[論文レビュー] Multispectral Palmprint Encoding and Recognition

Zohaib Khan, Faisal Shafait+2 more|arXiv (Cornell University)|Feb 6, 2014

Biometric Identification and Security参考文献 43被引用数 11

ひとこと要約

本稿では、可視帯および赤外帯の両方で、ロバストで効率的かつ正確な照合を可能にする、マルチスペクトル掌紋認識のためのバイナリーハッシュベースの特徴符号化手法「Contour Code」を提案する。自動的なROI抽出、多次元の輪郭特徴符号化、およびコンactなハッシュテーブル構造を組み合わせることで、PolyUで0.003%、CASIAで0.2%のEERを達成し、両方の照合および識別タスクにおいて、既存の手法を顕著に上回る最先端の性能を実現した。

ABSTRACT

Palmprints are emerging as a new entity in multi-modal biometrics for human identification and verification. Multispectral palmprint images captured in the visible and infrared spectrum not only contain the wrinkles and ridge structure of a palm, but also the underlying pattern of veins; making them a highly discriminating biometric identifier. In this paper, we propose a feature encoding scheme for robust and highly accurate representation and matching of multispectral palmprints. To facilitate compact storage of the feature, we design a binary hash table structure that allows for efficient matching in large databases. Comprehensive experiments for both identification and verification scenarios are performed on two public datasets -- one captured with a contact-based sensor (PolyU dataset), and the other with a contact-free sensor (CASIA dataset). Recognition results in various experimental setups show that the proposed method consistently outperforms existing state-of-the-art methods. Error rates achieved by our method (0.003% on PolyU and 0.2% on CASIA) are the lowest reported in literature on both dataset and clearly indicate the viability of palmprint as a reliable and promising biometric. All source codes are publicly available.

研究の動機と目的

• 可視帯および赤外帯を用いた、ロバストで効率的なマルチスペクトル掌紋認識の課題に対処すること。
• 大規模データベースにおける高速照合を可能にする、コンactなバイナリーフィーチャ符号化方式の開発。
• スコア正規化を必要とせずに、マルチスペクトル特徴を統合することで認識正確性を向上させること。
• 非接触掌紋画像はRST変動に起因しやすいが、信頼性の高いROI抽出を可能とすること。
• 公開データセットにおける照合および識別シナリオの両方で、既存の最先端手法を上回ること。

提案手法

• 非接触掌紋画像におけるRST変動に対処するため、手動でラベル付けされた正解データと照合して検証された、自動的な領域オブイントレスト（ROI）抽出技術を提案する。
• 輪郭letに基づく特徴抽出を用いて、複数のスペクトル帯域にわたる線状特徴をロバストに捉える、多次元の輪郭特徴符号化（Contour Code）を設計する。
• Contour Codeをバイナリ形式に符号化し、ハッシュテーブル構造に格納することで、大規模データベースにおける効率的かつスケーラブルな照合を実現する。
• 2種類の照合モードを導入：STM（1対多）とATM（全対多）、ATMでは1回の操作でマルチスペクトル帯域の同時統合とスコアレベルの組み合わせが可能となる。
• 固定サイズのバイナリーハッシュテーブルを用いることで、1パーム1バンドあたり676バイトのコンactなストレージを実現し、標準CPU上で1バンドあたり70,000件以上の照合が可能となった（1秒あたり）。
• 融合処理の前処理としてスコア正規化の必要性を排除し、照合パイプラインを簡素化しながらも高い正確性を維持した。

実験結果

リサーチクエスチョン

• RQ1 非接触マルチスペクトル掌紋画像に対して、RST変動を軽減できるロバストで自動的なROI抽出手法を開発できるか？
• RQ2 可視帯および赤外帯のマルチスペクトル特徴を、識別能を保持しつつ、効率的なストレージと照合を可能にする方法で効果的に符号化できるか？
• RQ3 スコア正規化を必要とせずに、マルチスペクトル帯域の同時スコアレベル統合を可能にする、バイナリーハッシュテーブル構造を設計できるか？
• RQ4 提案されたContour Code手法は、公開マルチスペクトル掌紋データベースにおける照合および識別タスクの両方で、既存の最先端手法を上回るか？
• RQ5 ぼかしや画像品質の低下が、提案手法の性能に与える影響は何か？また、こうした条件下で、既存手法と比較してどう異なるか？

主な発見

• 提案されたContour Code-ATM手法は、PolyUデータセットで0.003%の等誤差率（EER）を達成し、文献に報告された中で最低水準となった。
• CASIAデータセットでは0.2%のEERを達成し、これも報告済みの最低水準であり、実世界の条件下でも優れたロバスト性を示した。
• Contour Code-ATMは、PolyUデータベースでランク1識別率100%、CASIAデータベースで99.88%を達成し、比較したすべての最先端手法を上回った。
• 標準CPU（2.67 GHz）上で1バンドあたり70,000件以上の照合が1秒間に可能となり、高い計算効率を示した。
• バイナリーハッシュテーブル構造により、1パーム1バンドあたりたった676バイトのストレージで済み、生の特徴表現と比較してメモリフットプリントを顕著に削減した。
• ATM照合モードはSTMモードを常に上回り、埋め込まれた統合を伴う全対多照合が、1対多照合よりも効果的であることが示された。