Processus de reconnaissance d'empreintes digitales et des paramètres

Présentation
Dans un certain nombre de transactions d'affaires et l'accès à des informations privilégiées, de vérification fiable et précise de la population est extrêmement important. Forensic laboratoires de sciences et d'unités d'identification pour les enquêtes criminelles utilisent couramment les empreintes digitales. Plus récemment, un nombre croissant d'applications civiles et commerciales, comme le décaissement du bien-être, cellulaire, accès au téléphone, connexion ordinateur portable sont soit d'utiliser ou envisage activement d'utiliser la vérification d'empreintes digitales basée en raison de la disponibilité de scanners compacts et peu coûteux état solide ainsi que sa qualité supérieure et performance éprouvée correspondant sur d'autres technologies biométriques.

Méthodes de vérification automatique basée sur les caractéristiques physiques biométriques comme les empreintes digitales ou l'iris peut fournir une vérification positive, avec une précision très élevée. Cependant les méthodes biométrie à base supposent que les caractéristiques physiques d'un individu utilisée pour la vérification sont suffisamment unique pour distinguer une personne d'une autre. Les vrais jumeaux ont le plus proche de la génétique basée sur la relation et donc les similitudes entre les empreintes digitales sont maximales devraient être trouvée parmi les jumeaux identiques.

Pattern Recognition
Le concept de modèle est universel dans l'intelligence et de découverte. Par exemple, nous percevons les lignes colorées sur les murs des grottes de Lascaux, en France, peints à l'époque préhistorique, comme les mammifères de proie. Les tendances dans les données biologiques contiennent des connaissances, si seulement nous pouvons le découvrir. Discrimination des modèles de signal permet l'identification personnelle par la voix, l'écriture, les empreintes digitales, images faciales, et ainsi de suite, ainsi que la reconnaissance de la parole, les caractères écrits, et des scènes en images. Il inclut également l'identification des cibles militaires basé sur un radar, infrarouge et / ou des images vidéo. Patterns existent dans les analyses électromagnétiques à haute fréquence des corps chimiques et autres produits chimiques organiques, y compris l'ADN. Le concept de classification implique l'apprentissage de la ressemblance et les différences des modèles qui sont des abstractions d'instances d'objets dans une population de non-objets identiques. Les associations entre les modèles et leurs causes sont les briques à partir de laquelle le mur de la connaissance scientifique est construit.

Reconnaissance et le classement

Les humains reconnaissent les visages familiers dans une foule, les caractères et les mots sur la page imprimée, les différents types de voix, des mélodies préférées, le parfum des parfums et des fruits, le motif de tissage dans le tissu, la forme des feuilles, dans des phrases signification contextuelle mot, et ainsi de suite. D'autres mammifères sont également reconnaisseurs excellente. Les signaux sens prétraitement comme le son ou les ondes lumineuses qui ont été modulées, c'est-transformé d'une certaine façon par l'interaction avec un objet que l'information impressionné sur eux. Les signaux à modulation prétraitées sont ensuite projetés dans une décision qui équivaut à une reconnaissance de la reconnaissance des objets. Un tel traitement détecte des différences subtiles dans la modulation des signaux pour effectuer la reconnaissance. Un modèle sera considéré comme primitive ici que nous sommes d'accord sur sa signification sans qu'il soit nécessaire de le définir. Quand il est établi que l'objet d'une population P appartient à une sous-population S connue, nous disons que la reconnaissance des formes est fait. La reconnaissance d'un objet individuel comme une classe unique singleton est appelée identification. La classification est le processus de regroupement des objets en classes en fonction de leur ressemblance perçue ou similitudes. Le domaine de la reconnaissance de formes inclut à la fois la classification et la reconnaissance et appartient à la plus large champ de machine à l'intelligence, c'est-à l'étude de la façon de faire des machines à apprendre et à raison de faire la décision, comme le font les humains.

Après avoir lu dans une phrase entière, la machine peut être dans un état final, dans ce cas, nous disons que la machine accepte les phrases, ou il peut être dans n'importe quel autre État, auquel cas nous disons que la machine rejette la peine. Si la machine accepte une phrase, puis il la classifie comme appartenant à la classe que la machine reconnaît.

Fondements
Traitement de l'information a toujours été sous étude à travers l'histoire des sciences. Récemment traitement de l'information picturale est devenu plus important. La disponibilité de calculateurs numériques et quantité massive de données picturales dans tous les domaines a rendu le traitement d'image l'un des thèmes majeurs de la recherche actuelle. La théorie des langages formels, qui a une structure fondamentalement hiérarchique, semble être adapté à l'analyse d'image.
La biométrie des empreintes digitales et les bases de

Jusqu'à ce jour les recherches menées dans le traitement automatique d'empreintes digitales, s'est concentré sur la description des empreintes digitales par la détermination de l'emplacement des terminaisons de crêtes, les bifurcations, les boîtiers etc Certains des chercheurs ont tenté d'utiliser des techniques optiques dans la classification des empreintes digitales. Mais les inconvénients sont le bruit et l'exigence de nombreux filtres correspondants. À Cornell Aeronautical Laboratory (CAL) en plus de lecteur d'empreintes digitales, minutie l'emplacement et la direction à savoir Ridge pattern matching est concentrée essentiellement. Il y avait aussi une autre proposition à l'utilisation d'une matrice d'échantillonnage où chaque carré échantillon contient le sens de la pente prédominante des crêtes passant de décider si oui ou non les deux modèles sont les mêmes à travers elle. Plus tard, la technique de lissage de la matrice d'échantillonnage et d'extraction de la structure globale de la structure a été introduite. Puis l'approche syntaxique comme l'une des approches prometteuses pour le traitement d'image a été proposée.

Dermetoglyphics

Dermetoglyphics est un domaine intéressant en anthropologie. Habituellement Dermetoglyphics analyses de la paume total et il est pris pour la comparaison de différents individus. Les analystes en général considéré comme l'un secteur marqué thénar / première zone interdigitale. Il ya aussi des deuxième, troisième et quatrième zones interdigitales trouve dans la paume distale dans la région de la tête des métacarpiens. Configurations rencontrées dans les zones interdigitales sont des boucles, des spirales, des vestiges et des fichiers ouverts. Pour obtenir la compréhension complète des modèles d'empreintes digitales, la définition de certains termes techniques est en ordre.

Zone modèle
La zone des empreintes digitales contenant les noyaux, les deltas et les crêtes est appelée zone de motif. Généralement, une zone modèle de boucles et de spirales peuvent être facilement définis alors qu'il est difficile, voire impossible, de définir des arcs.

Tapez la ligne

Deux intérieurs les plus crêtes confiner la zone motif sont appelées lignes de type. Les lignes de type doit débuter en parallèle, diverger et surround, ou tout au moins aplatis d'entourer, de la zone motif. Les crêtes immédiate à l'extérieur est considéré comme la continuation de lignes de type.
Bifurcation: Diviser d'une crête en deux ou plusieurs crêtes sont définies comme des bifurcations.
Divergence: La écartement des deux arêtes parallèles ou presque parallèles sont connus comme la divergence.

Les points focaux:

Core et Delta, deux éléments dans le modèle, sont utilisées pour la classification et sont appelés points focaux.

Delta:

Le point sur ou en face de la crête ferme au centre de la divergence des lignes de type est défini comme point de delta. Delta pourrait être n'importe quel élément comme un point, une arête courte, une bifurcation, la fin d'une crête, et l'intersection de deux crêtes.

Règles suivantes sont utilisées dans la sélection du delta dans le cas de plusieurs choix possibles: Le delta ne peut être situé à une bifurcation lorsque la bifurcation s'ouvre vers le noyau. Quand il ya un choix entre une bifurcation et un autre type de delta, le delta de la bifurcation doit être sélectionné. Quand il ya plusieurs points du delta possibles répondant à la définition, le point le plus proche du noyau est sélectionné. Pas de Delta peut être situé au milieu d'une crête qui relie les lignes de type vers le noyau. Il peut être situé à l'extrémité la plus proche de la crête seulement.

Core:

Le noyau, qui est approximativement le centre des empreintes digitales de boucle, est situé dans ou sur le recurve plus à l'intérieur. Volutes et arcs n'ont pas de noyaux.

Ridge compter:

Le nombre de crêtes intervenir entre le delta et le noyau est appelé nombre de crêtes.
Conclusion

Ainsi, la recherche sur les empreintes digitales est très intéressant et ici, dans cet article, nous avons discuté de ce qui est la reconnaissance et de classification, ce sont tous les paramètres pour faire correspondre les empreintes digitales, qui sont les fondements de la reconnaissance des empreintes digitales.

Source de l'article: http://EzineArticles.com/320075