Componente de indexación de huellas dactilares basado en características globales
Resumen
El campo de orientación de la huella dactilar como característica global es fundamental para el desarrollo de una estrategia de indexación, aportando estabilidad y disminuyendo los tiempos de respuesta durante el proceso de búsqueda de un sistema de identificación basado en huellas dactilares. El empleo de grafos relacionales de atributos y máscaras dinámicas permite explotar las características brindadas por el esquema de particionado para la búsqueda. De cada una de las estrategias propuestas se determinó el índice de penetración de la base de datos, así como el error en que incurren los algoritmos de indexación implementados. Para corroborar los resultados obtenidos fueron empleados los bancos de datos aportados por la Competencia de verificación de huellas dactilares. La implementación computacional de las estrategias de búsquedas propuestas demuestra las virtudes que ofrece el campo de orientación para dirigir el proceso de búsqueda, logrando reducir el número de comparaciones en un 53.24% como promedio, comportándose de manera estable ante imágenes de huellas dactilares de diferente calidad. Basado en los resultados del estudio se concluyó que la adopción de dichas estrategias de indexación permitirá reducir el tiempo de respuesta en el módulo de identificación de individuos basado en patrones de la huella dactilar propuesto por el Centro de Identificación y Seguridad Digital de la Universidad de las Ciencias Informáticas.
Descargas
Citas
D. Maltoni, D. Maio, A. K. Jain, and S. Prabhakar, Handbook of fingerprint recognition. Springer Science & Business Media, 2009.
. M. H. Bhuyan, S. Saharia, and D. K. Bhattacharyya, “An effective method for fingerprint classification,” arXiv preprint arXiv:1211.4658, 2012.
S. U. Maheswari and E. Chandra, “A review study on fingerprint classification algorithm used for fingerprint identification and recognition,” IJCST, vol. 3, no. 1, pp. 739–744, 2012.
D. Parekh and R. Vig, “Review of Parameters of Fingerprint Classification Methods Based on Algorithmic Flow,” presented at the International Conference on Advances in Computing and Information Technology, 2011, pp. 28–39.
R. Cappelli, A. Lumini, D. Maio, and D. Maltoni, “Fingerprint classification by directional image partitioning,” IEEE Transactions on pattern analysis and machine intelligence, vol. 21, no. 5, pp. 402–421, 1999.
A. Lumini, D. Maio, and D. Maltoni, “Continuous versus exclusive classification for fingerprint retrieval,” Pattern Recognition Letters, vol. 18, no. 10, pp. 1027–1034, 1997.
D. Maio and D. Maltoni, “A structural approach to fingerprint classification,” presented at the Proceedings of 13th International Conference on Pattern Recognition, 1996, vol. 3, pp. 578–585.
M. Liu, X. Jiang, and A. C. Kot, “Efficient fingerprint search based on database clustering,” Pattern Recognition, vol. 40, no. 6, pp. 1793–1803, 2007.
Y. Wang, J. Hu, and D. Phillips, “A fingerprint orientation model based on 2D Fourier expansion (FOMFE) and its application to singular-point detection and fingerprint indexing,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 29, no. 4, pp. 573–585, 2007.
M. Liu and P.-T. Yap, “Invariant representation of orientation fields for fingerprint indexing,” Pattern Recognition, vol. 45, no. 7, pp. 2532–2542, 2012.
Ş. Parlakyıldız and F. Hardalaç, “A New and Effective Method in Fingerprint Classification,” Life Science Journal, vol. 10, no. 12, pp. 584–588, 2013.
. R. M. Cesar Jr, E. Bengoetxea, I. Bloch, and P. Larrañaga, “Inexact graph matching for model-based recognition: Evaluation and comparison of optimization algorithms,” Pattern Recognition, vol. 38, no. 11, pp. 2099–2113, 2005.
“FVC-onGoing.” [Online]. Available: https://biolab.csr.unibo.it/FVCOnGoing/UI/Form/Home.aspx. [Accessed: 08-Ene-2020].
N. K. Ratha, S. Chen, and A. K. Jain, “Adaptive flow orientation-based feature extraction in fingerprint images,” Pattern Recognition, vol. 28, no. 11, pp. 1657–1672, 1995.
B. G. Sherlock, D. M. Monro, and K. Millard, “Fingerprint enhancement by directional Fourier filtering,” IEE Proceedings-Vision, Image and Signal Processing, vol. 141, no. 2, pp. 87–94, 1994.
S. Rizzi, “Genetic operators for hierarchical graph clustering,” Pattern Recognition Letters, vol. 19, no. 14, pp. 1293–1300, 1998.
D. Maio, D. Maltoni, and S. Rizzi, “Topological clustering of maps using a genetic algorithm,” Pattern Recognition Letters, vol. 16, no. 1, pp. 89–96, 1995.
C.-Y. Huang, L. Liu, and D. D. Hung, “Fingerprint analysis and singular point detection,” Pattern Recognition Letters, vol. 28, no. 15, pp. 1937–1945, 2007.
A. Hernández and E. Martín, “Componente de indexación de huellas dactilares basada en características globales,” Universidad de las Ciencias Informáticas, 2014.[1]
M. Van Kreveld, O. Schwarzkopf, M. de Berg, and M. Overmars, Computational geometry algorithms and applications. Springer, 2000.
Derechos de autor 2020 Innovación y Software
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.
Los autores ceden en exclusiva el derecho de publicación de su artículo a la Revista Innovación y Software, que podrá editar o modificar formalmente el texto aprobado para cumplir con las normas editoriales propias y con los estándares gramaticales universales, antes de su publicación; asimismo, nuestra revista podrá traducir los manuscritos aprobados a cuantos idiomas considere necesario y difundirlos en varios países, dándole siempre el reconocimiento público al autor o autores de la investigación.
