Finger-Knuckle-Print Recognition Using Deep Convolutional Neural Network
Autor: | Fadi Dornaika, Khaled Bensid, Azeddine Benlamoudi, Abdallah Meraoumia, Djamel Samai, Selma Trabelsi, Abdelmalik Taleb-Ahmed |
---|---|
Přispěvatelé: | Institut d’Électronique, de Microélectronique et de Nanotechnologie - UMR 8520 (IEMN), Centrale Lille-Institut supérieur de l'électronique et du numérique (ISEN)-Université de Valenciennes et du Hainaut-Cambrésis (UVHC)-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Université Polytechnique Hauts-de-France (UPHF), COMmunications NUMériques - IEMN (COMNUM - IEMN), Institut d’Électronique, de Microélectronique et de Nanotechnologie - Département Opto-Acousto-Électronique - UMR 8520 (IEMN-DOAE), Centrale Lille-Institut supérieur de l'électronique et du numérique (ISEN)-Université de Valenciennes et du Hainaut-Cambrésis (UVHC)-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Université Polytechnique Hauts-de-France (UPHF)-Centrale Lille-Institut supérieur de l'électronique et du numérique (ISEN)-Université de Valenciennes et du Hainaut-Cambrésis (UVHC)-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Université Polytechnique Hauts-de-France (UPHF)-Institut d’Électronique, de Microélectronique et de Nanotechnologie - UMR 8520 (IEMN), Centrale Lille-Institut supérieur de l'électronique et du numérique (ISEN)-Université de Valenciennes et du Hainaut-Cambrésis (UVHC)-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Université Polytechnique Hauts-de-France (UPHF)-Centrale Lille-Institut supérieur de l'électronique et du numérique (ISEN)-Université de Valenciennes et du Hainaut-Cambrésis (UVHC)-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Université Polytechnique Hauts-de-France (UPHF) |
Rok vydání: | 2020 |
Předmět: |
Biometrics
Computer science ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION 050801 communication & media studies Convolutional neural network [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI] Fingers [SPI]Engineering Sciences [physics] [INFO.INFO-NI]Computer Science [cs]/Networking and Internet Architecture [cs.NI] 0508 media and communications Knuckle Biomedical imaging 0502 economics and business medicine Training [INFO]Computer Science [cs] business.industry Deep learning 05 social sciences Indexes Pattern recognition Sensor fusion [SPI.TRON]Engineering Sciences [physics]/Electronics Identification (information) medicine.anatomical_structure Feature extraction Convolutional neural networks 050211 marketing Artificial intelligence business [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing |
Zdroj: | 1st International Conference on Communications, Control Systems and Signal Processing (CCSSP 2020 ) 1st International Conference on Communications, Control Systems and Signal Processing (CCSSP 2020 ), May 2020, EL OUED, Algeria. pp.163-168, ⟨10.1109/CCSSP49278.2020.9151531⟩ |
Popis: | ISBN 978-1-7281-5836-5 ; e-ISBN 978-1-7281-5835-8; International audience; Biometric technology has become essential in our daily life. In such a biometric system, personal identification is based on behavioral or biological characteristics. Recently, the trait of the Finger-Knuckle-Print (FKP) is used due to its ease of use and low cost. In order to develop an efficient recognition system based on these images, we propose a deep learning method where we use our own Convolutional Neural Network (CNN) to identify persons. Excellent results were conducted with unimodal and multimodal identification systems. |
Databáze: | OpenAIRE |
Externí odkaz: |