[논문 리뷰] Enhancing the Accuracy of Biometric Feature Extraction Fusion Using Gabor Filter and Mahalanobis Distance Algorithm

Ayodeji S. Makinde, Yaw Nkansah-Gyekye외 1명|arXiv (Cornell University)|2014. 07. 24.

Biometric Identification and Security참고 문헌 28인용 수 7

한 줄 요약

이 논문은 특징 추출에 Gabor 필터를, 특징 수준 융합에 Mahalanobis 거리 알고리즘을 사용하여 얼굴과 지문 특징을 융합하는 이모달 생체 인식 시스템을 제안한다. 히스토그램 균형 조정을 통한 영상 강화와 주성분 분석(PCA)을 통한 차원 축소 후, 분류 능력을 향상시키기 위해 특징의 구분 능력을 높이는 융합 전략을 통해 단모달 시스템의 한계(노이즈, 흉내 내기 등)를 완화함을 입증한다.

ABSTRACT

Biometric recognition systems have advanced significantly in the last decade and their use in specific applications will increase in the near future. The ability to conduct meaningful comparisons and assessments will be crucial to successful deployment and increasing biometric adoption. The best modality used as unimodal biometric systems are unable to fully address the problem of higher recognition rate. Multimodal biometric systems are able to mitigate some of the limitations encountered in unimodal biometric systems, such as non-universality, distinctiveness, non-acceptability, noisy sensor data, spoof attacks, and performance. More reliable recognition accuracy and performance are achievable as different modalities were being combined together and different algorithms or techniques were being used. The work presented in this paper focuses on a bimodal biometric system using face and fingerprint. An image enhancement technique (histogram equalization) is used to enhance the face and fingerprint images. Salient features of the face and fingerprint were extracted using the Gabor filter technique. A dimensionality reduction technique was carried out on both images extracted features using a principal component analysis technique. A feature level fusion algorithm (Mahalanobis distance technique) is used to combine each unimodal feature together. The performance of the proposed approach is validated and is effective.

연구 동기 및 목표

• 비모달 생체 인식 시스템의 한계, 예를 들어 보편성 부족, 흉내 내기 공격, 노이즈가 많은 데이터 등의 문제를 해결한다.
• 얼굴과 지문 등의 상보적인 생체 모odal을 융합하여 인식 정확도를 향상시킨다.
• 특징 공분산을 고려하여 특징의 분류 능력을 향상시키는 강력한 특징 수준 융합 전략을 개발한다.
• 실제 생체 인식 데이터를 대상으로 한 실험적 평가를 통해 제안된 융합 프레임워크의 효과성을 검증한다.

제안 방법

• 얼굴 및 지문 입력 영상의 품질을 향상시키기 위해 히스토그램 균형 조정을 적용한다.
• Gabor 필터 기법을 사용하여 두 모달리티에서 주요 특징을 추출하며, 이는 질감과 주파수 정보를 효과적으로 포착한다.
• 과잉 중복을 제거하고 계산 효율성을 향상시키기 위해 주성분 분석(PCA)을 사용하여 특징 차원을 축소한다.
• 특징 공분산을 고려하여 분류 능력을 향상시키는 Mahalanobis 거리 알고리즘을 사용하여 두 모달리티의 축소된 특징 벡터를 융합한다.
• 테스트 특징와 기준 특징 간의 유사도 점수를 Mahalanobis 거리를 활용하여 계산하여 강력한 분류 성능을 달성한다.
• 성능 지표를 사용하여 데이터셋에서 시스템을 검증하며, 단모달 접근 방식에 비해 향상된 인식 정확도를 입증한다.

실험 결과

연구 질문

• RQ1 특징 수준 융합을 통해 얼굴과 지문 생체 인식을 융합할 경우, 단모달 시스템 대비 인식 정확도가 향상되는가?
• RQ2 Gabor 필터링과 Mahalanobis 거리의 조합이 생체 특징 표현을 얼마나 효과적으로 향상시키는가?
• RQ3 히스토그램 균형 조정과 PCA를 통한 차원 축소가 시스템 성능 향상에 어느 정도 기여하는가?
• RQ4 제안된 융합 전략은 노이즈 및 흉내 내기 공격의 영향을 효과적으로 줄이는가?
• RQ5 인식률과 내구성 측면에서 제안된 방법의 상대적 성능은 어떠한가?

주요 결과

• 제안된 이모달 시스템은 단독으로 얼굴 또는 지문 생체 인식을 사용하는 경우보다 인식 정확도가 크게 향상된다.
• 특징 공분산을 고려하는 Mahalanobis 거리 기반 융합 전략은 단순 연결 또는 다른 융합 전략보다 우수한 성능을 보인다.
• 히스토그램 균형 조정을 통한 영상 강화는 더 선명한 질감 표현을 가능하게 하여 특징 추출 품질을 향상시킨다.
• PCA는 분류 정보를 유지하면서도 특징 차원을 효과적으로 축소하여 계산 효율성을 향상시킨다.
• Gabor 필터링과 Mahalanobis 거리의 통합은 강력하고 신뢰할 수 있는 생체 인식 프레임워크를 제공한다.
• 다양한 모달리티의 중복성 덕분에 노이즈가 많은 센서 데이터 및 잠재적 흉내 내기 공격에 대해 뛰어난 내구성을 보인다.