روشي مطمئن براي مقابله با مشكلات طبقه بندي اثر انگشت

اثر انگشت بيومتريكي است كه به دليل ويژگي هاي منحصر به فردش، بيشترين كاربرد را در سيستم هاي تشخيص و تعيين هويت داشته است. در سيستم هاي تعيين هويت، تصوير ورودي با تمام تصاوير ثبت شده در پايگاه مقايسه مي گردد و در صورتي كه پايگاه داده حجيم باشد، عمل مقايسه بسيار زمان بر خواهد بود. براي نمونه مي توان به پايگاه هاي داده موجود در FBI اشاره نمود. يكي از راه حل هاي تاييدشده براي افزايش سرعت، طبقه بندي تصاوير است. در طبقه بندي مطلق، به هر اثر انگشت تنها يك كلاس تخصيص مي يابد. دلايل مختلفي چون نويز يا عدم وجود همه نقاط يكتا در محدوده تصوير، تعيين يك كلاس مطلق براي همه تصاوير را دچار مشكل مي كند. در اين مقاله، روشي جديد بر پايه طبقه بندي احتمالي ارائه شده كه براي هر تصوير ورودي، مجموعه اي از كلاس ها مشخص مي شود كه هر يك داراي يك احتمال مي باشند. در مرحله انطباق، كلاس ها به ترتيب اولويتشان جستجو مي شوند. آزمايشات صورت گرفته بر روي پايگاه داده شناخته شده FVC 2002، تاثير استفاده از طبقه بندي احتمالي را به روشني نشان داده است. با در نظر گرفتن كلاس هاي دوم و سوم تعيين شده توسط روش پيشنهادي، دقت شناسايي سيستم تقريبا 18% افزايش يافته است، در صورتي كه سرعت آن، 2 تا 3 برابر بيشتر از طبقه بندي مطلق مي باشد.