Görüntüleme
14
İndirme
2
Biyometri teknolojisi, kişisel kimlik tespiti gibi güvenlik konuları açısından oldukça önemlidir. Göz-iris tanıma, yüz tanıma ve damar örüntüsü tanıma gibi biyometrik teknoloji ile ilgili birçok çözüm sunulmuştur. Dahası, günümüzün en önemli kimlik doğrulama yöntemlerinden biri parmak izi tanımadır. Her parmak izinin kendine özgü sırt, çukur, delta ve çekirdek model örüntüsü vardır. Bu örüntüler lasso(ilmek), ark(yay) ve wirbel gibi benzersiz parmak izi tiplerini oluşturur. Parmak izi paterni tanıma sorunu, eşleştirme sürecini hızlandırmak için çok önemli bir ön adımdır. Bu nedenle, özellikle büyük parmak izi veritabanları için her zaman doğru bir örüntü tanıma yöntemine ihtiyaç vardır. Geleneksel yöntemlerin yanı sıra son zamanlarda parmak izi örüntü tanıma amacıyla daha çok CNN kullanılmaktadır ve literatürde yüksek tanıma oranlarına ulaşan birçok çalışma bulunmaktadır. Bu çalışmada, tanıma oranlarını artırmak için önceden egitilmis Xception ve NasNetLarge CNN mimarilerini kullanarak parmak izi sınıflandırmasına yönelik otomatik bir teknik öneriyoruz. NIST Özel veritabanı 4'ü kullanarak deneyler yapildi ve dört kategori için: yay, sağ lasso, sol lasso ve wirbel, şu ana kadarki en iyi puan olan %97.3 ve % 98,5 tanınma oranlarina ulaştık. Ayrıca model, yay ve fitilli yay iki ayrı sınıfa ayrılarakta test edilmiş ve 5 sınıf için % 91,5 ve %90.2 tanınma oranına ulaşılmıştır.
Biometrics technology is very important in terms of security issues like the identification of personal identity. Many solutions have been offered regarding biometric technology such as eyes-iris recognition, face recognition and vein pattern recognition. Moreover, one of the today’s most important authentication methods is fingerprint recognition. Each fingerprint has different pattern of ridges, valleys, deltas and cores. Those pattern types indicate unique fingerprints such as arch, left loop, right loop, tent arch and whorl. The issue of fingerprint pattern recognition is a crucial prior step to speed up the matching process of fingerprint recognition systems. Therefore, an accurate pattern recognition method is always needed, especially for large fingerprint databases. Besides traditional methods, recently, CNN is mostly used for fingerprint pattern recognition and there are many studies in the literature which achieve high recognition rates. In this study, we propose an automated tecnique toward fingerprint classification using various pretrained CNNs Xception and NasNetLarge in order to increase recognition rates. We performed experiments using NIST Special database 4 and we achieved 97.3 98.5% recognition rates respectively, which are the best scores up to now, for four categories: arch, right loop, left loop and whorl. The models was also tested into 5 fingerprint classes which arch and tented arch were seperated as two different classes with the recognition rate of 91.5% and 90.2% respectively.
Alan : Fen Bilimleri ve Matematik; Mühendislik
Dergi Türü : Uluslararası
Makale Detay 
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
