Development and implementation of multibiometric on palm finger joint and palm pattern


MAKUL Ö. , EKİNCİ M.

Signal Processing and Communications Applications Conference (SIU), 2015 23th, Malatya, Türkiye, 16 - 19 Mayıs 2015, ss.1619-1622

  • Basıldığı Şehir: Malatya
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.1619-1622

Özet

Bu çalışmada, avuç parmak eklem yüzeyi ile aynı el imgesine ait avuç izinin birlikte oluşturduğu uzun vektör yapısına dayanan çoklu biyometrik bir tanıma yaklaşımı sunulmaktadır. Bu yaklaşımda ilk olarak avuç izi ve avuç parmak eklem yüzey örüntülerine imge normalizasyonu ve Ayrık Dalgacık Dönüşümü ön işlem olarak uygulanmaktadır. Daha sonra bu iki biyometrik uzun vektör olacak şekilde birleştirilmektedir. Birleştirilme ile elde edilen uzun vektörün Çekirdek Fisher Ayırtacı (ÇFA) ile ayırt edici özellikleri çıkartılmaktadır. Sınıflandırma işlemi için Destek Vektör Makineleri’nden faydalanılmaktadır. Önerilen yaklaşım 132 kişiye ait 1614 adet avuç parmak eklem yüzeyi ve avuç izi imgeleri üzerinde denenmiştir. Sadece avuç izi için kimliklendirme başarısı %99.75, sadece avuç parmak eklem yüzeyi için başarı %99.02 ve uzun vektöre dayalı çoklu biyometrik yapı için başarı %99.87 olarak elde edilmiştir. Elde edilen sonuçlar (132 kişi için %99.87 doğru tanıma oranı) önerilen yaklaşımın başarısını ortaya koymaktadır. 

A multi biometric approach is presented for recognition based on long vector structure with using palm finger joint surface and palm print which are from the same hand image in this paper. In this approach, initially image normalization and Discrete Wavelet Transform is applied as a preprocessing to palm finger joint surface and palm print. Afterwards these two biometrics are joined to be long vector. By using Kernel Fisher Discriminant method most discriminative features of long vector which is obtained by joinder are extracted. Support Vector Machine is utilized for classification. Finally, proposed approach is tested on 1614 palm finger joint surface and palm print images which belong to 132 different person. Identification performance for palm print is %99.87, for palm finger joint surface is %99.02 and for multibiometric structure based on long vector is %99.87. Obtained results (%99.87 accuracy rate for 132 persons) demonstrate proposed approach's success.