Resumen

En este artículo, los autores presentan un novedoso sistema de verificación personal basado en la prueba de relación de probabilidad para la fusión de las puntuaciones de coincidencia de múltiples comparadores biométricos (cara, huella dactilar, forma de la mano y huella de la palma). En el sistema propuesto, las características multimodales se extraen mediante el Momento de Zernike (ZM). Después de la comparación, las puntuaciones de los múltiples comparadores biométricos se fusionan basándose en la prueba de relación de probabilidad. Se utiliza un modelo de mezcla gaussiana finita (GMM) para estimar las densidades genuina e impostora de las puntuaciones de coincidencia para la verificación personal. Nuestro enfoque también se compara con algunos enfoques famosos, como la máquina de vectores de apoyo y la regla de la suma con min-max. Los resultados experimentales han confirmado que el sistema propuesto puede lograr un excelente rendimiento de identificación por su mayor nivel de precisión que los diferentes enfoques famosos y por lo tanto puede ser utilizado para más aplicaciones relacionadas con la verificación de personas.

• Materias:Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Fisiología vegetal
• Subjects:Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Plant physiology
• Palabras claves:emparejador biométrico múltiple, puntuación de emparejamiento, prueba de relación de verosimilitud, diferente enfoque famoso, sistema propuesto, fusión de emparejamiento, excelente rendimiento de identificación, mezcla gaussiana finita, máquina de vectores de apoyo, modelo de mezcla gaussiana
• Keywords:multiple biometric matcher, match score, likelihood ratio test, different famous approach, proposed system, fusion of match, excellent identification performance, finite gaussian mixture, support vector machine, gaussian mixture model