Biometrics-pattern-recognition-and-biometrics
提供:Dev Guides
パターン認識と生体認証
パターン認識では、パターンを識別して再度確認します。 一般的に、パターンは指紋画像、手書きの筆記体、人間の顔、音声信号、バーコード、またはインターネット上のWebページです。
個々のパターンは、多くの場合、プロパティに基づいてさまざまなカテゴリにグループ化されます。 同じプロパティのパターンがグループ化されると、結果のグループもパターンになります。これは、多くの場合、パターン*クラス*と呼ばれます。
パターン認識は、関心のあるパターンを観察、区別し、パターンまたはパターンクラスについて正しい決定を下すための科学です。 したがって、生体認証システムは、パターン認識を適用して、保存されているテンプレートと比較することにより、個人を識別および分類します。
生体認証のパターン認識
パターン認識技術は、次のタスクを実施します-
- 分類-手書き文字の識別、CAPTCHA、コンピューターと人間の区別。
- セグメンテーション-画像内のテキスト領域または顔領域の検出。
- 構文パターン認識-数学記号または演算子のグループがどのように関連しているか、およびそれらが意味のある表現をどのように形成するかを決定します。
次の表は、生体認証におけるパターン認識の役割を強調しています-
Pattern Recognition Task | Input | Output |
---|---|---|
Character Recognition (Signature Recognition) | Optical signals or Strokes | Name of the character |
Speaker Recognition | Voice | Identity of the speaker |
Fingerprint, Facial image, hand geometry image | Image | Identity of the user |
パターン認識のコンポーネント
パターン認識技術は、人間の特徴のランダムなパターンをコンパクトなデジタル署名に抽出します。これは、生物学的識別子として機能します。 生体認証システムでは、パターン認識技術を使用してユーザーを分類し、個別に識別します。
パターン認識のコンポーネントは次のとおりです-
パターン認識の一般的なアルゴリズム
最も人気のあるパターン生成アルゴリズムは-
最近傍アルゴリズム
未知の個人のベクトルを取得し、データベース内のすべてのパターンからの距離を計算する必要があります。 最小の距離が最適なマッチングを提供します。
バックプロパゲーション(Backprop)アルゴリズム
それは少し複雑ですが、多くの数学的計算を伴う非常に便利なアルゴリズムです。