উন্নত পারস্পরিক সম্পর্ক ফিল্টার তত্ত্ব গত দুই দশক ধরে অপটিক্যাল প্যাটার্ন স্বীকৃতি সাহিত্য থেকে প্রসূত হয়েছে; তারা তাদের মধ্যে অ্যাপ্লিকেশন, বায়োমেট্রিক স্বীকৃতি এবং স্বয়ংক্রিয় লক্ষ্য স্বীকৃতি একটি সংখ্যা কার্যকর ক্লাসিফায়ার প্রমানিত হয়েছে. পারস্পরিক সম্পর্ক ফিল্টার ডিজাইন খাঁটি ব্যবহারকারী এবং প্রতারক মধ্যে পার্থক্য চরিত্রগত পারস্পরিক সম্পর্ক আউটপুট উৎপন্ন করে একটি বর্গ টেমপ্লেট গনা প্রশিক্ষণ উদাহরণ ইমেজ তীব্রতা ডোমেইন ব্যবহার করুন. একটি নতুন লক্ষ্য ইমেজ এর সত্যতা পরীক্ষার জন্য ফিল্টার প্রয়োগ করার সময়, আউটপুট সমতল ইমেজ অন্য বর্গ জন্যে ছবিটি খাঁটি যদি একটি পারস্পরিক সম্পর্ক শিখর ধারণকারী একটি আকৃতি, কিন্তু কোন যেমন শীর্ষ আছে বলে আশা করা হয়. পারস্পরিক সম্পর্ক ফিল্টার ক্লাসিফায়ার বৈশিষ্ট্য সুতনু অবনতি, স্থানান্তর invariance এবং বদ্ধ-ফর্ম সমাধান অন্তর্ভুক্ত.
কোড ক্যাপাসিটিভ সেন্সর এবং ইউএসবি 2.0 সংযোগ সহ একটি UPEK ধুমধাড়াক্কা ফিঙ্গারপ্রিন্ট রিডার সঙ্গে নেওয়া ফিঙ্গারপ্রিন্ট ইমেজ ব্যবহার করে পরীক্ষা করা হয়েছে. ডাটাবেস ব্যাপী 16 আঙ্গুলের এবং গভীর আঙুল প্রতি 8 ইমপ্রেশন (সমস্ত 128 আঙ্গুলের ছাপ) হয়. আমরা নিম্নলিখিত ফলাফল প্রাপ্ত:
এক থেকে অনেক আঙ্গুলের ছাপ সনাক্তকরণ: কোন ওভারল্যাপিং ছাড়া এলোমেলোভাবে প্রশিক্ষণের জন্য নির্বাচিত প্রতিটি আঙুল জন্য 2 ইমেজ এবং পরীক্ষার জন্য অবশিষ্ট 6 চিত্র (প্রশিক্ষণ জন্য সম্পূর্ণ 32 ইমেজ এবং পরীক্ষার জন্য 96 ছবি), ব্যবহার করে, আমরা আর একটি ত্রুটি হার ছোট প্রাপ্ত 0.6% (শীর্ষ একটি ত্রুটি হার).
এক-এক আঙ্গুলের ছাপ যাচাই: আমরা 5,6641% সমান একটি EER প্রাপ্ত.
সূচক শর্তাবলী:. মতলব, উৎস, কোড, পারস্পরিক সম্পর্ক, ফিল্টার, AFIS, স্বয়ংক্রিয়, ফিঙ্গারপ্রিন্ট, সনাক্তকরণ, সিস্টেম
আবশ্যক
মতলব
পাওয়া মন্তব্যসমূহ না