Multimodal Biometric Recognition

描述

生物识别系统利用个人的生理或行为特征进行识别。这些特征包括指纹、手部几何形状、面部、声音、虹膜、视网膜、步态、签名、掌纹、耳朵等。使用单一特征进行识别的生物识别系统（即单峰生物识别系统）通常受多种影响实际问题，例如嘈杂的传感器数据、生物特征的非普遍性和/或缺乏独特性、不可接受的错误率和欺骗攻击。多模式生物识别系统通过整合从不同来源获得的证据来克服其中的一些问题。研究人员已经表明，使用多模态生物特征可以提供比单模态生物特征更好的身份验证性能。生物特征融合可以在图像级别、特征级别、匹配分数级别、决策级别和排名级别执行。

我们开发了一种多模式生物识别系统，可有效结合指纹、虹膜和掌纹识别。组合提取的特征并计算最终分数以进行分类。代码已使用 CASIA 虹膜图像数据库版本 1.0 和 CASIA 掌纹图像数据库进行测试。我们实验中使用的指纹数据库是使用带有电容传感器和 USB 2.0 连接的 UPEK 滑动指纹读取器拍摄的指纹图像集合。数据库为 16 个手指宽，每个手指深 8 个印象（总共 128 个指纹）。其他生物识别方式可应要求提供。