Mustererkennung und Biometrie
Bei der Mustererkennung wird ein Muster identifiziert und erneut bestätigt. Im Allgemeinen kann ein Muster ein Fingerabdruckbild, ein handgeschriebenes Kursivwort, ein menschliches Gesicht, ein Sprachsignal, ein Barcode oder eine Webseite im Internet sein.
Die einzelnen Muster werden häufig anhand ihrer Eigenschaften in verschiedene Kategorien eingeteilt. Wenn die Muster derselben Eigenschaften zusammen gruppiert werden, ist die resultierende Gruppe auch ein Muster, das häufig als Muster bezeichnet wirdclass.
Die Mustererkennung ist die Wissenschaft zum Beobachten, Unterscheiden der interessierenden Muster und zum Treffen korrekter Entscheidungen über die Muster oder Musterklassen. Somit wendet ein biometrisches System die Mustererkennung an, um die Individuen zu identifizieren und zu klassifizieren, indem es sie mit den gespeicherten Vorlagen vergleicht.
Mustererkennung in der Biometrie
Die Mustererkennungstechnik führt die folgenden Aufgaben aus:
Classification - Identifizierung handgeschriebener Zeichen, CAPTCHAs, die Menschen von Computern unterscheiden.
Segmentation - Erkennen von Textbereichen oder Gesichtsbereichen in Bildern.
Syntactic Pattern Recognition - Bestimmen, wie eine Gruppe von mathematischen Symbolen oder Operatoren in Beziehung steht und wie sie einen aussagekräftigen Ausdruck bilden.
Die folgende Tabelle zeigt die Rolle der Mustererkennung in der Biometrie -
Mustererkennungsaufgabe | Eingang | Ausgabe |
---|---|---|
Zeichenerkennung (Signaturerkennung) | Optische Signale oder Striche | Name des Charakters |
Sprechererkennung | Stimme | Identität des Sprechers |
Fingerabdruck, Gesichtsbild, Handgeometriebild | Bild | Identität des Benutzers |
Komponenten der Mustererkennung
Die Mustererkennungstechnik extrahiert ein zufälliges Muster menschlicher Merkmale in eine kompakte digitale Signatur, die als biologische Kennung dienen kann. Die biometrischen Systeme verwenden Mustererkennungstechniken, um die Benutzer zu klassifizieren und sie separat zu identifizieren.
Die Komponenten der Mustererkennung sind wie folgt:
Beliebte Algorithmen in der Mustererkennung
Die beliebtesten Mustererzeugungsalgorithmen sind -
Algorithmus für den nächsten Nachbarn
Sie müssen den Vektor der unbekannten Person nehmen und deren Abstand zu allen Mustern in der Datenbank berechnen. Der kleinste Abstand ergibt die beste Übereinstimmung.
Back-Propagation (Backprop) -Algorithmus
Es ist ein etwas komplexer, aber sehr nützlicher Algorithmus, der viele mathematische Berechnungen beinhaltet.