[論文レビュー] Automated PolyU Palmprint sample Registration and Coarse Classification

D.M. Dhananjay, C. V. Guru Rao+1 more|arXiv (Cornell University)|Dec 29, 2011

Biometric Identification and Security参考文献 5被引用数 3

ひとこと要約

本稿では、PolyU掌紋データベースを用いて、掌紋サンプルの登録と粗い分類を自動化する手法を提示する。境界トレースとベクトル角度解析を用いて登録のための方向を特定し、心線と生命線のなす傾き角を測定して、左掌または右掌として分類する。この手法は、認証システムにおける効率的で計算負荷の低い前処理を実現する。

ABSTRACT

Biometric based authentication for secured access to resources has gained importance, due to their reliable, invariant and discriminating features. Palmprint is one such biometric entity. Prior to classification and identification registering a sample palmprint is an important activity. In this paper we propose a computationally effective method for automated registration of samples from PlolyU palmprint database. In our approach we preprocess the sample and trace the border to find the nearest point from center of sample. Angle between vector representing the nearest point and vector passing through the center is used for automated palm sample registration. The angle of inclination between start and end point of heart line and life line is used for basic classification of palmprint samples in left class and right class.

研究の動機と目的

• バイオメトリクスシステムにおける掌紋サンプルの方向の不一致という課題に対処すること。
• 手動による介入なしにPolyU掌紋サンプルの登録を自動化すること。
• 左掌と右掌のサンプルを区別する粗い分類手法を開発すること。
• 掌紋ベースの認証における前処理における計算コストを低減すること。
• その後続の分類および識別タスクにおける信頼性と一貫性を向上させること。

提案手法

• 境界検出に備えて特徴を強化し、画像を前処理する。
• 掌の境界をトレースし、画像の中心に最も近い点を特定する。
• 中心から最も近い境界点へのベクトルと、中心を通過する中心線ベクトルとの間の角度を計算する。
• 心線と生命線の開始点および終了点の間の傾き角を判別特徴として用いる。
• 計算された傾き角に基づいて、サンプルを左掌または右掌クラスに分類する。
• リアルタイムバイオメトリクスアプリケーションに適した計算効率の高いアルゴリズムを適用する。

実験結果

リサーチクエスチョン

• RQ1 手動入力なしに、どのようにして掌紋サンプルの方向を自動的に特定できるか？
• RQ2 掌に存在するどの幾何的特徴が、左掌と右掌のサンプルを信頼性高く区別できるか？
• RQ3 心線と生命線の間の角度が、掌紋の方向分類に頑健な分類器として機能できるか？
• RQ4 提案手法は、前処理段階での計算コストをどの程度低減できるか？
• RQ5 この手法は、下流のバイオメトリクス分類タスクにおける一貫性をどの程度向上させるか？

主な発見

• 本手法は、角度に基づく方向特定を用いて、PolyU掌紋サンプルの登録を成功裏に自動化した。
• 心線と生命線の間の傾き角は、左掌と右掌クラスへの粗い分類のための信頼性の高い根拠を提供する。
• 計算負荷を最小限に抑えつつ効果的な登録を実現し、リアルタイムシステムに適している。
• 境界トレースとベクトル角度計算により、多様な掌紋画像においてもサンプルの方向を頑健に検出可能である。
• ユーザー入力や複雑な学習を必要とせず、一貫したパフォーマンスを示した。
• 結果から、幾何的線分の傾きを主特徴として用いることで、掌紋システムにおける粗い分類が実現可能であることが裏付けられた。