دانلود مقاله تشخیص بیومتری چندمنظوره با استفاده از گوش انسان و اثر کف دست
تعداد کلمات فایل انگلیسی:4700 کلمه 9 صفحه pdf
تعداد صفحات فایل ترجمه:14 صفحه word فونت 14 (Arial Body CS)
تشخیص بیومتری چندمنظوره با استفاده از گوش انسان و اثر کف دست
خلاصه:
ویژگیهای رفتار انسانی متعدد ترکیبی استراتژی ثابت شده و موثری برای تعیین شخصی براساس بیومتری می باشد. در این تحقیق، نویسندگان آمیختگی دو طرح بیومتری مثل گوش و اثر کف دست را در سطح ویژگی مورد بررسی قرار داده اند. الگوهای گوش و اثر کف دست با ساختار پایدار و غنی مشخص شده اند که حجم گسترده ای از اطلاعات را برای فرق گذاری میان افراد فراهم می نمایند. به عبارت دیگر توصیف کننده های بافت موضعی الگوهای دوتایی موضعی، توصیف کننده های موضعی وبر و ویژگیهای تصویر آماری دوتایی برای اقتباس ویژگیهای تفاوت برای تعیین انسانی قدرتمند استفاده می شوند. آنالیز آزمایشی گسترده نویسندگان بر اساس نشان IIT Delhi-2 گوش و پایگاه داده های اثر کف دست IIT Delhi پایه ریزی شده که سیستم بیومتری چند منظوره پیشنهادی را تایید می کنند که قادر است نسبتهای تشخیص را افزایش دهند که با بیومتری های مدل مجزا تولید شده مقایسه گردیده، به میزان تشخیص 100% دست یابند.
Multimodal biometric recognition using human ear and palmprint
Nabil Hezil12 M, Abdelhani Boukrouche12
1 Laboratory of Inverse Problems, Modelling, Information, and Systems (PIMIS), University of May 08th 1945, B.P401, Guelma 24000, Algeria 2Department of Electronics and Telecommunications, University of May 08th 1945, B.P 401, Guelma 24000, Algeria H E-mail: nabilhezil@gmail.com
Abstract: Combining multiple human trait features is a proven and effective strategy for biometric-based personal identification. In this study, the authors investigate the fusion of two biometric modalities, i.e. ear and palmprint, at feature-level. Ear and palmprint patterns are characterised by a rich and stable structure, which provides a large amount of information to discriminate individuals. Local texture descriptors, namely local binary patterns, weber local descriptor, and binarised statistical image features, were used to extract the discriminant features for robust human identification. The authors’ extensive experimental analysis based on the benchmark NT Delhi-2 ear and NT Delhi palmprint databases confirmed that the proposed multimodal biometric system is able to increase recognition rates compared with that produced by single-modal biometrics, attaining a recognition rate of 100%.
کد:10813
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com
دانلود مقاله دات کام 
توضیحات محصول
دانلود مقاله تشخیص بیومتری چندمنظوره با استفاده از گوش انسان و اثر کف دست
تعداد کلمات فایل انگلیسی:4700 کلمه 9 صفحه pdf
تعداد صفحات فایل ترجمه:14 صفحه word فونت 14 (Arial Body CS)
تشخیص بیومتری چندمنظوره با استفاده از گوش انسان و اثر کف دست
خلاصه:
ویژگیهای رفتار انسانی متعدد ترکیبی استراتژی ثابت شده و موثری برای تعیین شخصی براساس بیومتری می باشد. در این تحقیق، نویسندگان آمیختگی دو طرح بیومتری مثل گوش و اثر کف دست را در سطح ویژگی مورد بررسی قرار داده اند. الگوهای گوش و اثر کف دست با ساختار پایدار و غنی مشخص شده اند که حجم گسترده ای از اطلاعات را برای فرق گذاری میان افراد فراهم می نمایند. به عبارت دیگر توصیف کننده های بافت موضعی الگوهای دوتایی موضعی، توصیف کننده های موضعی وبر و ویژگیهای تصویر آماری دوتایی برای اقتباس ویژگیهای تفاوت برای تعیین انسانی قدرتمند استفاده می شوند. آنالیز آزمایشی گسترده نویسندگان بر اساس نشان IIT Delhi-2 گوش و پایگاه داده های اثر کف دست IIT Delhi پایه ریزی شده که سیستم بیومتری چند منظوره پیشنهادی را تایید می کنند که قادر است نسبتهای تشخیص را افزایش دهند که با بیومتری های مدل مجزا تولید شده مقایسه گردیده، به میزان تشخیص 100% دست یابند.
Multimodal biometric recognition using human ear and palmprint
Nabil Hezil12 M, Abdelhani Boukrouche12
1 Laboratory of Inverse Problems, Modelling, Information, and Systems (PIMIS), University of May 08th 1945, B.P401, Guelma 24000, Algeria 2Department of Electronics and Telecommunications, University of May 08th 1945, B.P 401, Guelma 24000, Algeria H E-mail: nabilhezil@gmail.com
Abstract: Combining multiple human trait features is a proven and effective strategy for biometric-based personal identification. In this study, the authors investigate the fusion of two biometric modalities, i.e. ear and palmprint, at feature-level. Ear and palmprint patterns are characterised by a rich and stable structure, which provides a large amount of information to discriminate individuals. Local texture descriptors, namely local binary patterns, weber local descriptor, and binarised statistical image features, were used to extract the discriminant features for robust human identification. The authors’ extensive experimental analysis based on the benchmark NT Delhi-2 ear and NT Delhi palmprint databases confirmed that the proposed multimodal biometric system is able to increase recognition rates compared with that produced by single-modal biometrics, attaining a recognition rate of 100%.
کد:10813
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com