Resumen

El sistema de reconocimiento multiespectral de la huella de la palma de la mano (MPRS) es una tecnología esencial para las tareas de identificación y verificación humanas eficaces. Para mejorar la precisión y el rendimiento del MPRS, en este trabajo se propone un nuevo enfoque basado en el autoencoder (AE) y la máquina de aprendizaje extremo regularizado (RELM). El enfoque propuesto pretende agilizar el reconocimiento reduciendo el número de características de la huella palmar sin degradar la precisión del clasificador. Para lograr este objetivo, primero se extrae la región de interés (ROI) de las imágenes de las huellas palmares mediante el método de David Zhang. En segundo lugar, se utiliza un eficiente descriptor Gist normalizado (NGist) para la extracción de características de las huellas palmares. A continuación, se reduce la dimensionalidad de las características extraídas mediante un AE optimizado. Por último, las características reducidas se introducen en el RELM para su clasificación. Se ha realizado un amplio conjunto de experimentos con el conjunto de datos de referencia MS-PolyU. Los resultados fueron significativamente altos en comparación con los enfoques del estado de la técnica, y se revela la robustez y la eficiencia del enfoque propuesto.

• Materias:Biotecnología Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithms Brain - pathophysiology Neurophysiology
• Palabras claves:Enfoque propuesto, sistema de reconocimiento de huellas palmares, extracción de características de las huellas palmares, región de interés, identificación humana eficaz, máquina de aprendizaje extremo, conjunto de experimentos, reconocimiento multiespectral de huellas palmares, precisión del clasificador, gist eficiente normalizado
• Keywords:proposed approach, palmprint recognition system, palmprint features extraction, region of interest, effective human identification, extreme learning machine, set of experiment, multispectral palmprint recognition, accuracy of classifier, efficient normalized gist