fingerprint_liveness_detection

Python

指纹活力检测项目在该项目中，我们探索了两种不同的分类模型（SVM和神经网络）用于指纹活动度检测。关于我们首先从指纹图像中提取特征，然后开发机器学习模型，例如神经网络和SVM，以对真实和假指纹进行分类。我们使用的特征提取方法是BSIF，WLD，LPQ和CNN-RFW。训练模型时，我们实施了10倍交叉验证，并采取了一些措施来防止过度拟合，例如特征的降维和高斯噪声层。为了拥有更大的训练集，我们还通过扩充可用的训练图像来引入新的训练数据。在不同的模型上，我们都能达到80％到99％的测试准确度，在这些方面，我们在Digital Persona数据集上的表现优于LivDet 2015竞赛的大多数参赛者。查看运行代码请适当更改脚本中的输入和输出路径，并按编号顺序运行，项目符号点表示可以按任何顺序运行脚本。数据集：我们使用“ 2015年生命检测竞赛”中的指纹图像数据集。 1.特征

文件下载

资源详情

[{"title":"（ 109 个子文件 2.7MB ） fingerprint_liveness_detection","children":[{"title":"fingerprint-liveness-detection.pdf 358.89KB ","children":null,"spread":false},{"title":".gitignore 17B ","children":null,"spread":false},{"title":"writeMat2Txt.m 386B ","children":null,"spread":false},{"title":"lpq.m 8.03KB ","children":null,"spread":false},{"title":"LPQ_2015_Demo.m 12.00KB ","children":null,"spread":false},{"title":"......","children":null,"spread":false},{"title":"文件过多，未全部展示","children":null,"spread":false}],"spread":true}]

评论信息

其他资源

免责申明

【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论【只为小站】经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见版权及免责申明

fingerprint_liveness_detection

文件下载

资源详情

评论信息

其他资源

免责申明

个人信息

相关资源标签

热门下载

最新下载