关键字 |
| 评估、多通道生物识别、验证、归一化特征向量,融合,脸,匹配特性,和指纹。 |
我的介绍。 |
| 多通道生物系统提供了识别和人类保护在过去几十年。因为这个导致MBS修改很多领域的应用。一些这些多通道系统的个人电脑基于对话框界面的系统,用户与电脑交互过程中声音或视觉或其他任何指向工具为了完成特定的工作。多通道生物识别系统是那些使用或能够使用多个生理或行为特征对于征兵,验证,或检测。一个生物系统基本上是一个模式检测系统。这种方法测量和分析个人身体的生理特征如同人类的指纹,鲨鱼的眼睛视网膜和虹膜,不同的声音模式,面部模式和手尺寸确认的目的或行为特征。生物标识符不能省略。尽管内置的奖励,单峰生物解决方案也有限制的正确度,入学率和接受欺骗。这一限制发生在一些相关领域,如人脸识别。人脸识别的正确度是夸大了解释和面部词汇。 The biometric system cannot eradicate spoof attacks such as finger print spoofing. A modern report by the National Institute of Standards and Technology (NIST) to US accomplished that around two percent of the inhabitants does not have a comprehensible fingerprint [1]. |
| 尽管使用单峰生物识别系统,有可怜的壮举和正确度,我们学习和多通道生物系统提出一种新方法。最近的多通道生物识别系统行动改善比单峰生物系统和时尚更加错综复杂。 |
二世。LITERETURE调查 |
| 多模态生物识别系统使用多个生理或行为特征来验收,检定或移情。给定的NIST细节建议一个方法镶嵌织机采用几种生物识别技术。导致不同形式统一恢复积极接收率。多生物识别技术的意愿是减少一个或多个下列: |
| •错误接受率(远) |
| •错误拒绝率(FRR) |
| •失败招收率(FTE) |
| •对工件或模仿 |
| 多模态生物识别系统从单一或多传感器测量接收输入两个或两个以上的不同形式的生物个体。例如指纹和人脸识别系统将测量“多通道”即使”或“管理应用,允许个人确认使用任何形式的[4]。 |
| 答:多算法的生物识别系统 |
| 多算法的生物识别系统获得独家样本从一个孤独的试探和路线,通过两个或两个以上的不同算法。 |
| b多实例生物识别系统 |
| 多实例生物识别系统利用个人试探或者更多的触角拘留的样本的两个或两个以上的不同的实例相同的生物特征从多个手指像获取图像。 |
| c多感官生物识别系统 |
| 多感官生物系统模型相似的生物属性与两个或两个以上明显不同的传感器。可以完成多个样本的处理算法或分组算法,如人脸识别相关性很可能利用两个明显光相机和一个红外相机固定与精确率。 |
三世。相关工作 |
| 这种方法可以从每个生物管道统一分类的结果称为生物混合融合。我们需要计划融合。融合的多通道生物统一维度与生物行为改善的力量。在匹配分数,排名和决策水平,计算融合被广泛的新闻。不同程度的融合:传感器水平,功能水平,匹配分数级和决策级融合。 |
| 答:传感器级融合: |
| 我们联合生物行为来自各种传感器使合并后的生物特征和过程。 |
| b .特征级融合: |
| 指示从最初不同的生物通道处理,和特征向量是获得离散,通过特定的算法,然后我们把这些向量形式合并有助于分类特征向量。 |
| c .匹配分数级融合: |
| 而不是添加特征向量,我们对待他们独立和个人相同的生物特征匹配分数将被用于分类的精度取决于每个ach生物匹配分数。 |
| d .决策级融合: |
| 每个通道都是第一次单独甚至。多通道生物识别系统可以实施任何这些融合策略或分组的推进系统的性能;不同程度的融合以下图所示 |
四、系统架构 |
| 在这个时候我们谈论当前的体系结构。在文献中Jain和罗斯已经讨论了多通道生物指纹系统的脸,和预期的不同层次的组合融合Figure-II所示 |
| 燕和藏投影关系筛银行依赖的多通道生物系统融合,他们利用这项工作的脸,手掌印生物识别技术。与筛银行自由关系过滤器技术为特定形态的目的是通过改善输出的一般的关系。因此,面对之间的不同和棕榈打印模式被认为是和有用的信息在不同的形式完全征服。PCA是用于减少测量的特征集,然后考虑相关筛/过滤器银行(CFB)是用于融合。在图3表明,融合系统架构心仪,数组中的识别利率他们预计0.9765到0.9964的系统。 |
诉单峰生物识别系统 |
| 这里熟透的生物识别字符需要认识到个体独特的个性与稳定,塌实,他们提出一些关于用户的唯一性证明,可以是有益的。本文代表一个大纲为集成附加信息的收获主要生物识别系统。可能关键的困难的一个可靠的和易于理解的生物系统是使用关于用户的附加信息,如年龄、体重、身高、性别、传统和眼睛的颜色来振作精神最主要的生物识别系统的性能。主要实用生物识别系统收集这样的信息注册的用户。不过,这些信息不是目前在常规识别/确认阶段使用。仅仅当一个真正的用户是系统错误地丢弃的,个体经营者活梯对个人的熟透的生物特征进行身份验证。如果这些特征可以定期获得结论制作过程中使用,系统的整体性能将提高和要求的手工入侵将会减少。附加信息本身并不足以研究所个体的独特性,这些特征都是匿名的,改变的,可以毫不费力地欺骗。 |
第六,单峰的过程框架 |
| 在我们的大纲中,生物识别系统分为两个子系统。一个子系统是主要的生物识别系统,它是基于传统的生物标识符如指纹、脸和手的基础几何。其他子系统,是合成二次生物识别系统,是基于熟透的生物特征如年龄、性别、和高度。在图3所示的体系结构个人识别系统。该系统利用初级和熟透的生物测量。 |
 |
| 最初的困难在于所有m软生物特征变量计算了均匀。在使用中,各种软生物特征变量比其他可能包含额外的信息。在示例中,个人的高度可以提供更多的个人信息,而不是性别。因此,我们必须引进一个熟透的生物特征权重系统取决于一个目录的唯一性和稳定性,即。,the characteristics which have less unevenness and greater unique ability will be given extra weight in the calculation of the concluding matching possibilities. a further impending drawback is that any charlatan can effortlessly spoof the system as the soft traits have an identical say in the conclusion as the main biometric characteristics and it is moderately simple to enhance individual’s soft biometric attribute through the application of cosmetics and wearing other garnishes (e.g. mask, shoes with heels, etc.). Hence to stay away from this crisis, we allot lesser weights to the soft biometric characteristics as compared to that assigned to the main biometric characteristic. This degree of difference weighting in addition has a different implied benefit. Yet if a soft biometric characteristic of an individual is calculated wrongly (male individual is confirmed as a female individual), there is a less decrease in this individual’s prospect and the individual is not instantly abandoned. In the case, when the main biometric created a acceptable match, the individual may be confirmed. When several soft biometric characteristics not matching, then there is considerable lessening in the posteriori prospect and the individuals may be probably abandoned. When the devices which calculated the soft biometric characteristics are considerably correct then the condition has much less possibility of happening. The beginning of the weighting system outcome in the following discriminant purpose for end individual. |
七世。算法 |
人脸特征识别算法 |
| 输入:输入图像的特征向量 |
| 输出:相关性两图像之间的距离 |
| 步骤1:提取底层特征: |
| 对于每一个图片我, |
| weexcerpt k低级的输出特性fi = 1::: k |
| 然后把这些向量组成一个大的特征 |
| 向量 |
| F (I) = hf1(我); |
| 颗我(我)。 |
| 步骤2。计算视觉特征:每提取featurevector F(我),我们计算n特征分类器的结果 |
| Ci = 1::: n |
| 为了产生一个特征向量”C(我) |
| 的脸, |
| C (I) =盐酸(F (I)); |
| Cn (F (I))我。 |
| 步骤3。执行验证:选择如果两个I1和I2面对对象的相似的人,我们副theirtrait轨迹使用总结分类器D v describesour验证目的:v (I1;I2) = D (C (I1); C (I2)) v (I1;I2 I1)时应该乐观的面对对象 |
八世。应用程序 |
| 某些形式的肉体的生物识别包括以下几点: |
| •指纹识别系统 |
| •虹膜识别系统 |
| •视网膜识别系统 |
| •手指几何识别系统 |
| •签名/手写识别系统 |
| •语音识别系统 |
| •面部识别系统 |
| •手几何识别系统 |
| •手势识别系统 |
八世。结论 |
| 与评估大纲成立多通道生物识别系统的独奏会。我们有了比较大的脸和指纹数据集在一群正常化分数和融合方法。这种学习的结果显示多通道生物识别系统可以执行比uni-modal生物识别系统。还额外增加融合在这一阶段,现有的和专有的生物识别系统不需要增强允许广泛的中间件层杆多通道应用广泛的信息的程度较低。此外,未来的范围是探索替代正常化和融合技术。单模生物识别技术测试,完成了正确计算生物识别系统的性能,测试必须发生在数据集上的成千上万的主题和安排上没有推断从测试憔悴短片数量来评估系统的可伸缩性。因此,未来的策略包括安装测试数据库来实现这些更大的尺寸。此外,评估这些系统的成就感对于大规模的部署,我们将执行测试通过使用COTS产品。 |
数据乍一看 |
|
|
|
引用 |
- “总结NIST标准生物识别精度,抗干扰,andinteroperability,“NIST向美国国会报告,Nov.2002。
- 生物识别技术:个人身份在网络化的社会里,A.K. Jain,中,Bolle r和s Pankanti, eds。,1999年Kluwer学术。
- d . Maltoni d . Maio A.K. Jain,角色,指纹Recognition.Springer手册,2003年版。
- m . Indovina Uludag, r . Snelick A .貂皮和A . Jain,“多通道生物认证方法:COTS的方法,”
- r·布鲁内利和d . Falavigna“人识别使用多个线索,”IEEE反式。模式分析与机器智能,17卷,没有。10日,第966 - 955页,1995年10月。
- j .难应付的m . Hatef R.P.W. Duin, j . Matas IEEE反式分类器相结合,。模式分析与机器智能,20卷,没有。3,第239 - 226页,1998年3月。
- l .香港A.K. Jain,“整合面临个人识别和指纹,“IEEETrans。模式分析与机器智能,卷。20日,没有。12日,第1307 - 1295页,1998年12月。
- s . Ben-Yacoub y Abdeljaoued,大肠Mayoraz”融合的脸和语音数据代码证验证,“IEEE反式。NeuralNetworks, 10卷,不。5,1065 - 1075年,1999页。
- a·罗斯和A.K. Jain,“信息融合在生物识别技术,模式识别字母,24卷,没有。13日,2115 - 2125年,2003页。
- P.J. Huber、健壮的统计数据。威利,2013年。
|
菜单
