。方法识别或验证一个人的身份或主题基于生物特征识别的生理和行为特征。多通道生物识别精度增加考虑其他高度特定的生物特征为身份限制申请人的数量。多通道生物识别系统利用多个生理或行为特征登记、验证和识别。结合不同模式的原因是提高识别率。多通道生物识别技术的目的是减少以下(或)之一

•错误接受率[远]。

•错误拒绝率(FRR)。

•失败招收率(FTE)。

多通道生物识别技术从单个或多个传感器测量系统需要输入两个或两个以上的不同形式的生物特征。多通道生物识别技术的关键是各种生物的融合模式[2]。一个通用的多通道生物系统有四个重要的模块:

传感器水平:这种融合策略需要从多个传感器获得的原始数据,可以进一步处理和生成新的数据集成功能可以提取。传感器融合水平可以做只有获得的多个信号相同的生物从多个传感器兼容。

功能层:功能设置从多个数据源中提取信息,进一步连接成一个共同的特征向量。这个新的高维特征向量代表一个独立的个体。特征级融合的一些减少技术必须使用以只选择有用的特性。

比赛的分数水平:分数是衡量匹配模板输入生物和生物之间的相似性特征向量。基于特征向量的相似性和模板,每个子系统计算自己的匹配分数值。这些个人得分终于获得总分相结合,然后传递给决策模块,之后进行识别。

等级水平:等级水平融合一般采用人的身份而不是验证。因此,融合需要巩固与身份相关的多个等级,确定一个新的等级,帮助建立最后的决定。

决策水平:多生物识别系统,融合在这一级别上进行时只由个人决定输出生物匹配器是可用的。在这里,一个单独的每个生物特征认证决定计算然后结合在最终投票结果。不同的策略可以结合不同的决策个体形态最终认证决定。融合在这个水平被认为是刚性相比其他融合方案由于有限的可用性的信息。

背景研究

融合可以用两种不同的方式来实现。第一个是融合前匹配和匹配后第二个是融合。之前在多通道生物识别系统的研究工作进行了综述。融合的匹配分数、等级、功能和决策水平一直得到广泛的研究在文献中。

•穆罕默德Razzak等[3]的脸,手指静脉联合执行多级评分融合增加身份验证系统的鲁棒性。客户具体的分数水平融合线性判别分析(CSLDA)融合的脸,手指静脉的结果执行。分数的脸,手指静脉联合使用加权模糊融合。这个系统效率降低到0.05,FRR 0.23和系统的准确性为95%。

•穆罕默德soltane等[4]提出了人类识别方法结合面和语音信息为了提高单一生物认证的问题。高斯混合模态(GMM)是主要的工具用于text-independent说话人识别,它可以被训练使用期望最大化(EM)和Figuieredo-Jain提出数据融合算法的分数水平。提取的脸和提取音频是融合达到96%的识别率。面对语音生物识别是减少到0.087和0.67 FRR是和准确性为96%。

•Dhanashree vaidhya等人[5]表现的两种形式:实验的掌纹和手掌静脉特征级融合基于熵技术使用。系统性能是99%到0.02929%,FRR 1.00%和99%的准确性。

•Rattani等[6]结合的脸和指纹特征级融合是提高性能的独自面对和指纹模式分别为5.05%和0.82%。特征级融合优于分数级融合了0.67%。系统性能是FRR 1.98%,远3.18%,系统的精度是98%。

•巴等人[7]提出了一种多通道生物通过手掌静脉和面对生物特征,在特征级融合。系统的整体精度超过95%,0.5%,FRR 1.0%和98.3%的准确性。

•飞飞哥等[8]结合指纹和手指静脉的分数水平进行融合。指纹系统的整体精度之前融合精度为95.3%,手指静脉是93.72%但在融合系统的精度是98.74%与1.2%,FRR 0.75%。

•Krishneswari等[9]结合特征级融合的指纹和棕榈打印使用使用基于小波的图像融合技术与敏敏近似。使用信息增益特征提取(IG)。平均验证获得的精度是98.34%和1.02%,FRR 0.9%和98%的准确性。

•Nazmeen等人[10]结合的脸和耳朵图像,图像是传递给质量模块以减少错误的废品率。提高识别结果是获得当耳朵生物生物特征融合的脸。融合是在决策层面,达到96%的识别率,显示精度的改善目前的0%和FRR 4%。

•Nageshkumar等[11]结合手掌印和面部图像的分数水平融合使用,结果发现非常鼓励和促进该领域的研究。系统的整体精度超过97%,2.4%,FRR 0.8%

•Krzyszof等[12]联合决策级融合的脸和演讲。3.0%的系统性能远,FRR 1.1%和87%的准确性。

•穆罕默德等人[13]进行多通道融合的指纹和虹膜生物识别技术的决策级融合。模糊逻辑方法用于融合提供更好的性能和准确性为98%与2%,FRR 2%和98%的准确性。

林•香港等[14]结合手掌印和脸执行决策级融合的图像。制定决策融合系统中使融合性能改进的脸和指纹的提取特征融合的识别率达到92%,1%,FRR是1.8%。

•贾亚特里Bokade等[15]提出了特征级融合系统的脸,手掌印特征使用一个简单的融合算法。因为特性集包含相关和更丰富的信息捕获的生物证据,融合功能水平预计将提供更准确的结果比其他融合方法。雀鳝使用手掌图像只是81.48%。使用脸图像的雀鳝是88.88%。融合结果表明大幅增加系统95%,目前为0.5%,FRR 1.2%。

•Mitul Dhameliya等[16]结合这两个生物特征掌纹和指纹特征级融合开发多通道生物识别系统。特征提取使用伽柏过滤。获得的平均识别率是87%到0.2%的和1.1%的FRR。

•Jegadeesan等[17]相结合的融合使用指纹和虹膜的特征级融合和图像预处理。系统性能与10%和91% FRR 5.3%。

结果与结论

摘要各种图像融合技术研究及其性能评估在三个标准:得分、决策和特征融合。而为特定应用程序选择融合特性表1是有益的。融合多个图像特征融合技术(5、6、7、9、15、16、17)是更好的选择相比,得分(3、4、8、11)和决策(10、12、13、14)技术。上述三种技术的准确性进行了总结如图1所示。提出工作的特征融合技术为多个图像融合提供了一个更好的解决方案。图像变换和取消过程能做的帮助下变形算法。结果,结合特征融合技术和失真算法融合多个图像提供更准确和安全的多通道生物识别技术。

表乍一看

表1

数据乍一看

图1

引用

K。Geetha, V。Radhakrishnan”,多通道生物识别系统:特征级融合方法”,国际计算机applicationsVol杂志》上。《71》,2013年第4期。

注:Sanjekar, J.B.帕蒂尔,“多通道生物识别技术的概述”,信号和图像处理:国际期刊(SIPIJ)第1辑,第一,2013年。

穆罕默德伊姆兰Razzak, RubiyahYuosf Marzuki哈立德,“多通道的脸,手指静脉生物认证”,科研和论文,第5卷,十七,2529 - 2534年,2010页。

穆罕默德soltane NoureddineDoghmane,“脸和基于语音的多通道生物认证”,国际advancescience和技术杂志》,第21卷,八号,pp 41-46, 2010。

Dhanashreevaidhya sheetalpawar”特征级融合的掌纹和个人身份验证基于手掌静脉Entrophy技术”,国际期刊在电子和通信技术,第5卷,spl-1问题,2014。

一个。Rattani,湄Kishu, M。Bicego,“脸和指纹生物识别的特征级融合”,生物识别技术:理论,应用程序和系统,FirstIEEE国际会议,2007。

旧金山那里巴格,S。Ghoniemy, M。Alotabi”,提出了多通道palm-veins——面对生物认证”,国际期刊advancedcomputer科学和应用,第4卷,第6期,2013。

飞飞崔,公平,“分数水平融合指纹和手指静脉识别”,《计算机信息系统:16,5723 - 5731年,2011年。

Krishneswari K, Arumugam年代,使用功能融合”“多通道生物识别技术,计算机科学杂志》8(3):431 - 435年,2012年。

Nazmeenbibiboodoo,上面萨勃拉曼尼亚”,健壮multi-biometric识别使用脸和耳朵图像”,IJCSIS-International ofcomputer科学杂志和信息安全,下册,2号,2009年。

Nageshkumar,卖方。PK, Shanmuka哲人M。N”,一个高效的多通道生物融合利用掌纹和脸形象”,InternationalJournal计算机科学,高雄,问题3,2009。

Krzyszof,乔纳斯(Richard PlamenProdanov AndrzejnDrygajlo”,基于可靠性的多通道生物verificationsystems决策融合”,EURASIP杂志在信号处理的发展,文章ID 86572、9页,2007。

MohamadAbdolahi, MajidMohamadi Mehdi贾法里,“多通道生物系统融合使用指纹和虹膜与模糊逻辑”,国际期刊的软计算和工程》,第六期,2013年。

林,Anil Jain,“整合面临个人识别个人识别和指纹”,IEEE patternanalysis和机器智能,第2期,12路,2008年。

Gayathriumakantbokade ashokM。sapkal”,手掌和脸部的特征级融合安全识别”,国际期刊和电气工程,第1辑,第二,2012。

Mitul d . Dhameliya JitendraP。Chaudri”,多通道生物识别系统基于融合的掌纹和指纹”,国际期刊工程趋势,第1辑,问题5,2013。

一个。Jagadessan Dr.K。Duraisamy”,获得多通道生物识别技术:加密密钥生成特征级融合的指纹andIris”,计算机科学和信息安全的国际期刊,第七卷,2号,2010年。

Sumeetkaur,要不是Sharma”,分析多通道生物识别技术的特征级融合:回顾”,国际期刊advancedresearch在计算机科学和软件工程,第三卷,问题7,2013。

DivyaKantT。企业Meva C.K. Kumbharana”,比较研究不同的融合技术的多通道生物认证”,国际期刊《计算机应用,Vol.66,没有。19日,2013年,

Deepa Kumar Sahu Parsai M。P”,不同的图像融合技术评论”,国际期刊《现代EngineeringResearch (IJMER)》第五期,页4298 - 4301,2012。

Dapinderkaur Ganganpreetkaur,“多通道生物识别技术的融合:回顾”,国际高级研究incomputer科学和软件工程学报,第三卷,问题2,2013。

SakshiKalra,安尼尔·兰“多通道生物调查”,国际期刊的计算机科学和信息技术,第5卷,不。2、2148 - 2151页,2014年。

RupaliL。Telgad,阿尔玛M.N.西迪基,”自动化生物验证:多通道生物识别技术”的一项调查显示,国际期刊ofcomputer科学和商业信息,下册,第一,2013年。