Kebelakangan ini, kaedah pengenalan diri melalui biometrik yang berasaskan vena jari mendapat perhatian di kalangan para penyelidik kerana mempunyai kelebihan seperti: pengenalan diri individu yang unik, kalis usia dan tidak jelas kelihatan (sukar untuk ditiru). Terdapat banyak penambahbaikan telah dilakukan untuk memendekkan masa dan menambahkan ketepatan ke atas kaedah pengenalan tersebut. Teknik pengesktrakan ciri yang berasaskan ciri-ciri global seperti PCA telah digunapakai sebelum ini. Walau bagaimanapun, keputusan kajian tidak menunjukkan yang teknik tersebut adalah teguh kepada masalah. Oleh itu, kaedah pengekstrakan ciri tempatan telah digunapakai untuk mengatasi masalah ini. Dalam kajian ini, kaedah pengestrakan ciri berasaskan perkongsian untuk pengenalan vena jari telah digunapakai. Kaedah yang dicadangkan dilakukan dengan mengekstrak maklumat corak cap vena jari berdasarkan ciri tempatan, dan menggunakan imej tampalan berdasarkan corak vena jari tersebut untuk memperbaiki keteguhan pengenalan. Kaedah ini banyak dipegaruhi oleh kaedah "spatial pyramid pooling" atau kaedah perkumpulan berdasarkan kedudukan, ruang dan saiz corak secara piramid yang digunakan untuk pengklasifikasian imej asas dan dibantu dengan PCA. Dengan saiz imej tampalan empat, empat aras piramid [1x1, 2x2, 3x3, 4x4] dan 38% pengurangan dimensi terhadap ciri-ciri yang telah diekstrak (10 pekali-pekali PCA). kadar ketepatan sistem pengenalan ini meningkat kepada 88.69% iaitu jauh lebih tinggi daripada PCA sebanyak 10.10%. Algoritma yang dicadangkan ini telah diimplementasikan ke FPGA dengan menggunakan Verilog-HDL. Menurut hasil kajian, kaedah ini menunjukkan peningkatan terhadap kecepatan sistem pengenalan berbanding dengan kaedah menggunakan perisian(software). Masa yang diambil untuk mengekstrak ciri bagi sistem perkakasan(hardware) untuk satu imej ialah 0.134 milisaat. Masa yang ditunjukkan oleh sistem perkakasan adalah 310 kali lebih cepat berbanding sistem perisian.
Recently, finger vein biometric identification methods have had more attention among the researchers due to its various advantages such as: uniqueness to individuals, immunity to ages and invisibility to human eye (hard to duplicate). Many improvements methods were utilized to increase the speed and accuracy of the identification. Feature extraction techniques based on global feature extraction such as Principle Component Analysis (PCA) were implemented. However, the results did not show robustness to occlusions and misalignments on the finger vein images. Therefore, local feature extraction techniques were used to overcome these issues. A pooling based feature extraction technique for finger vein identification was implemented in this research. The proposed algorithm extracted the local feature information of the finger vein pattern (patches), and used these patches to improve the robustness of the identification. The algorithm was mainly inspired by spatial pyramid pooling in generic image classification combined with PCA. With patch size = 4, four pyramid levels = [1x1, 2x2, 3x3, 4x4] and ~38 % dimension reduction on the extracted features vector (10 PCA coefficient), the accuracy of the identification was 88.69 % which was higher than PCA by 10.10%. The proposed algorithm was implemented on hardware using Verilog-HDL, and targeting Field Programmable Gate Array (FPGA) applications. The result showed an outstanding speed improvement compared to software implementation. The time consumed by the hardware for extracting the features of one image was 310X time faster than the consumed time for software implementation. With those improvements in accuracy and the speed, the proposed algorithm contributes to the advancement of finger vein biometric system
Register transfer level implementation of pooling - based feature extraction for finger vein identification_ Mohamed Hassan Mohamed Ali_E3_2017_MFAR