کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6937806 1449888 2019 33 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Confidence factor weighted Gaussian function induced parallel fuzzy rank-level fusion for inference and its application to face recognition
ترجمه فارسی عنوان
تابع ضریب اطمینان گاوسی موجب همجوشی سطح رتبه فازی موازی برای استنتاج و کاربرد آن در تشخیص چهره می شود
کلمات کلیدی
رتبه های فازی سطح همجوشی، تشخیص چهره، سیستم شناسایی بیومتریک،
ترجمه چکیده
این مقاله روش جدیدی برای استنتاج با استفاده از همجوشی سطح فازی ارائه می دهد و کاربرد آن را به رسمیت شناختن چهره با استفاده از نمایش های بیومتریک چندگانه می پردازد. نمایندگی چندگانه از یک بیومتریک (صفت) به منظور افزایش قابلیت اطمینان یا پذیرش یک سیستم بیومتریک، به عنوان آن از ویژگی های اساسی ارائه شده توسط سنسورهای مختلف بهره می برد. در این مقاله پیشنهاد می کنیم یک طرح جدید برای تولید رتبه های فازی ناشی از تابع گاوس بر اساس اطمینان یک طبقه بندی ایجاد کنیم. در مقایسه با رتبه بندی متعارف، این رتبه بندی فازی، برخی از ارتباطات در میان خروجی ها (عوامل اطمینان) یک طبقه بندی را نشان می دهد. این صفات فازی، که توسط نمایه های چندگانه یک تصویر چهره حاصل می شود، با توجه به فاکتورهای اطمینان مربوط به طبقه بندی، به منظور ایجاد صفات نهایی در حین شناخت چهره، وزن می گیرند. در بسیاری از برنامه های دنیای واقعی که ویژگی های چندگانه یک فرد در دسترس نیستند، روش پیشنهاد شده بسیار موثر است. با این حال، به راحتی می توان آن را به سیستم های بیومتریک چند منظوره با استفاده از طبقه بندی های متعدد گسترش داد. نتایج تجربی با استفاده از بردارهای ویژگی های مختلف تصویر چهره با استفاده از طبقه بندی های مختلف نشان می دهد که روش پیشنهادی می تواند به طور قابل توجهی بهبود دقت تشخیص نسبت به آنهایی که از بردارهای ویژگی فردی و همچنین برخی از روش های همجوشی سطح بالا استفاده می شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر چشم انداز کامپیوتر و تشخیص الگو
پیش نمایش مقاله
تابع ضریب اطمینان گاوسی موجب همجوشی سطح رتبه فازی موازی برای استنتاج و کاربرد آن در تشخیص چهره می شود
چکیده انگلیسی
This paper proposes a novel approach for inference using fuzzy rank-level fusion and explores it application to face recognition using multiple biometric representations. Multiple representations of single biometric (trait) aim to increase the reliability or acceptance of a biometric system, as it exploits the underlying essential characteristics provided by different sensors. In this paper, we propose a new scheme for generating fuzzy ranks induced by a Gaussian function based on the confidence of a classifier. In contrast to the conventional ranking, this fuzzy ranking reflects some associations among the outputs (confidence factors) of a classifier. These fuzzy ranks, yielded by multiple representations of a face image, are fused weighted by the corresponding confidence factors of the classifier to generate the final ranks while recognizing a face. In many real-world applications, where multiple traits of a person are unavailable, the proposed method is highly effective. However, it can easily be extended to multimodal biometric systems utilizing multiple classifiers. The experimental results using different feature vectors of a face image employing different classifiers show that the proposed method can significantly improve recognition accuracy as compared to those from individual feature vectors and as well as some commonly used rank-level fusion methods.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Fusion - Volume 47, May 2019, Pages 60-71
نویسندگان
, , ,