Fingerprint pattern recognition system based on modify multi-connect architecture (MMCA)

Abstract

Parmak izi, insan kimlik doğrulaması için en yaygın kullanılan ve tanınan biyometrik teknolojidir. Parmak izi kimlik doğrulaması, şifrelere kıyasla oldukça güvenli ve kullanışlı bir şekilde kanıtlanmış bir sicile sahiptir. Bu nedenle, parmak izi algılama akıllı telefonlarda, tabletlerde ve PC'lerde yaygın ve ürün farklılaştırıcı bir özellik olarak kabul edilmiştir. Bu tez, `çoklu bağlantı mimarisini değiştiren birleştirici bellek` olarak adlandırılan yeni bir teknik kullanarak kişilerin kimlik doğrulaması için bir Parmak İzi tanıma sistemi geliştirilmesini önermektedir. Bu da, doğruluk ve daha az işlem süresi olan daha verimli Parmak İzi sistemleri geliştirmenin yolunu açabilir. Ayrıca, ek birleşik hafıza dilimlerinin uygulanmasıyla, gelecekte bu tür sistemler oldukça karmaşık işlemler gerçekleştirme ve bellek tasarrufu yapma potansiyeli kazanacaktır. Bu tez çalışmasında üç veri tabanı viz. FVC (2004) veri tabanı, iç veri tabanı ve Uluslararası NIST veri tabanı 4 kullanılmıştır. FVC (2004) veritabanı 640 parmak izi modeli içerirken, dahili veritabanı 2500 farklı parmak izi modeli içerir; ve Uluslararası NIST veri tabanı 4, 2000 çift parmak izi düzeninden oluşmaktadır. Önerilen parmak izi tanıma sistemi,% 99,56'lık bir ortalama doğruluğa ve yaklaşık 30'luk bir örüntü tanıma işlem süresine sahiptir.

Fingerprinting is the most widely used and recognised biometric technology for human authentication. Fingerprint authentication has a proven record as highly secure and convenient as compared to passwords. Hence, fingerprint sensing has come to be recognized as a common and product-differentiating feature in smart phones, tablets and PCs. This thesis proposes to develop a Fingerprint recognition system for authentication of persons by using a new technique, termed as 'associative memory with modify multi-connect architecture'. This, in turn, may pave the way to develop more efficient Fingerprint systems having accuracy and lesser processing time. Further, with application of additional tranches of associative memory, such systems in the future will acquire potential to perform highly complex operations and save memory. In this thesis, three databases viz., FVC (2004) database, internal database and International NIST database 4 are used. FVC (2004) database contains 640 fingerprint patterns, while internal database contains 2500 different fingerprint patterns; and the International NIST database 4 consists of 2000 pairs of fingerprint patterns. The proposed fingerprint recognition system has an average accuracy of 99.56% and a pattern recognition processing time of approximately 30s.