增强指纹识别系统：生物识别身份验证算法与技术的比较分析
计算机视觉与模式识别
2024-12-20 v1
摘要
指纹识别系统在生物识别身份验证领域才作为基石性存在，为各类领域提供不可替代的安全措施。本研究探讨了将卷积神经网络（CNN）与 Gabor 滤波器相结合，以提高指纹识别准确率和鲁棒性。本文利用来自 Sokoto Coventry 指纹数据集的多样化数据集，严格评估了不同分类算法的效能。我们的发现凸显了基于 CNN 的方法的优势，展现了惊人的 94% 总体准确率。此外，Gabor 滤波器与 CNN 架构的融合，为辨识改变后的指纹提供了有前景的进展，为增强生物识别身份验证系统的安全性和可靠性指明了新的道路。尽管 CNN-Gabor 融合表现令人满意，但本文对融合多分类器的混合方法的探索揭示了细微的结局。尽管这些结果呈现出混合态，但我们的研究阐明了深度学习方法在重塑指纹识别格局方面的变革性潜力。通过严谨的实验与深刻的分析，这一研究不仅推动了生物识别身份验证技术的发展，也为传统特征提取方法与前沿深度学习架构之间的精妙互动提供了见解。这些发现为优化指纹识别系统的实际部署提供了可操作的见解，为 diverse 应用中的安全性和可靠性的提升铺平了道路。
引用
@article{arxiv.2412.14404,
title = {Enhancing Fingerprint Recognition Systems: Comparative Analysis of Biometric Authentication Algorithms and Techniques for Improved Accuracy and Reliability},
author = {Temirlan Meiramkhanov and Arailym Tleubayeva},
journal= {arXiv preprint arXiv:2412.14404},
year = {2024}
}