[논문 리뷰] Ear Recognition With Score-Level Fusion Based On CMC In Long-Wave Infrared Spectrum

Ümit Kaçar, Mürvet Kırcı|arXiv (Cornell University)|2018. 01. 27.

Biometric Identification and Security참고 문헌 10인용 수 3

한 줄 요약

이 논문은 장파장적외선(LWIR) 영상에서 인간 귀 인식을 위한 점수 수준 융합 기법을 제안하며, 새로이 제작된 2430개의 샘플을 포함하는 LWIR 귀 데이터베이스(MIDAS)를 활용하고, 다양한 특징 추출 및 차원 축소 기법을 융합한다. 이 방법은 랭크-1 인식률 97.71%를 달성하였으며, 사망자 신원 확인과 같은 형량 응용 분야에서 매우 중요한 '완벽한 랭크'(100% 인식률에 도달하는 랭크) 개념을 도입한다.

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.

연구 동기 및 목표

• 장파장적외선(LWIR) 스펙트럼에서 인간 귀 인식에 대한 연구 부족 문제를 해결하기 위해.
• 낮과 밤 모두에서 작동 가능한, 조도에 영향을 받지 않는 견고한 귀 인식 시스템을 개발하기 위해.
• 기준으로 사용하기 위해 81명의 피험자로부터 2430건의 기록을 포함하는 새로운 대규모 LWIR 귀 데이터베이스(MIDAS)를 구축하기 위해.
• LWIR 기반 귀 인식에서 정확도를 향상시키기 위해 점수 수준 융합 기법을 평가하기 위해.
• 형량 응용 분야에서의 중요성을 고려해, 인식률이 100%에 도달하는 랭크인 '완벽한 랭크' 개념을 도입하고 분석하기 위해.

제안 방법

• 저자들은 81명의 피험자로부터 2430장의 LWIR 귀 영상을 촬영하여, 다양한 조건에서의 평가가 가능하도록 MIDAS 데이터베이스를 구축하였다.
• 다양한 특징 추출 알고리즘을 적용하여 LWIR 영상에서 특징적인 귀 특징을 추출하였다.
• 하위공간 방법을 사용하여 특징 차원을 축소하면서도 분류에 유용한 정보를 유지하였다.
• 분류기별 특징 공간 요구사항에 맞추어 특징 공간을 정렬하기 위해 분류기 전용 차원 축소 기법을 적용하였다.
• 다양한 분류기에서 최고 성능을 보인 점수를 융합하여 인식 성능을 향상시키기 위해 점수 수준 융합 기법을 사용하였다.
• 성능 평가에는 누적 매칭 곡선(CMC)을 사용하였으며, 새로운 지표인 '완벽한 랭크'도 포함하였다.

실험 결과

연구 질문

• RQ1 점수 수준 융합은 장파장적외선 귀 인식의 정확도를 향상시킬 수 있는가?
• RQ2 제안된 방법은 새로 제작된 대규모 LWIR 귀 데이터베이스(MIDAS)에서 어떻게 성능을 발휘하는가?
• RQ3 인식률이 100%에 도달하는 랭크는 어느 수준이며, 이러한 '완벽한 랭크'가 형량 응용 분야에서 왜 중요한가?
• RQ4 시스템은 조도 변화 및 일몰/일출 시간대의 변화에 얼마나 견고한가?
• RQ5 다양한 특징 추출 및 차원 축소 기법은 최종 인식 성능에 얼마나 기여하는가?

주요 결과

• 제안된 점수 수준 융합 방법은 MIDAS 데이터베이스의 567개 테스트 프로브에서 랭크-1 인식률 97.71%를 달성하였다.
• 장파장적외선 영상 기반으로 인해 조도 변화에 매우 견고하고, 낮과 밤 모두에서 효과적으로 작동하는 것으로 나타났다.
• '완벽한 랭크' 개념을 도입하고 분석하여, 형량 응용 분야에서 평가하는 데 유용한 새로운 지표를 제공하였다.
• 81명의 피험자로부터 2430건의 기록을 포함하는 MIDAS 데이터베이스는 성공적으로 구축되었으며, 제안된 방법의 유효성을 검증하는 데 사용되었다.
• 다양한 분류기의 점수 융합은 개별 분류기 성능을 뛰어넘었으며, 융합 전략의 효과성을 확인하였다.
• 결과적으로 LWIR 귀 인식은 사망자 신원 확인 및 범죄 수사와 같은 형량 응용 분야에서 매우 큰 잠재력을 지닌 것으로 나타났다.