Fig. 2 illustrates an example of an

Fig. 2 illustrates an example of an iris image and its iris code. The positive coefficients are represented by a white line and the negatives by a black line. For the Matching step, a distance measure between a generated iris code and stored iris code is calculated. The query iris is considered authentic if the distance measure is below a threshold. Daugman has considered the quality of the iris image, and extracted a matching mask from the iris image. He used the Hamming distance (HD) to calculate the distance between two irises. For the identification, Daugman fixed the threshold of the matching around 0.34 [8]. The iris recognition system proposed by Daugman is often used and is a basis of all current iris recognition systems.

ผลลัพธ์ (ไทย) 1:

Fig. 2 แสดงตัวอย่างของภาพไอริสและรหัสของไอริส สัมประสิทธิ์ค่าบวกจะแสดง โดยเส้นสีขาวและเชิงลบ โดยเส้นสีดำ สำหรับขั้นตอนการจับคู่ การวัดระยะห่างระหว่างไอริสสร้างรหัสและรหัสไอริสเก็บไว้เสมอ ไอริสถามถือเป็นอาหารถ้าวัดระยะทางนี้มีขีดจำกัด Daugman ถือว่าคุณภาพของภาพไอริส และแยกรูปแบบที่ตรงกันจากภาพไอริส เขาใช้ระยะ Hamming (HD) ในการคำนวณระยะห่างระหว่างสอง irises รหัส Daugman คงขีดจำกัดของการจับคู่รอบ 0.34 [8] ระบบการรู้จำไอริสที่เสนอ โดย Daugman มักใช้ และเป็นพื้นฐานของไอริสปัจจุบันทุกระบบการรับรู้

ผลลัพธ์ (ไทย) 2:

มะเดื่อ. 2 แสดงให้เห็นถึงตัวอย่างของภาพม่านตาและรหัสม่านตาของมัน ค่าสัมประสิทธิ์บวกจะถูกแทนด้วยเส้นสีขาวและเชิงลบโดยเส้นสีดำ สำหรับขั้นตอนการจับคู่ที่เป็นมาตรการระยะห่างระหว่างรหัสม่านตาสร้างรหัสและไอริสที่เก็บไว้มีการคำนวณ ม่านตาแบบสอบถามถือว่าเป็นของแท้ถ้าวัดระยะทางต่ำกว่าเกณฑ์ Daugman ได้พิจารณาคุณภาพของภาพม่านตาและสกัดหน้ากากจับคู่จากภาพม่านตา เขาใช้ระยะแฮม (HD) ในการคำนวณระยะห่างระหว่างสองไอริส สำหรับประชาชนที่ Daugman การแก้ไขเกณฑ์การจับคู่รอบ 0.34 [8] ระบบการรับรู้ม่านตาเสนอโดย Daugman มักจะใช้และเป็นพื้นฐานของทุกระบบการรับรู้ม่านตาปัจจุบัน