Score normalization applied to adaptive biometric systems

سیستم های احراز هویت بیومتریک دارای محدودیت های خاصی هستند. مطالعات اخیر نشان داده اند که ویژگی های بیومتریک در طول زمان تغییر می کنند، که می تواند موجب کاهش عملکرد به رسمیت شناختن سیستم بیومتریک شود. یک سیستم بیومتریک سازگار با این مسئله می تواند با تطبیق مرجع / قالب بیومتریک در طول زمان، به این ترتیب تغییرات را به طور خودکار ردیابی کند. با این حال، استفاده از این سیستم ها معمولا نیاز به اتخاذ یک مقدار آستانه بالا برای جلوگیری از ورود الگوهای مستبد به مرجع واقعی بیومتریک دارد. در این مطالعه ما فرض می کنیم که روش های ساده سازی نمره، که برای بهبود عملکرد تشخیص سیستم های بیومتریک از طریق بهبود تصحیح تصمیم گیری آنها مورد استفاده قرار می گیرد، می تواند عملکرد کلی سیستم های سازگار را بهبود بخشد. با چنین نرمال سازی، می توان یک انتخاب آستانه بهتر نیز ایجاد کرد، که پس از آن تعدادی نمونه واقعی برای انطباق را افزایش می دهد. به طور کامل از دانش ما، این اولین تحقیق برای استفاده از نرمال سازی نمره برای افزایش سیستم های بیومتریک سازگار با تغییر ویژگی های کاربر در طول زمان است. از طریق یک طرح آزمایشی سیستماتیک بر روی دو صفات رفتاری بیومتریک، نتایج به دست آمده حقیقتا از حدس ما پشتیبانی می کنند. علاوه بر این، نتایج تجربی نشان می دهد که افزایش عملکرد ناشی از انطباق می تواند تاثیر کلی بالاتری نسبت به نرمال بودن نمره به تنهایی داشته باشد.