Resumen

El diseño de un sistema robusto de identificación humana está en alta demanda en la mayoría de las aplicaciones modernas como la banca en línea y la seguridad en internet, donde el sistema biométrico multifunción, también llamado sistema biométrico de fusión de características, es una de las soluciones comunes que aumenta la confiabilidad del sistema y mejora la precisión de reconocimiento. Este artículo implementa una comparación exhaustiva entre dos métodos de fusión, llamados fusión a nivel de características y fusión a nivel de puntuación, para determinar qué método mejora significativamente el rendimiento general del sistema. La comparación tiene en cuenta la calidad de imagen para los seis conjuntos de datos de combinación, así como el tipo de método de extracción de características aplicado. Los cuatro métodos de extracción de características, patrón binario local (LBP), matriz de co-ocurrencia de niveles de gris (GLCM), análisis de componentes principales (PCA) y descriptores de Fourier (FD), se aplican por separado para generar el conjunto de datos del vector de máquina de iris facial. Los resultados experimentales

• Materias:Anillos Modelos dinámicos Teoría de grupos Variedades de curvas Ecuación diferencial
• Subjects:Rings Dynamic models Group theory Varieties of curves Differential Equation
• Palabras claves:Sistema biométrico; Fusión de características; Fusión a nivel de puntuación; Calidad de imagen; Métodos de extracción de características; Precisión de reconocimiento
• Keywords:Biometric system; Feature fusion; Score-level fusion; Image quality; Feature extraction methods; Recognition accuracy