Reduced Set Kernel Principal Component Analysis (Rskpca) Algorithm for Palm Print Based Mobile Biometric System
Kemunculan baru dimensi internet dan teknologi tanpa wayar telah membawa era baru dalam teknologi biometrik. Selain sistem biometrik dengan peranti statik, sistem biometrik mudah alih boleh dilaksanakan dan pendekatan ini membawa kepada pelaksanaan yang lebih cekap dan efisien. Dalam kajian ini,...
Saved in:
| Main Author: | |
|---|---|
| Format: | Thesis |
| Language: | English |
| Published: |
2015
|
| Subjects: | |
| Online Access: | http://eprints.usm.my/40766/1/Reduced_Set_Kernel_Principal_Component_Analysis_%28Rskpca%29_Algorithm_for_Palm_Print_Based_Mobile_Biometric_System.pdf |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Kemunculan baru dimensi internet dan teknologi tanpa wayar telah membawa era baru
dalam teknologi biometrik. Selain sistem biometrik dengan peranti statik, sistem
biometrik mudah alih boleh dilaksanakan dan pendekatan ini membawa kepada
pelaksanaan yang lebih cekap dan efisien. Dalam kajian ini, sistem biometrik mudah alih
berasaskan tapak tangan telah dibangunkan. Walau bagaimanapun, untuk melaksanakan
sistem biometrik mudah alih, masa pemprosesan dan penyimpanan yang cekap adalah
faktor penting yang perlu dipertimbangkan.Dalam kajian ini, beberapa algoritma yang
melibatkan pemprosesan ciri tapak tangan dinilai berdasarkan penggunaan masa dan
memori yang optimum. Beberapa kaedah pemprosesan ciri termasuk Ruang Dikehendaki
(ROI), Analisa Komponen Utama (PCA) dan Analisa Komponen Utama Kernel (KPCA)
disiasat. Pendekatan baru dalam pengekstrakan ciri yang digelar Analisa Komponen
Utama Kernel Set Dikurangi (RSKPCA) dicadangkan untuk mempercepatkan
pemprosesan pengekstrakan ciri. RSKPCA yang dicadangkan menggunakan anggaran
Kepadatan set Dikurangkan (RSDE) untuk menentukan matriks gram yang wajar.
Hasilnya, RSKPCA hanya mengekstrak maklumat yang paling relevan dan penting dari
set data. 2400 imej tapak tangan yang telah dikumpul daripada tiga jenis peranti Android
mudah alih. Penilaian eksperimen menunjukkan bahawa RSKPCA yang dicadangkan
mempunyai prestasi lebih baik berbanding ROI, PCA dan KPCA dengan Kadar
Penerimaan Tulen (GAR) adalah lebih daripada 98% dan masa pemadanan kurang
daripada 0.5s. Projek ini telah membuktikan bahawa pengektsrakan ciri menggunakan
RSKPCA yang dicadangkan memberikan keputusan yang terbaik untuk sistem biometrik
mudah alih berasaskan imej tapak tangan.
________________________________________________________________________________________________________________________
The emerging of internet and wireless dimension has brought a new era in biometrics
technology. Instead of operating the biometric system with static biometric device,
mobile biometric system can be implemented and this approach leads to more
efficient and reliable implementation. In this study mobile biometric system based on
palm print modality is developed. However, in order to execute mobile biometric
system, efficient processing time and storage are some of the important factors that
need to be considered. In this research, algorithms involving palm print feature
processing are evaluated so as to obtain optimum time and memory consumption.
Several feature processing methods including Region of Interest (ROI), Principal
Component Analysis (PCA), and Kernel Principal Component Analysis (KPCA) are
investigated. A new approach in feature extraction called Reduced-Set Kernel
Principal Component Analysis (RSKPCA) is proposed to speed up the processing in
feature extraction. The proposed RSKPCA employs a Reduced Set Density Estimate
(RSDE) to define a weighted gram matrix. As a result, the RSKPCA only extracts
the most relevant and important information from a dataset. 2400 palm print images
which were collected from three types of android mobile are employed.
Experimental evaluation shows that the proposed RSKPCA has better performance
compared to the ROI, PCA and KPCA with the Genuine Acceptance Rates (GAR) is
more than 98% and the matching time is less than 0.5s. In this project, it has been
proven that the proposed RSKPCA as feature extraction gives the best result for
mobile biometric system based on palm print.
|
|---|