Abstract—Contact-based sensors are the traditional devicesused to capt การแปล - Abstract—Contact-based sensors are the traditional devicesused to capt ไทย วิธีการพูด

Abstract—Contact-based sensors are

Abstract—Contact-based sensors are the traditional devices
used to capture fingerprint images in commercial and homeland
security applications. Contact-less systems achieve the fingerprint
capture by vision systems avoiding that users touch any parts of
the biometric device. Typically, the finger is placed in the working
area of an optics system coupled with a CCD module. The
captured light pattern on the finger is related to the real ridges
and valleys of the user fingertip, but the obtained images present
important differences from the traditional fingerprint images.
These differences are related to multiple factors such as light,
focus, blur, and the color of the skin. Unfortunately, the identity
comparison methods designed for fingerprint images captured
with touch-based sensors do not obtain sufficient accuracy when
are directly applied to touch-less images. Recent works show
that multiple views analysis and 3D reconstruction can enhance
the final biometric accuracy of such systems. In this paper we
propose a new method for the identification of the minutiae pairs
between two views of the same finger, an important step in the
3D reconstruction of the fingerprint template. The method is
divisible in the sequent tasks: first, an image preprocessing step
is performed; second, a set of candidate minutiae pairs is selected
in the two images, then a list of candidate pairs is created;
last, a set of local features centered around the two minutiae is
produced and processed by a classifier based on a trained neural
network. The output of the system is the list of the minutiae pairs
present in the input images. Experiments show that the method
is feasible and accurate in different light conditions and setup
configurations.
Index Terms—neural-networks, touch-less fingerprint, contactless
fingerprint, minutiae matching
0/5000
จาก: -
เป็น: -
ผลลัพธ์ (ไทย) 1: [สำเนา]
คัดลอก!
นามธรรมซึ่งเซนเซอร์ที่ใช้ติดต่อคือ อุปกรณ์ดั้งเดิมใช้ในการจับภาพลายนิ้วมือในพาณิชย์และบ้านเกิดเมืองนอนงานรักษาความปลอดภัย ระบบติดต่อน้อยได้ลายนิ้วมือจับได้ โดยหลีกเลี่ยงการให้ผู้ใช้สัมผัสส่วนใด ๆ ของระบบอุปกรณ์ตรวจสอบได้แก่ โดยทั่วไป วางนิ้วในการทำงานที่ตั้งของระบบเลนส์ควบคู่ไปกับโมดู CCD การจับแสงลายนิ้วมือเกี่ยวข้องกับสันเขาจริงและหุบเขาของนิ้วผู้ใช้ แต่ภาพได้รับอยู่ความแตกต่างที่สำคัญจากภาพลายนิ้วมือแบบดั้งเดิมความแตกต่างเหล่านี้เกี่ยวข้องกับหลายปัจจัยเช่นแสงโฟกัส เบลอ และสีของผิวหนัง อับ ตัวเปรียบเทียบวิธีการออกแบบมาสำหรับภาพลายนิ้วมือมีเซนเซอร์ระบบสัมผัสรับความแม่นยำเพียงพอเมื่อโดยตรงจะใช้การสัมผัสน้อยกว่าภาพ แสดงผลงานที่ผ่านมาว่า สามารถเพิ่มหลายมุมมองวิเคราะห์และ 3D บูรณะความแม่นยำในการตรวจสอบทางชีวภาพขั้นสุดท้ายของระบบดังกล่าว ในเอกสารนี้เราเสนอวิธีการใหม่สำหรับการระบุของคู่ minutiaeระหว่างสองมุมมองของนิ้วมือเดียว ขั้นตอนสำคัญในการฟื้นฟู 3 มิติของแม่ลายนิ้วมือ วิธีการที่จะหารงาน sequent: แรก ภาพขั้นตอนการประมวลผลเบื้องต้นดำเนินการ ที่สอง เลือกชุดของผู้สมัคร minutiae คู่ในภาพสอง จากนั้นรายชื่อของผู้สมัครคู่สร้างสุดท้าย ชุดของคุณลักษณะเฉพาะที่เสน่ห์ minutiae ที่สองคือผลิต และการประมวลผล โดยจำแนกตามการฝึกระบบประสาทเครือข่าย ผลลัพธ์ของระบบเป็นรายคู่ minutiaeอยู่ในรูปสัญญาณ การทดลองแสดงว่าวิธีการเป็นไปได้ และถูกต้องในสภาพแสงที่แตกต่างกันและการตั้งค่าตั้งค่าคอนฟิกกำหนดดัชนี — เครือข่ายประสาท ลายนิ้วมือน้อยกว่าสัมผัส สัมผัสลายนิ้วมือ minutiae ที่ตรงกัน
การแปล กรุณารอสักครู่..
ผลลัพธ์ (ไทย) 2:[สำเนา]
คัดลอก!
เซ็นเซอร์บทคัดย่อ-Contact-based เป็นอุปกรณ์แบบดั้งเดิม
ที่ใช้ในการจับภาพลายนิ้วมือในเชิงพาณิชย์และบ้านเกิดของ
โปรแกรมรักษาความปลอดภัย ติดต่อน้อยกว่าระบบบรรลุลายนิ้วมือ
จับภาพโดยการหลีกเลี่ยงระบบการมองเห็นว่าผู้ใช้สัมผัสชิ้นส่วนใด ๆ ของ
อุปกรณ์ไบโอเมตริกซ์ โดยปกติแล้วนิ้วจะอยู่ในการทำงาน
ในพื้นที่ของระบบเลนส์คู่กับโมดูลสำเนา
รูปแบบแสงจับบนนิ้วที่เกี่ยวข้องกับสันเขาจริง
และหุบเขาของปลายนิ้วของผู้ใช้ แต่ภาพที่ได้นำเสนอ
ความแตกต่างที่สำคัญจากภาพลายนิ้วมือแบบดั้งเดิม.
ความแตกต่างเหล่านี้จะเกี่ยวข้องกับปัจจัยหลายอย่างเช่นแสง
โฟกัสเบลอและ สีผิว แต่น่าเสียดายที่ตัวตน
วิธีการเปรียบเทียบที่ออกแบบมาสำหรับภาพลายนิ้วมือจับ
ด้วยเซ็นเซอร์สัมผัสที่ไม่ได้รับความถูกต้องเพียงพอเมื่อ
ภาพถูกนำมาใช้โดยตรงกับการสัมผัสน้อย ผลงานล่าสุดแสดงให้เห็น
ว่าการวิเคราะห์หลายมุมมองและการฟื้นฟูบูรณะ 3D สามารถเพิ่ม
ความถูกต้องไบโอเมตริกซ์สุดท้ายของระบบดังกล่าว ในบทความนี้เรา
นำเสนอวิธีการใหม่สำหรับบัตรประจำตัวของคู่ข้อปลีกย่อยที่
ระหว่างสองมุมมองของนิ้วเดียวกันเป็นขั้นตอนสำคัญใน
การฟื้นฟู 3 มิติของแม่แบบลายนิ้วมือ วิธีการคือ
หารในงานลำดับที่แรกเป็นขั้นตอนที่ภาพประมวลผลเบื้องต้น
จะดำเนินการ; สองชุดของผู้สมัครคู่ข้อปลีกย่อยถูกเลือก
ในสองภาพแล้วรายการของคู่ผู้สมัครจะถูกสร้างขึ้น;
ที่ผ่านมาชุดของคุณลักษณะท้องถิ่นศูนย์กลางรอบสองข้อปลีกย่อยจะ
ผลิตและการประมวลผลโดยแยกประเภทขึ้นอยู่กับประสาทรับการฝึกอบรม
เครือข่าย การส่งออกของระบบคือรายการของคู่ข้อปลีกย่อยที่
อยู่ในภาพอินพุต ทดลองแสดงให้เห็นว่าวิธีการที่
เป็นไปได้และถูกต้องในสภาพแสงที่แตกต่างกันและการตั้งค่า
การกำหนดค่า.
ดัชนีเงื่อนไขประสาทเครือข่ายสัมผัสน้อยลายนิ้วมือสัมผัส
ลายนิ้วมือตรงกับข้อปลีกย่อย
การแปล กรุณารอสักครู่..
ผลลัพธ์ (ไทย) 3:[สำเนา]
คัดลอก!
ติดต่อนามธรรมตามเซนเซอร์เป็นอุปกรณ์แบบดั้งเดิมที่ใช้ในการจับภาพลายนิ้วมือในเชิงพาณิชย์ และบ้านเกิดโปรแกรมรักษาความปลอดภัย ติดต่อระบบน้อยกว่า บรรลุ ลายนิ้วมือจับภาพโดยวิสัยทัศน์ระบบการหลีกเลี่ยงที่สัมผัสส่วนต่างๆ ของผู้ใช้อุปกรณ์ไบโอเมทริกซ์ โดยทั่วไปแล้ว นิ้วอยู่ในการทํางานพื้นที่ของระบบ CCD เลนส์คู่กับโมดูล ที่จับแสง ลวดลายบนนิ้วมือที่เกี่ยวข้องกับแนวจริงและหุบเขาของผู้ใช้ที่ปลายนิ้ว แต่ภาพที่ได้รับในปัจจุบันความแตกต่างที่สำคัญจากภาพลายนิ้วมือแบบดั้งเดิมความแตกต่างเหล่านี้จะเกี่ยวข้องกับหลายปัจจัย เช่น แสงโฟกัส เบลอ และสีผิว แต่น่าเสียดายที่ตัวตนการเปรียบเทียบวิธีการออกแบบมาสำหรับบันทึกภาพลายนิ้วมือกับสัมผัสตามเซนเซอร์ไม่ได้รับความถูกต้องเพียงพอเมื่อมีการใช้โดยตรงเพื่อสัมผัสภาพน้อยลง ผลงานล่าสุดแสดงการวิเคราะห์และมุมมองหลายมิติการสร้างใหม่ที่สามารถเพิ่มความถูกต้อง Biometric สุดท้ายของระบบ ในกระดาษนี้เราเสนอวิธีใหม่สำหรับการระบุของข้อปลีกย่อยคู่ระหว่างสองมุมมองของนิ้วเดียวกัน เป็นก้าวที่สำคัญในมิติการสร้างใหม่ของลายนิ้วมือแม่แบบ วิธี คือลงตัวในงานตามลำดับก่อนภาพการเตรียมขั้นตอนแสดง 2 ชุด เลือกผู้สมัครข้อปลีกย่อยคู่ในรูปสองแล้วรายชื่อของคู่ของผู้สมัครที่ถูกสร้างขึ้น ;ล่าสุด ชุดของคุณลักษณะท้องถิ่นเป็นศูนย์กลางรอบสองส่วนย่อยคือผลิต และประมวลผล โดยการจำแนกตามฝึกประสาทเครือข่าย ผลผลิตของระบบรายชื่อข้อปลีกย่อยคู่ปัจจุบันในการใส่ภาพ การทดลองแสดงให้เห็นว่าวิธีการมีความเป็นไปได้และถูกต้องในสภาพแสงที่แตกต่างกัน และติดตั้งการตั้งค่าด้านดัชนีเครือข่ายประสาท สัมผัส สัมผัส ลายนิ้วมือน้อยกว่าลายนิ้วมือข้อปลีกย่อยที่ตรงกัน
การแปล กรุณารอสักครู่..
 
ภาษาอื่น ๆ
การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.

Copyright ©2025 I Love Translation. All reserved.

E-mail: