文件名称：fingerprint_liveness_detection
文件大小：2.7MB
文件格式：ZIP
更新时间：2024-05-21 15:54:49
Python
指纹活力检测项目 在该项目中，我们探索了两种不同的分类模型（SVM和神经网络）用于指纹活动度检测。 关于 我们首先从指纹图像中提取特征，然后开发机器学习模型，例如神经网络和SVM，以对真实和假指纹进行分类。 我们使用的特征提取方法是BSIF，WLD，LPQ和CNN-RFW。 训练模型时，我们实施了10倍交叉验证，并采取了一些措施来防止过度拟合，例如特征的降维和高斯噪声层。 为了拥有更大的训练集，我们还通过扩充可用的训练图像来引入新的训练数据。 在不同的模型上，我们都能达到80％到99％的测试准确度，在这些方面，我们在Digital Persona数据集上的表现优于LivDet 2015竞赛的大多数参赛者。 查看 运行代码 请适当更改脚本中的输入和输出路径，并按编号顺序运行，项目符号点表示可以按任何顺序运行脚本。 数据集：我们使用“ 2015年生命检测竞赛”中的指纹图像数据集。 1.特征