Les systèmes biométriques utilisent les traits physiologiques ou comportementales des individus, à des fins de reconnaissance. Ces caractéristiques comprennent les empreintes digitales, la main-géométrie, le visage, la voix, l'iris, la rétine, la démarche, la signature, empreintes palmaires, de l'oreille, etc. Les systèmes biométriques qui utilisent un seul trait pour la reconnaissance (ce est à dire, les systèmes biométriques unimodales) sont souvent touchées par plusieurs problèmes pratiques comme données bruitées de capteurs, non-universalité et / ou absence de caractère distinctif de la caractéristique biométrique, les taux d'erreur inacceptables, et les attaques frauduleux. Systèmes biométriques multimodales surmonter certains de ces problèmes en consolidant la preuve obtenue de différentes sources. Les chercheurs ont montré que l'utilisation de la biométrie multimodale offre de meilleures performances d'authentification sur la biométrie unimodales. Fusion biométrique peut être effectuée au niveau de l'image, niveau de fonctionnalités, le niveau de score du match, niveau de décision, et le niveau de grade.
Nous avons développé un système biométrique multimodal qui combine efficacement empreintes digitales, de l'iris et la reconnaissance d'empreinte palmaire. Caractéristiques extraits sont combinés et un score final est calculé pour la classification. Code a été testé avec CASIA Iris Image Database Version 1.0 et CASIA Palmprint Banque d'images. Base de données d'empreintes digitales utilisé dans nos expériences est une collection d'images d'empreintes digitales prises avec un glissement lecteur d'empreintes digitales UPEK avec capteur capacitif et la connexion USB 2.0. Base de données est de 16 doigts de large et 8 impressions par doigt profondes (totalement 128 empreintes digitales). . D'autres modalités biométriques sont disponibles sur demande
Exigences :
Matlab
Commentaires non trouvées