[논문 리뷰] A Fully Automated Latent Fingerprint Matcher with Embedded Self-learning Segmentation Module

Jinwei Xu, Jiankun Hu외 1명|arXiv (Cornell University)|2014. 06. 26.

Biometric Identification and Security참고 문헌 11인용 수 3

한 줄 요약

이 논문은 임베디드 자기학습 사전 학습 기반의 ROI 분할 모듈과 유전 알고리즘(GA) 기반의 미니티아 매칭 유닛을 내장한 완전 자동화된 잠재 지문 매칭기법을 제안한다. NIST SD27 데이터베이스에서 최신 공개 방법들을 능가하는 뛰어난 성능을 기록하며, 시나리오 1에서 평균 관통률 38.159%를 달성하고, 제안된 분할 기법을 사용한 시나리오 2에서 성능이 향상되어 수동 간섭 없이 도전적인 잠재 지문 조건에서도 강건함을 입증한다.

ABSTRACT

Latent fingerprint has the practical value to identify the suspects who have unintentionally left a trace of fingerprint in the crime scenes. However, designing a fully automated latent fingerprint matcher is a very challenging task as it needs to address many challenging issues including the separation of overlapping structured patterns over the partial and poor quality latent fingerprint image, and finding a match against a large background database that would have different resolutions. Currently there is no fully automated latent fingerprint matcher available to the public and most literature reports have utilized a specialized latent fingerprint matcher COTS3 which is not accessible to the public. This will make it infeasible to assess and compare the relevant research work which is vital for this research community. In this study, we target to develop a fully automated latent matcher for adaptive detection of the region of interest and robust matching of latent prints. Unlike the manually conducted matching procedure, the proposed latent matcher can run like a sealed black box without any manual intervention. This matcher consists of the following two modules: (i) the dictionary learning-based region of interest (ROI) segmentation scheme; and (ii) the genetic algorithm-based minutiae set matching unit. Experimental results on NIST SD27 latent fingerprint database demonstrates that the proposed matcher outperforms the currently public state-of-art latent fingerprint matcher.

연구 동기 및 목표

• 수동적 ROI 탐지 및 미니티아 추출 없이 완전 자동화된 잠재 지문 매칭기법을 개발하는 것.
• 낮은 이미지 품질, 겹치는 구조적 노이즈, 부분적인 지문 이미지 등 잠재 지문 이미지에서 발생하는 과제를 해결하는 것.
• 자기학습 사전 학습 기반 ROI 분할 모듈과 유전 알고리즘 기반의 미니티아 매칭 유닛을 통합하여 매칭 정확도를 향상시키는 것.
• 기준 설정 및 잠재 지문 인식 연구의 발전을 위해 공개 가능하고 재현 가능한 시스템을 제공하는 것.

제안 방법

• 사전 학습 기반의 ROI 분할 모듈을 사용하여 잠재 지문 이미지에서 영역을 자동으로 탐지하고 추출한다.
• 학습 데이터로부터 학습하여 전경 영역을 적응적으로 식별하고, 얼룩, 선, 그래픽 등의 구조적 노이즈를 억제한다.
• 분할된 ROI에서만 수동으로 추출된 미니티아를 사용하여 특징 신뢰도를 향상시키고 오분류를 줄인다.
• 유전 알고리즘 기반의 매칭 유닛은 쿼리 잠재 지문과 데이터베이스 지문 간의 미니티아 집합을 비교하여 진화적 탐색을 통해 매칭 점수를 최적화한다.
• 세 가지 시나리오에서 시스템을 평가한다: 베이스라인(분할 없음), 제안된 분할 + GA 매칭, Cao의 방법 + GA 매칭으로 분할의 영향을 분리한다.
• GA 유닛의 적합도 함수는 미니티아 대응, 방향성, 공간 분포를 기반으로 매칭 점수를 최대화하도록 설계된다.

실험 결과

연구 질문

• RQ1 완전 자동화된 잠재 지문 매칭기법이 수동 ROI 레이블링이나 특징 추출 없이도 높은 성능을 달성할 수 있는가?
• RQ2 자기학습 사전 학습 기반의 분할 모듈이 저품질의 잠재 지문에서 미니티아 추출의 신뢰도를 어떻게 향상시키는가?
• RQ3 전용 ROI 분할 모듈과 유전 알고리즘 기반의 매칭 유닛을 통합했을 때 기존 방법들에 비해 성능 향상은 어느 정도인가?
• RQ4 제안된 매칭기법은 NIST SD27 데이터베이스의 다양한 이미지 품질 범주(Good, Bad, Ugly)에서 어떻게 성능을 발휘하는가?
• RQ5 평균 관통률과 CMC 측면에서 제안된 시스템이 공개된 최신 잠재 지문 매칭기법을 어느 정도 능가하는가?

주요 결과

• 시나리오 1에서 분할을 적용하지 않은 상태에서 제안된 매칭기법은 평균 관통률(pr) 38.159%를 기록하여 강력한 기준 성능을 확립했다.
• 시나리오 2에서 제안된 자기학습 분할 모듈을 사용한 결과, 평균 관통률이 34.496%로 향상되어 ROI 분할이 매칭 신뢰도 향상에 효과적임을 입증했다.
• 시나리오 3에서 Cao의 분할 방법을 사용한 결과, 평균 관통률은 36.434%를 기록하여 제안된 분할 방법이 기존 대안보다 뛰어남을 확인했다.
• 시스템은 '좋음' 품질의 잠재 지문에서 가장 높은 성능을 보였으며, 평균 관통률 28.40%를 기록했지만, '나쁨'(36.17%)과 '끔찍함'(39.11%) 클래스에서는 이미지 품질이 열 劣하므로 성능이 저하되었다.
• CMC(Cumulative Matching Characteristic) 곡선은 제안된 매칭기법이 베이스라인 및 다른 분할 기반 접근법보다 일관되게 뛰어나며, 특히 초기 순위에서 두각을 나타냈다.
• 본 연구는 강력하고 자기학습 기반의 분할 모듈 통합이 자동화된 미니티아 기반의 매칭 정확도 향상에 상당한 기여를 한다고 확인했다.