[논문 리뷰] A Multi-Biometrics for Twins Identification Based Speech and Ear

Cihan Akın, Ümit Kaçar외 1명|arXiv (Cornell University)|2018. 01. 27.

Biometric Identification and Security참고 문헌 7인용 수 11

한 줄 요약

이 논문은 음성(음성 특징으로 MFCC 및 DTW 사용)과 귀 이미지 인식(Gabor 필터 및 DCVA 사용)을 융합한 다중모달 생체인식 시스템을 제안하여 일란성 쌍둥이를 구분한다. 점수 수준 융합을 통해 랭크-5 식별 정확도가 100%에 도달한다. 음성과 귀 생체인식의 융합은 단일 모달 시스템보다 식별 정확도를 크게 향상시키며, 특히 전통적인 방법이 실패하는 쌍둥이 식별 상황에서 유의미하다.

ABSTRACT

The development of technology biometrics becomes crucial more. To define human characteristic biometric systems are used but because of inability of traditional biometric systems to recognize twins, multimodal biometric systems are developed. In this study a multimodal biometric recognition system is proposed to recognize twins from each other and from the other people by using image and speech data. The speech or image data can be enough to recognize people from each other but twins cannot be distinguished with one of these data. Therefore a robust recognition system with the combine of speech and ear images is needed. As database, the photos and speech data of 39 twins are used. For speech recognition MFCC and DTW algorithms are used. Also, Gabor filter and DCVA algorithms are used for ear identification. Multi-biometrics success rate is increased by making matching score level fusion. Especially, rank-5 is reached 100%. We think that speech and ear can be complementary. Therefore, it is result that multi-biometrics based speech and ear is effective for human identifications.

연구 동기 및 목표

• 기존 생체인식 시스템이 높은 유사성으로 인해 실패하는 일란성 쌍둥이를 구분하는 데 도전하는 것.
• 식별 정확도 향상을 위해 음성과 귀 이미지 데이터를 융합한 강력한 다중모달 생체인식 시스템을 개발하는 것.
• 음성과 귀 생체인식 시스템 간 점수 수준 융합의 효과를 평가하여 식별 성능 향상 여부를 분석하는 것.
• 음성과 귀 생체인식이 특히 쌍둥이 식별에서 상호보완적인 모odalities임을 입증하는 것.

제안 방법

• 음성 특징은 음성 샘플에서 멜 주파수 체르스터 계수(Mel-Frequency Cepstral Coefficients, MFCC)를 사용해 추출된다.
• 동적 시간 왜곡(Dynamic Time Warping, DTW)이 적용되어 음성 시퀀스를 매칭하고 유사도 점수를 계산한다.
• 귀 이미지는 Gabor 필터를 사용해 처리되어 무늬 특징이 추출된다.
• 방향성 구성 요소 벡터 분석(Directional Component Vector Analysis, DCVA)을 사용해 귀 생체인식 특징을 모델링하고 분류한다.
• 음성 및 귀 모달리티에서 유도된 매칭 점수를 점수 수준에서 융합하여 전체 식별 성능을 향상시킨다.
• 39명의 쌍둥이로 구성된 데이터셋에서 전체 시스템의 강건성과 정확도를 평가하기 위해 랭크-5 식별 정확도를 계산한다.

실험 결과

연구 질문

• RQ1 음성과 귀 인식을 융합한 다중모달 생체인식 시스템이 일란성 쌍둥이를 효과적으로 구분할 수 있는가?
• RQ2 음성과 귀 생체인식 점수의 점수 수준 융합이 단일 모달 시스템에 비해 식별 정확도를 얼마나 향상시키는가?
• RQ3 음성과 귀 생체인식이 쌍둥이 식별에서 얼마나 상호보완적인가?
• RQ4 39명의 쌍둥이로 구성된 데이터셋에서 제안된 시스템의 랭크-5 식별 정확도는 어떠한가?

주요 결과

• 제안된 다중모달 시스템은 랭크-5 식별 정확도가 100%에 도달하여 쌍둥이를 구분하는 데 높은 신뢰성을 보였다.
• 음성과 귀 생체인식 점수의 점수 수준 융합은 개별 모달리티에 비해 식별 성능을 크게 향상시켰다.
• 음성에 대해 MFCC와 DTW를, 귀 이미지에 대해 Gabor 필터와 DCVA를 조합한 방식이 분류 가능한 특징을 효과적으로 추출하는 데 성공했다.
• 결과는 음성과 귀 생체인식이 특히 도전적인 쌍둥이 식별 상황에서 상호보완적임을 확인시켰다.
• 단일 생체인식 접근 방식보다 시스템 성능이 뛰어나지며, 생체인식 식별에서 다중모달 융합의 가치를 입증했다.