[論文レビュー] Multimodal Biometric Authentication Using Choquet Integral and Genetic Algorithm

Anouar Ben Khalifa, Sami Gazzah+1 more|arXiv (Cornell University)|Mar 27, 2018

Biometric Identification and Security参考文献 19被引用数 4

ひとこと要約

本稿では、遺伝的アルゴリズムで最適化されたファジィ測度を用いたチョケット積分を用いたマルチモーダルバイオメトリック認証の新規融合手法を提案する。この手法は、相互に依存する特徴量の重みを適応的に学習することで認識精度を向上させ、合成データおよび実際のバイオメトリックデータセット（顔、指紋、掌紋）の両方で高い耐障害性を示す。

ABSTRACT

The Choquet integral is a tool for the information fusion that is very effective in the case where fuzzy measures associated with it are well chosen. In this paper,we propose a new approach for calculating fuzzy measures associated with the Choquet integral in a context of data fusion in multimodal biometrics. The proposed approach is based on genetic algorithms. It has been validated in two databases: the first base is relative to synthetic scores and the second one is biometrically relating to the face, fingerprintand palmprint. The results achieved attest the robustness of the proposed approach.

研究の動機と目的

• チョケット積分に基づくマルチモーダルバイオメトリクス統合における最適なファジィ測度選択の課題に対処すること。
• バイオメトリックモダリティ間の依存関係をモデル化することで統合性能を向上させること。
• 手動的またはヒューリスティックな割り当てに依存せずに、ファジィ測度を自動で学習する手法を開発すること。
• 合成データおよび実世界のバイオメトリックデータセットを用いて、本手法の耐障害性を検証すること。
• 知能的な統合により、マルチモーダルバイオメトリクスシステムにおける認証の正確性と信頼性を向上させること。

提案手法

• 複数のバイオメトリックモダリティからのスコアを統合する非線形情報統合演算子としてチョケット積分を用いる。
• ファジィ測度を用いて個々の特徴および組み合わせたバイオメトリック特徴の重要性をモデル化する。
• 認証性能を最大化する最適なファジィ測度を探索するために遺伝的アルゴリズム（GA）を採用する。
• 適合度関数を、検証率（等誤差率またはEER）に基づいて定義し、GAの最適化をガイドする。
• 合成スコアを制御したデータセットと、顔、指紋、掌紋データを統合した実世界データセットの両方を用いて、システムを訓練およびテストする。
• GAの選択、交差、突然変異を繰り返し適用して、ファジィ測度パラメータを段階的に進化させ、統合精度を向上させる。

実験結果

リサーチクエスチョン

• RQ1 遺伝的アルゴリズムは、マルチモーダルバイオメトリクス統合におけるチョケット積分統合のファジィ測度最適化に効果的か？
• RQ2 提案手法のGA最適化チョケット積分は、従来の統合手法と比較して認識精度でどのように優れているか？
• RQ3 この手法は、バイオメトリックモダリティ間の依存関係をどの程度適切に処理できるか？
• RQ4 顔、指紋、掌紋といった多様なバイオメトリックデータタイプに対して、本手法は耐障害性を維持できるか？
• RQ5 本手法は合成データおよび実世界のバイオメトリクス状況に一般化して適応できるか？

主な発見

• 提案されたGA最適化チョケット積分は、標準的な線形結合法および最適化されていないチョケット積分法と比較して、統合性能が顕著に向上している。
• 合成データセットでは、低い等誤差率（EER）を達成しており、最適なファジィ測度の効果的な学習が確認された。
• 実バイオメトリックデータセット（顔、指紋、掌紋）では、高い検証率を達成しており、実用的環境下での耐障害性が裏付けられた。
• 遺伝的アルゴリズムは、バイオメトリックソース間の依存関係を捉えたファジィ測度を効果的に学習し、全体のシステム信頼性を向上させた。
• ベースライン統合手法と比較して、本手法は複数の評価指標において、より高い正確性と安定性を示した。
• 結果から、チョケット積分をマルチモーダルバイオメトリクスで最大限に活用するには、ファジィ測度の知的最適化が不可欠であることが確認された。