تعيين هويت مقاوم مبتني بر ويژگيهاي مستخرج از مسير بطني بينايي

Robust Identification Based on Extracted Features With Visual Ventral Stream

شناسايي اشخاص مبتني بر بيومتريكها به عنوان يك روش موثر براي شناسايي اتوماتيك با ضريب اطمينان بالا مد نظر قرار گرفته است. سيستمهاي بيومتريك چندگانه تصاوير دريافتي از سنسورهاي مختلف را تركيب مي‌نمايند و در مقابل سيستمهاي بيومتريك تكي از ميزان دقت و امنيت بيشتري برخوردار هستند. به همين منظور در اين مقاله، تركيبي از مشخصه‌هاي چهره، كف دست و گوش افراد را براي تصديق هويت به كار برديم. ويژگيهاي استخراج شده توسط مسير بطني بينايي، نسبت به تغييرات چرخش، مقياس و جابجايي مقاوم هستند. همچنين دو طبقه بندي كننده ماشين بردار پشتيبان و نزديكترين همسايگي براي متمايز كردن كلاسها، به كار گرفته شده است. در مرحله همجوشي از تطبيق امتيازات استفاده شده است. نتايج آزمايشي براي مجموعه داده چهره ORL درصد شناسايي %96، براي مجموعه داده كف دستPOLYU درصد شناسايي %96.6 و براي مجموعه داده گوش USTB درصد شناسايي %94 را نشان داده است. همچنين نرخ دقت %100 روي مجموعه داده تركيبي چهره، كف دست و گوش به دست آمده است.

Biometrics based personal identification is regarded as an effective method for automatic identification, with a high confidence coefficient. A multi modal biometric system consolidates the evidence presented by multiple biometric sources and typically provides better recognition performance compared to systems based on a single biometric modality. So in this paper we use combination of Face, Palm print and Ear characteristic to individual’s authentication. In our approach, features extracted using HMAX model are translation and scale-invariant. Then we applied Support vector machine and K-nearest neighbor classifiers to distinguish the classes. In fusion stage we use matching-score level. Experimental results showed 96% accuracy rate on ORL Face database and 96/6% accuracy rate on POLYU Palm print database and 97% accuracy rate on USTB Ear database; however we achieve 100% accuracy rate on Face, Palm print and Ear multi modal biometric.