[論文レビュー] Ear Recognition With Score-Level Fusion Based On CMC In Long-Wave Infrared Spectrum

Ümit Kaçar, Mürvet Kırcı|arXiv (Cornell University)|Jan 27, 2018

Biometric Identification and Security参考文献 10被引用数 3

ひとこと要約

本稿では、長波長赤外線（LWIR）画像を用いた人間の耳認識のためのスコアレベル融合手法を提案する。新規の2430サンプルから成るLWIR耳データベース（MIDAS）を活用し、複数の特徴抽出および次元削減手法を統合する。本手法はランク1認識率97.71％を達成し、法医学的応用（たとえば、死体識別）において極めて重要となる「完璧ランク」（100％の認識率に達するランク）という概念を導入する。

ABSTRACT

Only a few studies have been reported regarding human ear recognition in long wave infrared band. Thus, we have created ear database based on long wave infrared band. We have called that the database is long wave infrared band MIDAS consisting of 2430 records of 81 subjects. Thermal band provides seamless operation both night and day, robust against spoofing with understanding live ear and invariant to illumination conditions for human ear recognition. We have proposed to use different algorithms to reveal the distinctive features. Then, we have reduced the number of dimensions using subspace methods. Finally, the dimension of data is reduced in accordance with the classifier methods. After this, the decision is determined by the best sores or combining some of the best scores with matching fusion. The results have showed that the fusion technique was successful. We have reached 97.71% for rank-1 with 567 test probes. Furthermore, we have defined the perfect rank which is rank number when recognition rate reaches 100% in cumulative matching curve. This evaluation is important for especially forensics, for example corpse identification, criminal investigation etc.

研究の動機と目的

• 長波長赤外線（LWIR）スペクトルにおける人間の耳認識に関する研究の不足に対処すること。
• 日中・夜間の両方で動作可能な、明るさに依存しない頑健な耳認識システムの開発。
• ベンチマーク用に、81名の被験者からなる2430件の記録を含む新しい大規模LWIR耳データベース（MIDAS）の構築。
• LWIRベースの耳認識における認識精度を向上させるために、スコアレベル融合手法の評価。
• 法医学的応用に特に関連する「完璧ランク」（認識率が100％に達するランク）という概念の導入および分析。

提案手法

• 著者らは、81名の被験者から2430枚のLWIR耳画像を収集し、MIDASデータベースを構築した。これにより、さまざまな条件下での評価が可能になった。
• 複数の特徴抽出アルゴリズムを用いて、LWIR画像から特徴的な耳の特徴を抽出した。
• 部分空間法を用いて、識別的情報を保持したまま特徴次元を削減した。
• 分類器固有の次元削減を適用し、個々の分類器の要件に合わせた特徴空間の整合性を確保した。
• 複数の分類器から得た最高性能のスコアを統合することで、スコアレベルの融合を実施し、認識性能を向上させた。
• 性能評価には累積マッチング曲線（CMC）を用い、新たに導入された「完璧ランク」という指標も含めた。

実験結果

リサーチクエスチョン

• RQ1 スコアレベル融合は、長波長赤外線による耳認識の認識精度を向上させることができるか？
• RQ2 本手法は、新たに作成された大規模LWIR耳データベース（MIDAS）において、どのように性能を発揮するか？
• RQ3 認識率が100％に達するのはどのランクか？ そして、この「完璧ランク」が法医学的応用においてなぜ重要であるか？
• RQ4 本システムは明るさの変化や時間帯の違いに対してどれほど頑健か？
• RQ5 異なる特徴抽出および次元削減手法は、最終的な認識性能にどの程度寄与しているか？

主な発見

• 提案されたスコアレベル融合手法は、MIDASデータベースの567件のテストプローブにおいて、ランク1認識率97.71％を達成した。
• 本システムは明るさの変化に対して高い頑健性を示し、長波長赤外線画像の使用により、日中および夜間の両方で効果的に動作した。
• 「完璧ランク」の概念が導入・分析され、法医学的応用に特に関連する新しい評価指標を提供した。
• 81名の被験者から成る2430件の記録を有するMIDASデータベースが、成功裏に構築され、本手法の妥当性を検証するのにも使用された。
• 複数の分類器のスコアを統合することで、個々の分類器の性能を著しく上回る結果が得られ、融合戦略の有効性が確認された。
• 結果から、LWIR耳認識が死体識別や犯罪捜査などの法医学的応用において強い可能性を示している。