Very Large Fingerprint Classification based on a Fast and Distributed Extreme Learning Machine Neural Network
Director: PhD Marco Mora
Duration: Apr. 2020 - Mar. 2024
Members: Computer Science Department, Catholic University of Maule.
Researchers: PhD Marco Mora, PhD Ricardo J. Barrientos, Phd Karina Vilches
Funded by: Conicyt, Chilean Government.
Program: FONDECYT Regular.
Fingerprint is widely used in individual identification, largely due to the bio-invariant characteristic of human fingerprints, which also provide more details for distinguishing various persons. An automatic recognition of people based on fingerprints requires matching of an input fingerprint with a large number of fingerprints in a database. However, the database can be huge (e.g., the FBI database contains more than 70 million fingerprints), such a task can be very expensive in terms of computational burden and time. Fingerprint classification is the most common approach to reduce the database penetration rate of a fingerprint identification system. It is well-known, fingerprints could be classified into five main categories: Arch, Tented arch, Left loop, Right loop, and Whorl.
The present project mainly aims to develop a fingerprint classification method based on ELM network trained with millions of samples, which is based on the hypothesis that it is possible to build a fingerprint classifier based on ELM network considering millions of data for classifier training.
Clasificación a gran escala de huellas dactilares basada en redes neuronales de aprendizaje extremo rápida y distribuida
Director: Dr. Marco Mora
Duración: Abr. 2020 - Mar. 2024
Institución Participante: Universidad Católica del Maule.
Investigadores: Dr. Marco Mora, Dr. Ricardo Barrientos, Dra. Karina Vilches
Financiamiento: Conicyt, Gobierno de Chile.
Programa: FONDECYT Regular.
La huella dactilar se utiliza ampliamente en la identificación de personas, en gran medida debido a la característica bioinvariante de las huellas dactilares humanas, que también proporcionan más detalles para distinguir a diversas personas. El reconocimiento automático de las personas basado en las huellas dactilares requiere la comparación de una huella dactilar de entrada con un gran número de huellas dactilares en una base de datos. Sin embargo, la base de datos puede ser enorme (por ejemplo, la base de datos del FBI contiene más de 70 millones de huellas dactilares), y esa tarea puede ser muy costosa en términos de carga computacional y tiempo. La clasificación de las huellas dactilares es el enfoque más común para reducir el índice de penetración de la base de datos de un sistema de identificación de huellas dactilares. Es bien sabido que las huellas dactilares pueden clasificarse en cinco categorías principales: Arco, Arco de carpa, Lazo izquierdo, Lazo derecho, y Verticilo.
El presente proyecto tiene como objetivo principal desarrollar un método de clasificación de huellas dactilares basado en una red ELM entrenada con millones de muestras, esto basado en la hipótesis de que es posible construir un clasificador de huellas dactilares basado en la red ELM considerando millones de datos para el entrenamiento de los clasificadores.