Resumen

La implementación móvil es una tendencia actual en el diseño biométrico. Este trabajo propone un nuevo enfoque para el reconocimiento de la huella de la palma de la mano, en el que se utilizan teléfonos inteligentes para capturar imágenes de la huella de la palma a distancia. Se ha desarrollado un sistema sin contacto debido a la demanda pública de privacidad y sanidad. Para que el reconocimiento sin contacto y basado en el móvil sea eficaz, se requiere un seguimiento robusto de la mano, una mejora de la imagen y algoritmos de procesamiento de cálculo rápidos. En este proyecto se analizó el seguimiento de la mano y el método de extracción de la región de interés (ROI). En la etapa de mejora de la imagen se propuso una operación de vecindad deslizante con ecualización de histograma local, seguida de un enfoque de umbralización adaptativa local o LHEAT, para gestionar las imágenes de baja calidad de la huella de la palma. Para acelerar el proceso de reconocimiento, se implementó un nuevo clasificador, el vecino de centroide más cercano basado en fuzzy (IFkNCN). Al eliminar los valores atípicos y reducir la cantidad de datos de entrenamiento, este clasificador mostró un cálculo más rápido. Nuestros resultados experimentales demuestran que un sistema de impresión de la palma de la mano sin contacto que utiliza LHEAT e IFkNCN alcanza una prometedora tasa de reconocimiento del 98,64%.

• Materias:Inteligencia artificial Algoritmos genéticos Ingeniería civil Neurociencia Cognitiva
• Subjects:Artificial intelligence Genetic algorithms Civil engineering Cognitive Neuroscience
• Palabras claves:imagen de la palma de la mano, seguimiento robusto de la mano, cantidad de entrenamiento, reconocimiento de la huella de la palma de la mano, algoritmo de procesamiento computacional, umbralización adaptativa local, tasa de reconocimiento prometedora, etapa de mejora de la imagen, región de interés, ecualización del histograma local
• Keywords:palm print image, robust hand tracking, amount of training, palm print recognition, computation processing algorithm, local adaptive thresholding, promising recognition rate, image enhancement stage, region of interest, local histogram equalization