Biometrics 简明教程

Pattern Recognition and Biometrics

模式识别涉及识别模式并再次确认。通常，模式可以是指纹图像、手写的草书单词、人脸、语音信号、条形码或互联网上的网页。

各个模式通常根据其属性分为不同的类别。当具有相同属性的模式组合在一起时，结果组也是一个模式，通常称为模式 class 。

模式识别是观察、区分感兴趣模式并对模式或模式类别做出正确判断的科学。因此，生物识别系统通过将一个人的特征与存储的模板进行比较来识别和分类 individuals。

Pattern Recognition in Biometrics

模式识别技术执行以下任务 −

  1. Classification −识别手写字符，验证码，区分人与计算机。

  2. Segmentation −在图像中检测文本区域或面部区域。

  3. Syntactic Pattern Recognition −确定一组数学符号或运算符如何相互关联，以及它们如何形成有意义的表达式。

下表突出显示了模式识别在生物特征识别中的作用 −

Pattern Recognition Task

Input

Output

Character Recognition (Signature Recognition)

Optical signals or Strokes

Name of the character

Speaker Recognition

Voice

Identity of the speaker

指纹，面部图像，手部几何图像

Image

Identity of the user

Components of Pattern Recognition

模式识别技术将人类特征的随机模式提取成紧凑的数字签名，该数字签名可充当生物标识符。生物识别系统使用模式识别技术对用户进行分类并单独识别。

模式识别的组成部分如下 −

components of pattern recognition

Popular Algorithms in Pattern Recognition

最流行的模式生成算法如下 −

Nearest Neighbor Algorithm

您需要获取未知个体的向量，并计算其与数据库中所有模式的距离。最小的距离给出最佳匹配。

Back-Propagation (Backprop) Algorithm

这是一个有点复杂但非常有用的算法，涉及大量的数学计算。