Resumen

El objetivo de este trabajo es proponer un nuevo enfoque de reconocimiento del iris basado en la fusión de características y puntuaciones en el que se ha aplicado el método de votación sobre la técnica de selección de clasificadores múltiples. Los resultados de los cuatro clasificadores del modelo oculto discreto de Markov, es decir, el sistema unimodal basado en el iris izquierdo, el sistema unimodal basado en el iris derecho, el sistema multimodal basado en la fusión de características del iris izquierdo-derecho y el sistema multimodal basado en la fusión de puntuaciones de la relación de verosimilitud del iris izquierdo-derecho, se combinan utilizando el método de votación para lograr el resultado final del reconocimiento. Se ha utilizado la base de datos CASIA-IrisV4 para medir el rendimiento del sistema propuesto con varias dimensiones. Los resultados experimentales muestran la versatilidad del sistema propuesto de cuatro clasificadores diferentes con varias dimensiones. Por último, la precisión del reconocimiento del sistema propuesto se ha comparado con el enfoque de fusión de puntuaciones de distancia N hamming propuesto por Ma et al., el enfoque de fusión de puntuaciones de relación de probabilidad logarítmica propuesto por Schmid et al. y el enfoque de fusión de características de un solo nivel propuesto por Hollingsworth et al.

• Materias:Algoritmos (Matemáticas) Ingeniería del transporte Neurociencias Seguridad del transporte Ingeniería ferroviaria
• Subjects:Agorithms (Math) Transport engineering Neurosciences Transport safety Railway engineering
• Palabras claves:sistema unimodal basado, sistema propuesto, enfoque de fusión de puntuaciones, sistema multimodal basado, métodos de votación, varias dimensiones, clasificador de modelo de markov, fusión de características del iris, enfoque de fusión de características, schmid et al
• Keywords:based unimodal system, proposed system, score fusion approach, based multimodal system, voting methods, various dimensions, markov model classifier, iris features fusion, features fusion approach, schmid et al