A Novel Approach For Finger Vein Verification Based on Self-Taught Learning
محل انتشار: نهمین کنفرانس ماشین بینایی و پردازش تصویر ایران
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 674
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICMVIP09_039
تاریخ نمایه سازی: 6 اسفند 1395
چکیده مقاله:
In this paper, we propose a method for user Finger Vein Authentication (FVA) as a biometric system. Using the discriminative features for classifying theses finger veins is one of the main tips that make difference in related works, thus we propose to learn a set of representative features, based on auto-encoders. We model the represented users’ finger vein structure using a Gaussian distribution. Experimental results show that our method performs like a state-of-the-art method on SDUMLA-HMT benchmark
کلیدواژه ها:
نویسندگان
Mohsen Fayyaz
Malek-Ashtar University of Technology Tehran, Iran
Mojtaba Hoseini1
Malek-Ashtar University of Technology