[논문 리뷰] Fingerprint Analysis with Marked Point Processes

Peter Forbes, Steffen L. Lauritzen외 1명|arXiv (Cornell University)|2014. 07. 22.

Biometric Identification and Security참고 문헌 24인용 수 3

한 줄 요약

이 논문은 위치, 방향, 유형을 고려한 미니티아(모자라는 끝점과 분岐점)를 모델링하기 위해 표시된 포아송 점 프로세스를 사용하는 베이지안 지문 매칭 프레임워크를 제안한다. 범죄학적 가설 대비 방어적 가설에 대한 우도 비율을 계산하기 위해 효율적인 몬테카를로 알고리즘을 적용하여, 258개의 지문 쌍으로 구성된 NIST-FBI 데이터베이스에서 뛰어난 성능을 달성한다.

ABSTRACT

We present a framework for fingerprint matching based on marked point process models. An efficient Monte Carlo algorithm is developed to calculate the marginal likelihood ratio for the hypothesis that two observed prints originate from the same finger against the hypothesis that they originate from different fingers. Our model achieves good performance on an NIST-FBI fingerprint database of 258 matched fingerprint pairs.

연구 동기 및 목표

• 우도 비율을 사용하여 증거의 무게를 정량화하는 통계적으로 엄밀한 확률적 프레임워크를 개발한다.
• 지문 매칭의 식별력과 오류율에 대한 과학적 연구가 부족한 상황이지만, 지문 매칭이 범죄학에서 100여 년 이상 사용되어 온 바를 감안할 때 이를 보완한다.
• 지문의 미니티아를 공간적 위치, 방향, 유형(끝점, 분岐점 또는 관측되지 않은 경우)을 포함하는 표시된 점 프로세스로 모델링한다.
• 완전히 베이지안 정렬 절차를 통해 자동 지문 식별 및 법정에서 사용 가능한 증거 평가를 가능하게 한다.
• 유사성 변환(이동, 회전, 스케일링)을 통합하고 낮은 품질의 인식지문을 다룰 수 있도록 기존 모델을 개선한다.

제안 방법

• 지문을 복소평면 상의 표시된 포아송 점 프로세스로 모델링하며, 각 미니티아는 복소수 공간 ℂ 내의 위치, 𝕊¹ 상의 방향, {−1,0,1}에 속하는 유형의 삼중조로 표현된다.
• 범죄자 가설과 방어자 가설 하에서 미니티아의 공간적 및 각도 분포를 복소 정규분포와 바르마이스 분포로 모델링한다.
• 동일한 손가락( Hp )과 다른 손가락( Hd )에 대한 가설 하에서의 우도 비율을 동일한 마진형 우도 비율의 비율로 정의한다.
• 일괄적으로 매칭 구성 ξ, 변환 매개변수 (ψ, τ), 노이즈 정밀도 σ를 함께 샘플링하기 위해 보조 변수를 사용하는 지그램 샘플러를 구현한다.
• B에서 무작위로 선택된 한 개의 미니티아에 대한 매칭만 업데이트하는 효율적인 제안을 사용하는 메트로폴리스–해스팅스 단계를 적용하며, 공간적 및 각도적 정렬 기반 조건부 확률을 활용한다.
• 공통된 항목을 생략함으로써 제안 밀도를 정규화하여 MCMC 알고리즘에서 전이 확률을 신속하게 계산할 수 있도록 한다.

실험 결과

연구 질문

• RQ1 표시된 점 프로세스를 사용하여 지문 비교에서 증거의 무게를 정량화할 수 있는 확률 모델을 어떻게 구성할 수 있는가?
• RQ2 실제 데이터에서 다양한 인식 품질을 가진 지문 매칭에 대해 베이지안 우도 비율 프레임워크의 성능은 어떠한가?
• RQ3 유사성 변환(이동, 회전, 스케일링)을 어떻게 일관되게 모델링하고 베이지안 프레임워크 내에서 마진화할 수 있는가?
• RQ4 모든 가능한 매칭을 전수 조사하지 않고도 마진형 우도 비율을 계산하기 위한 효율적인 몬테카를로 알고리즘을 어떻게 설계할 수 있는가?
• RQ5 낮은 품질의 지문에서 미니티아 수가 적은 경우 모델은 어떻게 처리하며, 누락되거나 노이즈가 있는 데이터에 대해 얼마나 강인한가?

주요 결과

• 제안된 표시된 점 프로세스 모델은 NIST-FBI 지문 데이터베이스에서 뛰어난 성능을 보이며, 매칭된 쌍과 매칭되지 않은 쌍을 효과적으로 구분한다.
• 몬테카를로 알고리즘은 변환과 매칭 구성에 대한 통합을 통해 마진형 우도 비율을 효율적으로 계산하여 실제 범죄학적 응용이 가능하게 한다.
• 공간적 및 각도적 특징을 함께 모델링함으로써 복소 정규분포와 바르마이스 분포를 사용하여 임의의 좌표계와 낮은 품질의 인식지문에 의한 도전 과제를 효과적으로 다룬다.
• 보조 변수와 맞춤형 메트로폴리스–해스팅스 샘플러의 사용으로 MCMC 체인에서 빠르고 높은 제안 수용률을 달성하여 수렴성과 혼합성을 보장한다.
• 해시적 지문 매칭에 대한 원칙적인 베이지안 대안을 제공하며, 우도 비율을 통해 정량화된 증거의 무게를 제공한다.
• 모델은 누락된 미니티아에 대해 강인하며, 단지 소수의 특징만 존재하는 경우에도 잘 작동하며, NIST-FBI 데이터셋의 258개 매칭 쌍을 대상으로 한 실험을 통해 이를 입증하였다.