[論文レビュー] Automatic Cropping Fingermarks: Latent Fingerprint Segmentation.

Dinh-Luan Nguyen, Kai Cao+1 more|arXiv (Cornell University)|Apr 25, 2018

Biometric Identification and Security参考文献 8被引用数 2

ひとこと要約

本稿では、一括処理によりエンド・ツー・エンドで潜在指紋の分離を実行する完全畳み込みニューラルネットワーク、SegFinNetを提案する。U-Netと検出ベースのアーキテクチャを組み合わせた本手法は、NIST SD27、WVU、および運用用法医学データベースにおいて最先端の性能を達成し、1枚の潜在指紋あたりの分離処理時間を500ミリ秒未満に短縮するとともに、その後続の指紋マッチャのヒットレートを向上させた。

ABSTRACT

We present a simple but effective method for automatic latent fingerprint segmentation, called SegFinNet. SegFinNet takes a latent image as an input and outputs a binary mask highlighting the friction ridge pattern. Our algorithm combines fully convolutional neural network and detection-based approach to process the entire input latent image in one shot instead of using latent patches. Experimental results on three different latent databases (i.e. NIST SD27, WVU, and an operational forensic database) show that SegFinNet outperforms both human markup for latents and the state-of-the-art latent segmentation algorithms. Our latent segmentation algorithm takes on average 457 (NIST SD27) and 361 (WVU) msec/latent on Nvidia GTX Ti 1080 with 12GB memory machine. We show that this improved cropping, in turn, boosts the hit rate of a latent fingerprint matcher.

研究の動機と目的

• 法医学的応用における潜在指紋の不一致で時間がかかる手動分離の課題に対処すること。
• 高い正確性と効率性を備えた自動手法を開発し、潜在指紋の摩擦面の模様を正確に分離すること。
• 多様な潜在指紋データベースにおいて、既存の最先端の分離アルゴリズムおよび人為的アノテーションの正解を上回る性能を発揮すること。
• 1枚の潜在画像あたりの処理時間を短縮しつつ、分離品質を維持または向上させること。
• 分離の正確性の向上を通じて、下流の指紋マッチング性能を向上させること。

提案手法

• SegFinNetは、パッチベースの処理を回避するため、1回の順方向プロパゲーションで全画像を処理する完全畳み込みニューラルネットワークアーキテクチャを採用している。
• 密な特徴学習と空間的詳細の保持のため、U-Netに類似したエンコーダ・デコーダ構造とスキップ接続を統合している。
• 摩擦面領域の局所化を可能にし、正確な境界予測を実現する検出ベースのヘッドを採用している。
• 摩擦面模様の正解バイナリマスクに基づくバイナリクロスエントロピー損失を用いて、エンド・ツー・エンドで学習を行っている。
• 推論は1回の順方向プロパゲーションで実行され、標準のGPUハードウェアでもリアルタイム処理が可能である。
• 本手法は、NIST SD27、WVU、および運用用法医学データベースという3つの異なるデータベースで評価されている。

実験結果

リサーチクエスチョン

• RQ1 ディープラーニングモデルは、人間の専門家および既存の最先端手法に比べ、優れた潜在指紋分離の正確性を達成できるか？
• RQ2 1ショットで全画像を処理するアプローチは、パッチベースの分離戦略に比べ、速度と正確性の面で優れているか？
• RQ3 改善された分離が、潜在指紋マッチャのヒットレートにどの程度の向上効果をもたらすか？
• RQ4 標準のGPUハードウェア上での推論時間の観点から、本手法の効率性はどの程度か？
• RQ5 本モデルは、画像品質や複雑さにばらつきのある多様な潜在指紋データベースに一般化できるか？

主な発見

• SegFinNetは、NIST SD27、WVU、および運用用法医学データベースという3つのテストデータベースにおいて、人為的アノテーションの正解および最先端の分離アルゴリズムをすべて上回った。
• NVIDIA GTX Titan X 1080（12GBメモリ搭載）を用いた場合、NIST SD27では1枚あたり平均457ミリ秒、WVUでは361ミリ秒の推論時間であった。
• 向上した分離正確性は、潜在指紋マッチャのヒットレートに明確な向上効果をもたらした。
• 本手法は全画像を1回の処理で処理するため、パッチベースの処理の必要性がなくなり、計算オーバーヘッドが低減された。
• 検出ベースのヘッドにより、特に低品質またはノイズの多い領域における局所化精度が向上した。
• 本手法は、実世界の運用データを含む多様な法医学的データベースにおいて、強力な一般化性能を示した。