[論文レビュー] A Fully Automated Latent Fingerprint Matcher with Embedded Self-learning Segmentation Module

Jinwei Xu, Jiankun Hu+1 more|arXiv (Cornell University)|Jun 26, 2014

Biometric Identification and Security参考文献 11被引用数 3

ひとこと要約

本論文は、埋め込み自己学習辞書学習ベースのROI分離モジュールと遺伝的アルゴリズム（GA）ベースの minutiae 合致ユニットを備えた完全自動化された顔面指紋マッチャーを提案する。NIST SD27データベースにおいて、最先端の公的手法を上回る優れた性能を発揮し、シナリオ1では平均透過率38.159%を達成。本研究で提案する分離手法を用いることで、シナリオ2でも性能が向上し、手動による介入なしに困難な顔面指紋の状態においても頑健であることを示している。

ABSTRACT

Latent fingerprint has the practical value to identify the suspects who have unintentionally left a trace of fingerprint in the crime scenes. However, designing a fully automated latent fingerprint matcher is a very challenging task as it needs to address many challenging issues including the separation of overlapping structured patterns over the partial and poor quality latent fingerprint image, and finding a match against a large background database that would have different resolutions. Currently there is no fully automated latent fingerprint matcher available to the public and most literature reports have utilized a specialized latent fingerprint matcher COTS3 which is not accessible to the public. This will make it infeasible to assess and compare the relevant research work which is vital for this research community. In this study, we target to develop a fully automated latent matcher for adaptive detection of the region of interest and robust matching of latent prints. Unlike the manually conducted matching procedure, the proposed latent matcher can run like a sealed black box without any manual intervention. This matcher consists of the following two modules: (i) the dictionary learning-based region of interest (ROI) segmentation scheme; and (ii) the genetic algorithm-based minutiae set matching unit. Experimental results on NIST SD27 latent fingerprint database demonstrates that the proposed matcher outperforms the currently public state-of-art latent fingerprint matcher.

研究の動機と目的

• 手動によるROI検出や特徴抽出を一切不要とする完全自動化された顔面指紋マッチャーの開発。
• 顔面指紋画像における画像品質の悪さ、重複する構造的ノイズ、部分的な印刷の問題に対処すること。
• 自己学習辞書学習ベースのROI分離モジュールと遺伝的アルゴリズムベースの minutiae マッチングユニットを統合することで、マッチング精度の向上を図ること。
• ベンチマークと顔面指紋認識研究の前進を目的として、公開可能で再現可能なシステムを提供すること。

提案手法

• 辞書学習ベースのROI分離モジュールを用いて、顔面指紋画像から自動的に注目領域（ROI）を検出・抽出する。
• 訓練データから学習することで、スミヤや線、グラフィックなどの構造的ノイズを抑制しながら、フォアグラウンド領域を的確に同定する。
• 分離されたROIからのみ minutiae を自動抽出することで、特徴の信頼性を向上させ、誤マッチのリスクを低減する。
• 遺伝的アルゴリズムベースのマッチングユニットが、クエリの顔面指紋とデータベース内の指紋間の minutiae を集合的比較し、進化的な探索によってマッチングスコアを最適化する。
• 分離技術の影響を明確にするために、3つのシナリオで評価する：ベースライン（分離なし）、提案分離＋GAマッチング、Caoの手法＋GAマッチング。
• GAユニットにおけるフィットネス関数は、minutiae の対応、方向性、空間的分布に基づいてマッチングスコアを最大化するように設計されている。

実験結果

リサーチクエスチョン

• RQ1 完全自動化された顔面指紋マッチャーは、手動によるROIラベル付けや特徴抽出なしに高い性能を達成できるか？
• RQ2 自己学習辞書学習ベースの分離モジュールは、低品質な顔面指紋において minutiae 抽出の信頼性をどのように向上させるか？
• RQ3 専用のROI分離モジュールと遺伝的アルゴリズムベースのマッチングユニットを統合することで、従来手法に比べてどの程度の性能向上が得られるか？
• RQ4 提案されたマッチャーは、NIST SD27データベースの異なる画像品質カテゴリ（Good, Bad, Ugly）において、どのように性能を発揮するか？
• RQ5 平均透過率とCMCの観点から、本研究で提案するシステムは、公的最先端の顔面指紋マッチャーをどの程度上回るか？

主な発見

• シナリオ1（分離なし）において、提案マッチャーは平均透過率（pr）38.159%を達成し、強固なベースラインを確立した。
• シナリオ2では、提案された自己学習分離モジュールを用いることで、平均透過率は34.496%に向上し、ROI分離がマッチング信頼性の向上に有効であることを示した。
• シナリオ3（Caoの分離手法）では、平均透過率が36.434%を記録し、提案分離手法が既存の代替手法を上回ることを確認した。
• 「Good」品質の顔面指紋では最高の性能を発揮し、平均透過率28.40%を達成したが、画像品質が悪い「Bad」（36.17%）および「Ugly」（39.11%）クラスでは性能が低下した。
• CMC（累積マッチング特性）曲線は、本研究のマッチャーがベースラインおよび他の分離手法を常に上回っており、特に上位順位での性能が顕著に優れていることを示している。
• 本研究は、強固で自己学習可能な分離モジュールの統合が、顔面指紋認識における自動化された minutiae ベースのマッチング精度を顕著に向上させることを確認した。