روشی مطمئن برای مقابله با مشکلات طبقه بندی اثر انگشت

اثر انگشت بیومتریکی است که به دلیل ویژگی های منحصر به فردش، بیشترین کاربرد را در سیستم های تشخیص و تعیین هویت داشته است. در سیستم های تعیین هویت، تصویر ورودی با تمام تصاویر ثبت شده در پایگاه مقایسه می گردد و در صورتی که پایگاه داده حجیم باشد، عمل مقایسه بسیار زمان بر خواهد بود. برای نمونه می توان به پایگاه های داده موجود در FBI اشاره نمود. یکی از راه حل های تاییدشده برای افزایش سرعت، طبقه بندی تصاویر است. در طبقه بندی مطلق، به هر اثر انگشت تنها یک کلاس تخصیص می یابد. دلایل مختلفی چون نویز یا عدم وجود همه نقاط یکتا در محدوده تصویر، تعیین یک کلاس مطلق برای همه تصاویر را دچار مشکل می کند. در این مقاله، روشی جدید بر پایه طبقه بندی احتمالی ارائه شده که برای هر تصویر ورودی، مجموعه ای از کلاس ها مشخص می شود که هر یک دارای یک احتمال می باشند. در مرحله انطباق، کلاس ها به ترتیب اولویتشان جستجو می شوند. آزمایشات صورت گرفته بر روی پایگاه داده شناخته شده FVC 2002، تاثیر استفاده از طبقه بندی احتمالی را به روشنی نشان داده است. با در نظر گرفتن کلاس های دوم و سوم تعیین شده توسط روش پیشنهادی، دقت شناسایی سیستم تقریبا 18% افزایش یافته است، در صورتی که سرعت آن، 2 تا 3 برابر بیشتر از طبقه بندی مطلق می باشد.