محمدحسن صفوی پور - دانشجوی دکترا، گروه الکترونیک، دانشکده فنی و مهندسی، دانشگاه شاهد، تهران، ایران
محمدعلی دوستاری - استادیار، گروه کامپیوتر، دانشکده فنی و مهندسی، دانشگاه شاهد، تهران، ایران
حامد ساجد - دانشیار، گروه الکترونیک، دانشکده فنی و مهندسی، دانشگاه شاهد، تهران، ایران

سیستم های مالتی بیومتریک علاوه بر دارا بودن مزایای سیستم تک بیومتریک، معایبی از جمله عدم جهان شمولی، نویز در داده های اولیه و حملات جعل هویت را تا حد زیادی برطرف می کنند. از مهم ترین انگیزه های طراحی سیستم مالتی بیومتریک در دیتابیس های بزرگ، کاهش حجم دیتاهای ذخیره شده، اطمینان از امنیت بالا و افزایش دقت شناسایی است. از این رو انتخاب نوع اطلاعاتی که باید تلفیق شوند اهمیت زیادی برای طراحی یک سیستم مالتی مدال بیومتریک دارد. تلفیق اطلاعات می تواند در چهار سطح داده های خام، بردارهای ویژگی، امتیازها و تصمیم ها انجام شود. بردارهای ویژگی، نسبت به اطلاعات موجود در امتیازات، تصمیم ها و حتی داده های خام شامل اطلاعات غنی تری هستند. از این رو انجام تلفیق در سطح ویژگی نسبت به بقیه سطوح موثرتر است. در روش پیشنهادی بردارهای ویژگی اثرانگشت به روش "بانک فیلتر گابور" و عنبیه به روش "ویولت گابور یک بعدی" و چهره به روش "آنالیز مولفه های اصلی" استخراج شده و با استفاده از "آنالیز تفکیک کننده غیرخطی کرنل" با هدف ای جاد ساختار کلاسی و سازگاری فضاهای ویژگی اثرانگشت، عنبیه و چهره به فضا با ابعاد بالاتر منتقل می گردد، سپس بعد از عملیات نرمال سازی، با اعمال "آنالیز همبستگی کانونیکال" بر روی مجموعه ویژگی ها، ضمن کاهش و استخراج ویژگی های موثرتر، تلفیق در سطح ویژگی انجام می پذ یرد. نتایج پیاده سازی روش پیشنهادی نشان می دهد دقت شناسایی با این الگوی تلفیقی مقاوم و امن نسبت به سیستم های تک بیومتریک و همچنین دیگر روش های تلفیق افزایش می یابد.

مالتی مدال بیومتریک، تلفیق در سطح ویژگی، آنال یز همبستگی کانونیکال