increases robustness of the biometr

increases robustness of the biometric system against many attacks and solve the problem of non-universality. Since
facial image is the mandatory biometric identifier this proposed work focuses on the use of facial image. Face
authentication involves extracting characteristics set such as eyes, nose, mouth from a two dimensional image of the
user face and matching it with the templates stored in the database. Facial recognition is a difficult task because of
the fact that the face is variable social organ which displays a variety of expressions. The proposed method is for
facial recognition for both images and moving video using Principal Component Analysis (PCA), includes Hidden
Markov Model (HMM) technique and Gaussian mixture model (GMM) and Artificial Neural Network (ANN),
Since HMM technique is a powerful tool for statistical natural image processing and videos. PCA is a statistical
procedure which uses an orthogonal transformation. Face recognition techniques dependent on parameters like
background noise, lighting, eyes moments, lips and position of key features. Moreover, the face patterns are divided
into numerous small scale states and recombined to obtain the recognition result. The experimental results are
obtained from this proposed work has been achieved the performance parameters 99.83% of false rejection rate
(FRR) and 0.62% of false acceptance rate (FAR) and an accuracy of 96% is implemented using Matlab2012A.

ผลลัพธ์ (ไทย) 1:

เพิ่มเสถียรภาพของระบบการตรวจสอบทางชีวภาพกับหลายโจมตี และแก้ปัญหาไม่ใช่ universality ตั้งแต่รูปหน้าเป็นตัวระบุตรวจสอบทางชีวภาพบังคับงานนำเสนอนี้เน้นการใช้รูปใบหน้า ใบหน้ารับรองความถูกต้องเกี่ยวข้องกับการแยกลักษณะตั้งตา จมูก ปากจากแบบสองมิติรูปหน้าผู้ใช้และการจับคู่กับแม่แบบที่จัดเก็บในฐานข้อมูล จดจำใบหน้าเป็นงานยากเนื่องจากความจริงที่ว่าใบหน้าแปรสังคมอวัยวะที่แสดงความหลากหลายของนิพจน์ เป็นวิธีการนำเสนอจดจำใบหน้าทั้งภาพและวิดีโอเคลื่อนไหวหลักส่วนประกอบวิเคราะห์ (PCA), รวมถึงซ่อนเทคนิคแบบจำลอง (HMM Markov) และรุ่นผสม Gaussian (GMM) และประดิษฐ์ประสาทเครือข่าย (แอน),เนื่องจากเทคนิค HMM เป็นเครื่องมือที่มีประสิทธิภาพสำหรับการประมวลผลทางสถิติธรรมชาติภาพและวิดีโอ สมาคมจะเป็นสถิติขั้นตอนที่ใช้แปลงเป็น orthogonal ขึ้นอยู่กับพารามิเตอร์เช่นเทคนิคการรู้จำใบหน้าเบื้องหลังเสียง แสง ดวงตาริมฝีปาก ช่วงเวลา และตำแหน่งของลักษณะ นอกจากนี้ มีแบ่งรูปแบบหน้าเป็นรัฐขนาดเล็กจำนวนมาก และ recombined รับรู้ผลการ ผลการทดลองได้รับจากนี้การนำเสนองานได้รับความการประสิทธิภาพพารามิเตอร์ 99.83% อัตราการปฏิเสธเท็จ(FRR) และ 0.62% ของอัตราการยอมรับผิด (ไกล) และแม่นยำ 96% ใช้งานโดยใช้ Matlab2012A

ผลลัพธ์ (ไทย) 2:

เพิ่มความทนทานของระบบไบโอเมตริกซ์การโจมตีจำนวนมากและการแก้ปัญหาที่ไม่เป็นสากล
ตั้งแต่ภาพใบหน้าเป็นตัวระบุไบโอเมตริกซ์ได้รับคำสั่งงานนี้นำเสนอมุ่งเน้นไปที่การใช้งานของภาพใบหน้า หน้าการตรวจสอบเกี่ยวกับการกำหนดลักษณะการสกัดเช่นตาจมูกปากจากภาพสองมิติของใบหน้าของผู้ใช้และการจับคู่กับแม่แบบที่เก็บไว้ในฐานข้อมูล การจดจำใบหน้าเป็นงานที่ยากเพราะความจริงที่ว่าใบหน้าเป็นอวัยวะสังคมตัวแปรที่แสดงความหลากหลายของการแสดงออก วิธีการที่นำเสนอสำหรับการจดจำใบหน้าสำหรับภาพและภาพเคลื่อนไหวโดยใช้การวิเคราะห์องค์ประกอบหลัก (PCA) รวมถึงที่ซ่อนมาร์คอฟModel (HMM) เทคนิคและรูปแบบการผสมแบบเกาส์ (GMM) และประสาทเทียมเครือข่าย (ANN) เนื่องจากเทคนิคอืมเป็นที่มีประสิทธิภาพ เครื่องมือสำหรับการประมวลผลภาพธรรมชาติทางสถิติและวิดีโอ PCA เป็นสถิติขั้นตอนที่ใช้การเปลี่ยนแปลงมุมฉาก เทคนิคการจดจำใบหน้าขึ้นอยู่กับพารามิเตอร์เช่นเสียงพื้นหลัง, ไฟ, ช่วงเวลาที่ดวงตาริมฝีปากและตำแหน่งของคุณสมบัติที่สำคัญ นอกจากนี้รูปแบบใบหน้าจะถูกแบ่งออกเป็นหลายรัฐขนาดเล็กและ recombined ที่จะได้รับผลการรับรู้ ผลการทดลองจะได้รับจากการเสนองานนี้ได้รับความสำเร็จผลการดำเนินงานพารามิเตอร์ 99.83% ของอัตราการปฏิเสธที่ผิดพลาด (FRR) และ 0.62% ของอัตราการยอมรับเท็จ (FAR) และความถูกต้องของ 96% จะดำเนินการใช้ Matlab2012A

ผลลัพธ์ (ไทย) 3:

เพิ่มความแข็งแกร่งของระบบไบโอเมตริกกับโจมตีมาก และแก้ปัญหาขององค์กรสากล . ตั้งแต่
ภาพผิวหน้าเป็นข้อบังคับระบุไบโอเมตริกซ์นี้เสนองาน เน้นการใช้ภาพใบหน้า เกี่ยวข้องกับการตั้งค่าหน้า
รับรองคุณลักษณะ เช่น ตา จมูก ปาก จากภาพสองมิติของ
ใบหน้าของผู้ใช้และการจับคู่กับแม่แบบที่เก็บไว้ในฐานข้อมูล ใบหน้าเป็นงานที่ยากเพราะ
ที่ว่าหน้าตัวแปรทางสังคมอวัยวะที่แสดงความหลากหลายของการแสดงออก วิธีการที่เสนอสำหรับ
ใบหน้าทั้งภาพและย้ายภาพโดยใช้การวิเคราะห์องค์ประกอบหลัก ( PCA ) รวมถึง
ที่ซ่อนอยู่แบบจำลองมาร์คอฟ ( อืม ) เทคนิคและรูปแบบผสม ) ( GMM ) และโครงข่ายประสาทเทียม ( ANN )
ตั้งแต่อืมเทคนิคเป็นเครื่องมือที่มีประสิทธิภาพสำหรับการประมวลภาพธรรมชาติเชิงสถิติและวิดีโอ PCA เป็นขั้นตอนที่ใช้แปลงสถิติ
) . เทคนิคใบหน้าขึ้นอยู่กับพารามิเตอร์เช่น
เสียงพื้นหลังตาแสง ช่วงเวลาที่ ริมฝีปาก และตำแหน่งของลักษณะที่สำคัญนอกจากนี้หน้ารูปแบบจะแบ่ง
เข้าไปในรัฐขนาดเล็กจำนวนมากและน้ำนมให้ได้ผลการรู้จำ ผลที่ได้จากงานวิจัยนี้คือ
ทำงานได้ประสบผลพารามิเตอร์ระดับ % ของอัตราการปฏิเสธเท็จ
( frr ) และ 0.62 % ของอัตราการยอมรับที่ผิด ( ไกล ) และความถูกต้องของการใช้ matlab2012a 96 .