سارا معتمد - دانشگاه آزاد اسلامی واحد قزوین
کریم فائز - دانشگاه صنعتی امیرکبیر
محبوبه یعقوبی - دانشگاه آزاد اسلامی واحد قزوین

ما در این مقاله ، یک سیستم بیومتریک چند ملی متشکل از بیومتریک های گوش و اثر کف دست را معرفی می کنیم . در سیستم پیشنهادیمان ، ما از مدل HMAX که از سیستم بینایی انسان برای شناسایی اشیا استفاده می کند ، به منظور استخراج ویژگی های دو بیومتریک گوش و کف دست افراد استفاده نموده ایم . بعد از استخراج ویژگی های دو بیومتریک با روش فوق ، از روش همجوشی در مرحله تطبیق امتیازات به منظور تطبیق صحیح یا نا صحیح بودن نمونه های آموزشی با نمونه های آزمایشی خود استفاده نموده و در نهایت ، از دسته بندی کننده های SVM و KNN به منظور تخمین میزان شناسای افراد توسط سیستم پیشنهادیمان استفاده نموده ایم . به منظور بررسی عملکرد مطلوب سیستم پیشنهادی ، از مجموعه داده متشکل از تصاویر گوش ( مجموعه داده USTB ) و کف دست ( مجموعه داده POLYU ) استفاده نموده ایم . این مجموعه داده ، شامل 60 کلاس ( با 12 تصویر که شامل 6 تصویر کف دست در هر کلاس است ، می باشد ) ؛ هر کلاس نیز معرف یک فرد می باشد . نتایج آزمایشی ما بر روی مجموعه داده ی ذکر شده ، عملکرد قابل توجه سیستم پیشنهادیمان را در برابر سیستم های تک بیومتریکی نشان می دهد .

بیومتریک جند مدلی، بیومتریک گوش ، بیومتریک کف دست، استخراج ویژگی، مدل Hmax، دسته‌بندی‌ کننده ماشین بردار پشتیبان(SVM)