Grandes volumes de impressões digitais são recolhidas e armazenadas no cotidiano numa
vasta gama de aplicações incluindo forense, controle de acesso e carteira de motorista. Um
reconhecimento automático des pessoas com base em sua impressões digitais requer que a
impressão digital de entrada tenha correspondência com alguma impressão em um banco de
dados (O banco de dados do FBI contém cerca de 70 milhões de impressões digitais!). Para
reduzir o tempo de pesquisa e complexidade computacional, é desejável classificar estas
impressões digitais de uma forma simples e consistente, a fim de que a impressão digital de
entrada seja comparada apenas com um grupo de impressões no banco de dados.
Classificação de Impressão Digital é uma técnica de atribuir uma impressão digital em um dos
vários pré - especificados tipos já estabelecidos, que pode proporcionar um mecanismo de
indexação. Uma impressão digital da entrada é primeira combinada em um nível grosseiro a
um dos tipos pré- especificados e então, em um nível mais fino, é comparada ao subconjunto
da base de dados. Nós desenvolvemos um algoritmo para classificar impressões digitais em
cinco classes, a saber, whorl, laço direito, laço esquerdo, arco, arco e tenda. O algoritmo
separa o número de rugas presente em quatro direções (0 grau, 45 graus, 90 graus e 135
graus), filtrando iltrando a parte central de uma impressão digital com um banco de filtros de
Gabor. Esta informação é quantificada para gerar uma FingerCode que é utilizado para a
classificação. Essa classificação baseia - se em duas fases, que usa um classificador K
classificador vizinho mais próximo na primeira fase, bem como um conjunto de redes neurais
na segunda fase. O classificador é testado em 4000 imagens no NIST - 4 banco de dados. Para
o problema das cinco classes, a exatidão da classificação é de 90% de acerto. Para o
problemas das quatro classes (arco e tendas arco combinados em uma classe), somos capazes
de conseguir uma precisão de acerto 94,8%. Incorporando uma opção da rejeição, a exatidão
da classificação pode ser aumentada a 96% para a classificação das cinco classes e a 97.8%
para a classificação das quatro classes quando 30.8% das imagens são rejeitadas.
