manera más rápida para que coincida con las huellas dactilares?

Question

Estoy tratando de comprobar si existe una huella digital / partidos en una enorme colección de huellas dactilares (100.000). Se necesitará más tiempo para buscar coincidencias de forma secuencial. ¿hay alguna manera mejor para buscar partido? es posible organizar las huellas digitales en una estructura de árbol binario de modo que el número de comparaciones se puede reducir? Si es así, ¿cómo podemos hacerlo? sería de gran ayuda si las respuestas están en perspectiva Java.

editar

Tengo todas las huellas digitales como imágenes .gif. ¿Cómo puedo convertir las imágenes de huellas digitales en datos?

Gracias.

Answer 1

1) Es necesario utilizar el algoritmo de compresión Wavelet para codificar la huella digital en secuencia de los parámetros de compresión wavelet:

0, -1, 2,4, 5.6.7.7, 32.-1.5, e.t.c.

2) Es necesario definir la función de concordancia, que se encuentra algunas similitudes, existen dos opciones:

-el enfoque geometría (qudrants comparar a qudrants, todo campo están espaciadas en bloques continuos por algún algoritmo espacio)

Pros:

acelerado por hardware (ESS) algoritmo de coincidencia de píxeles, la normalización de todas las huellas digitales a una base standart usando transformación afín, F. E. al cuadrado de 512x512 píxeles

Contras:

Hight sensibilidad de la calidad de huellas dactilares (si una parte de la huella digital buscado es omittet totalmente)

-el enfoque topología (la conectividad de líneas, arcos, los puntos de interrupción, el posicionamiento mutuo entre sí)

Pros:

baja sensibilidad a ángulo, posición, y la calidad de huellas dactilares, puede usar la escala de la imagen original y dirección;

Contras:

Baja velocidad de análisis, altamente dependiente de la calidad de una función de clasificación,

3) Es necesario definir algún tipo de algoritmo genético para entrenar la función de evaluar en un conjunto conocido de huellas dactilares

sistema de conocimiento Usted será capaz de encontrar las huellas dactilares por la muestra dada, no conocida por el sistema, pero capacitado para encontrar algunas diferencias / determinados partidos, aumenta la probabilidad de una búsqueda con éxito, Lovering la probabilidad de falsas coincidencias en la búsqueda .

Answer 2

Esta no es mi campo de especialización (soy un desarrollador web), pero creo que usted debe buscar en redes neuronales. He descargado un código de demostración de una vez hice un poco de experimentación con reconocimiento de caracteres. Fue sorprendente ver cómo la red neuronal que tenía configuración podría reconocer caracteres que dibujé en la pantalla. Pero antes de que pudiera hacer esto, primero tuvo que aprender (aprendizaje de propagación hacia atrás).

Aquí hay una presentación de diapositivas que ofrece un esquema: http://www.slideshare.net/alessandrobaffa/fingerprints-recognition-using -neural-redes

La última diapositiva contiene más referencias.

Buena suerte!

/ Thomas Kahn

Answer 3

No se puede simplemente hacer algún tipo de comparación de imágenes - hay maneras específicas para analizar y almacenar la información de huellas dactilares ya establecida que, por ejemplo, tienen en cuenta la calidad de la huella dactilar levantado / escaneado y el de los datos de huellas dactilares almacenados .

Busqué en Google para fingerprint encoding standard y se acercó con varios resultados interesantes, incluyendo la Enciclopedia de la biometría , que menciona "la calidad en varias normas de huellas digitales codificar", y un artículo hablar sobre el estándar de codificación de imágenes del FBI (entre otras cosas)

Answer 4

Sé que esta pregunta se hizo hace 4 años, sin embargo, muchas personas están viendo y para los espectadores Creo que mi respuesta podría ser de ayuda.

Hay algunas preguntas planteadas: - 1) ¿Hay alguna manera para buscar una coincidencia de huellas digitales lo más rápido posible para bases de datos a gran escala?

Respuesta: Sí - Antes de que coincide con una huella digital, no es un paso importante que le falta. Este proceso es la clasificación de huellas dactilares, que se descompone en la clasificación exclusiva y clasificación continuo. Clasificación exclusiva es más fácil de implementar, ya que se identifica un patrón de la huella digital, conocida como clase y compararlo con sólo las huellas digitales en la base de datos que son de la misma clase. Esto es lo que hace para acelerar la comparación de huellas dactilares.

El vínculo creado por Peter Kovesi a continuación proporciona código para el campo de la orientación y la extracción de minucias para la coincidencia: - http://www.csse.uwa.edu.au/~ PK / investigación / matlabfns / # huellas dactilares campos de detección punto y orientación Singular SIDA en la identificación de clases. Se puede encontrar en el enlace.

2) ¿Cómo se puede convertir las imágenes de huellas digitales en datos? Respuesta: Bueno, no importa qué formato de la imagen es, utilizo tiff. Es necesario saber que las huellas digitales se componen de crestas y valles. Las crestas están representados por la línea más oscura. Es necesario aplicar algo que se llama segmentación de cresta para descartar el fondo y extraer sólo las crestas. Esto se almacena en una máscara.

3) "la imagen existente y la imagen que se digitalizan no será exactamente igual. Ese es mi problema"

Respuesta: ¿Se ve afectada por el ruido, rotación, traslación, etc. Reducir el ruido, las técnicas de mejora de uso. Para la rotación, los puntos de uso de referencia y las huellas dactilares alinear.

Yo sé que esto es una descripción breve, sin embargo espero que apunte your'll en la dirección correcta. Buena suerte!

Answer 5

No puedo comentar sobre el mejor enfoque totalmente DIY, pero tengo mucha experiencia de campo en esta zona. Todos los grandes (caro!) Productos comerciales tienen 2 o más algoritmos para hacer comparación de huellas dactilares en grandes conjuntos de datos. Hay algunos que las clases de uso de huellas digitales (circular, espiral, etc.) para hacer algunas pre-filtrado, pero en las huellas dactilares generales no indice muy bien, tendrá a la fuerza bruta de una manera inteligente. Ahí es donde las múltiples algoritmos entran en juego.

Hay algunas clases de algoritmos que pueden hacer muy rápido de huellas dactilares compara (forma de canto), pero son muy susceptibles a errores por lo que no son por sí mismos lo suficientemente preciso para hacer una identificación cuerdo en las bases de datos de tamaño razonable. Por lo que los algoritmos se implementan como primera etapa. Si el algoritmo está en duda, pasa a la siguiente etapa. Esto podría ser algún algoritmo de 'clase media', por ejemplo, minucias espectrales o un algorith 'lento y precisa', por ejemplo, algo que realmente compara todas las minucias. El efecto neto es que las etapas secundarias suelen corregir la mayor parte del falso acepta de la primera etapa. La pérdida única irrecuperable es los falsos rechazos en el primer (y segundo) etapa. Dependiendo del dominio de aplicación, esto puede ser insignificante o muy alta. Es un compromiso entre la precisión y el rendimiento. En nuestro propio entorno de pruebas que hemos visto velocidades de más de 100.000.000 huellas dactilares compara por segundo de esta manera en un único escritorio (rollizo), la solución del problema original en ~ 1 ms. Sin embargo, es una pieza compleja, costosa y muy experto en la aplicación.

Answer 6

huella digital, si desea que la precisión se hace mejor con los métodos probados y verdaderos que casi todas las huellas dactilares uso automatizado algoritmo de coincidencia.

Los puntos de extracto minutia y almacenar su ubicación y otros datos en una plantilla y luego utilizar el análisis estadístico de posicionamiento relativo de los datos minutia dentro de dos plantillas para calcular una puntuación de cómo de cerca coinciden con las dos plantillas.

Usando esta técnica requiere a menudo teniendo en cuenta las cosas como las diferencias en la rotación y el área del dedo, ya que fueron colocados en el escáner de huellas digitales para cada impresión.

algoritmos biométricos no son perfectos y no el rendimiento se mide por su Tasa de Falsa Aceptación (FAR) y su Tasa de Falso Rechazo (FRR). Estas dos medidas están inversamente relacionados entre sí, lo que significa que a medida que aumenta la seguridad (disminución FAR) se aumenta la FRR.