SciELO - Scientific Electronic Library Online

 
vol.8 número2Scheduling strategy for Real-Time Distributed SystemsAutomation Of An l-V Characterization System índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

  • No hay artículos similaresSimilares en SciELO

Compartir


Journal of applied research and technology

versión On-line ISSN 2448-6736versión impresa ISSN 1665-6423

Resumen

PEREZ-DIAZ, A. J.  y  ARRONTE-LOPEZ, I. C.. Fingerprint Matching and Non-Matching Analysis for Different Tolerance Rotation Degrees in Commercial Matching Algorithms. J. appl. res. technol [online]. 2010, vol.8, n.2, pp.186-198. ISSN 2448-6736.

La verificación de huellas dactilares es el proceso más importante en los sistemas de autenticación biométricos basados en huella dactilar. De acuerdo a la puntuación obtenida en la correspondencia de huellas se autentica o no a una persona. Actualmente existen dos métodos, muy populares, de correspondencia dactilar, correlación y minucias. En este artículo, se evaluaron tres sistemas biométricos basados en huella dactilar: Neurotechnology Verifinger 6.0 SDK Extended, Innovatrics IDKit SDK y Griaule Fingerprint SDK 2007. La evaluación se llevo a cabo de acuerdo a las pruebas efectuadas en la Fingerprint Verification Competition (FVC). Se evaluó la influencia de la tolerancia de los grados de rotación en las huellas dactilares en las tasas de falsa correspondencia (FMR) y falsa no correspondencia (FNMR). Los resultados muestran que los valores de FMR incrementan a medida que la tolerancia de los grados de rotación también lo hace, en contraparte los valores de FNMR disminuyen. Los resultados mostraron que Verifinger obtuvo un buen desempeño en las pruebas de falsa no correspondencia, con un promedio de 7%, seguido de IDKit (entre 6.71% y 13.66%) y Fingerprint SDK (50%). Fingerprint SDK obtuvo un desempeño superior en las pruebas de falsa correspondencia con un promedio cercano al 0%, seguido por Verifinger (entre 7.62% y 9%) e IDKit (28%). Como resultado Verifinger tuvo el mejor desempeño general. Posteriormente se calcularon las funciones de regresión para predecir el comportamiento de las tasas de falsa correspondencia y falsa no correspondencia con diferentes valores de tolerancia y grados de rotación.

Palabras llave : biometry; fingerprints; matching; rotation; FMR; FNMR.

        · resumen en Inglés     · texto en Inglés     · Inglés ( pdf )

 

Creative Commons License Todo el contenido de esta revista, excepto dónde está identificado, está bajo una Licencia Creative Commons