Multimodal Biometric Recognition

Beschreibung

Biometrische Systeme nutzen die physiologischen oder Verhaltensmerkmale von Personen zu Erkennungszwecken. Zu diesen Merkmalen gehören Fingerabdrücke, Handgeometrie, Gesicht, Stimme, Iris, Netzhaut, Gangart, Unterschrift, Handflächenabdruck, Ohr usw. Biometrische Systeme, die ein einzelnes Merkmal zur Erkennung verwenden (d. h. unimodale biometrische Systeme), werden oft von mehreren beeinflusst praktische Probleme wie verrauschte Sensordaten, Nicht-Universalität und/oder mangelnde Unterscheidungskraft des biometrischen Merkmals, inakzeptable Fehlerquoten und Spoof-Angriffe. Multimodale biometrische Systeme überwinden einige dieser Probleme, indem sie die aus verschiedenen Quellen stammenden Beweise konsolidieren. Forscher haben gezeigt, dass die Verwendung multimodaler Biometrie eine bessere Authentifizierungsleistung gegenüber unimodaler Biometrie bietet. Die biometrische Fusion kann auf Bildebene, Merkmalsebene, Match-Score-Ebene, Entscheidungsebene und Rangebene durchgeführt werden.

Wir haben ein multimodales biometrisches System entwickelt, das Fingerabdruck-, Iris- und Handabdruckerkennung effizient kombiniert. Extrahierte Merkmale werden kombiniert und eine endgültige Punktzahl wird für die Klassifizierung berechnet. Code wurde mit CASIA Iris Image Database Version 1.0 und CASIA Palmprint Image Database getestet. Die in unseren Experimenten verwendete Fingerabdruckdatenbank war eine Sammlung von Fingerabdruckbildern, die mit einem UPEK-Fingerabdrucklesegerät mit kapazitivem Sensor und USB 2.0-Verbindung aufgenommen wurden. Die Datenbank ist 16 Finger breit und 8 Abdrücke pro Finger tief (insgesamt 128 Fingerabdrücke). Andere biometrische Modalitäten sind auf Anfrage erhältlich.