[논문 리뷰] Fingerprint Extraction Using Smartphone Camera

Saksham Gupta, Sukhad Anand외 1명|arXiv (Cornell University)|2017. 08. 02.

Biometric Identification and Security참고 문헌 1인용 수 4

한 줄 요약

이 논문은 스마트폰 카메라를 이용해 지문을 촬영하고, Gabor 필터링, 코어 포인트 검출, 이미지 정렬을 통해 이미지를 향상시키고 매칭하여 원거리에서 신뢰성 있는 인증을 구현하는 스마트폰 기반 지문 인증 시스템을 제안한다. 이 방법은 FVC2004 데이터베이스에서 6–15%의 동일 오류률(EER)을 달성하여 자원이 제한된 환경에서 실시간 상용 구현의 가능성을 입증한다.

ABSTRACT

In the previous decade, there has been a considerable rise in the usage of smartphones.Due to exorbitant advancement in technology, computational speed and quality of image capturing has increased considerably. With an increase in the need for remote fingerprint verification, smartphones can be used as a powerful alternative for fingerprint authentication instead of conventional optical sensors. In this research, wepropose a technique to capture finger-images from the smartphones and pre-process them in such a way that it can be easily matched with the optical sensor images.Effective finger-image capturing, image enhancement, fingerprint pattern extraction, core point detection and image alignment techniques have been discussed. The proposed approach has been validated on FVC 2004 DB1 & DB2 dataset and the results show the efficacy of the methodology proposed. The method can be deployed for real-time commercial usage.

연구 동기 및 목표

• 스마트폰 카메라만을 사용해 농촌 및 서비스가 부족한 지역에서 원거리 지문 인증을 가능하게 하여 고비용 광학 센서에 대한 의존도를 줄이기.
• 스마트폰 카메라로 촬영한 지문과 기존 광학 센서에서 촬영한 지문 간 격차를 강력한 사전처리 및 정렬 기법을 통해 해소하기.
• 모바일 기기에서 배포 가능한 실시간이고 계산 효율성이 높은 지문 추출 및 매칭 파이프라인 개발하기.
• FVC2004 DB1 및 DB2와 같은 표준 벤치마크 데이터셋을 사용해 시스템의 정확성과 신뢰성 검증하기.
• 최적의 매칭 성능를 위해 Gabor 커널 크기, 자르기 영역, 스레딩과 같은 핵심 파라미터 최적화하기.

제안 방법

• 일관된 정렬과 배경 간섭 감소를 위해 정의된 관심 영역(ROI)을 갖춘 커스터마이징된 안드로이드 애플리케이션을 Open Camera 기반으로 개발하여 이미지 촬영을 제어하였다.
• 밝고 어두운 영역 모두에서 세부 정보를 유지하기 위해 노출 시간을 다르게 하여 다섯 장의 이미지를 촬영하고 통합함으로써 고역동도(HDR) 영상 기법을 적용하였다.
• 대trast-Limited Adaptive Histogram Equalization(CLAHE)을 적용하여 대trast를 향상시키고 노이즈 증폭을 줄였다.
• 균열-밸리 구조를 추출하기 위해 다양한 커널 크기를 갖는 Gabor 필터를 적용하였으며, 최적의 성능는 21×21 커널 크기에서 달성되었다.
• 정확한 자르기와 이미지 정렬을 위해 코어 포인트 검출을 수행하였으며, 광학 센서 이미지와의 단계 차이를 보정하기 위해 이미지를 180도 뒤집었다.
• SourceAFIS를 사용하여 특징 추출 및 매칭을 수행하였으며, MINDTCT를 활용해 미니티아 추출, Bozorth3를 사용해 매칭을 수행하였고, FAR 및 FRR를 조정하여 EER를 계산하였다.

실험 결과

연구 질문

• RQ1 스마트폰으로 촬영한 지문 이미지는 이질적 매칭 환경에서 광학 센서 기반 지문 템플릿과 효과적으로 매칭될 수 있는가?
• RQ2 스마트폰으로 촬영한 지문 이미지에서 매칭 정확도를 극대화하기 위해 최적의 Gabor 필터 커널 크기는 무엇인가?
• RQ3 코어 포인트 중심의 자르기 영역 크기는 매칭 성능과 계산 효율성에 어떤 영향을 미치는가?
• RQ4 멀티스레딩은 실시간 응용 프로그램에서 Gabor 컨volution 연산의 처리 시간을 얼마나 줄일 수 있는가?
• RQ5 FVC2004와 같은 표준 광학 센서 데이터베이스와 비교해 스마트폰으로 촬영한 이미지를 매칭했을 때 달성 가능한 동일 오류률(EER)은 얼마인가?

주요 결과

• 최대 매칭 점수를 얻기 위한 최적의 Gabor 필터 커널 크기는 21×21로 확인되었으며, 이때 매칭 점수는 74.23을 기록하였다.
• 코어 포인트 중심에 800×700 픽셀의 자르기 영역을 사용했을 때 가장 높은 매칭 정확도를 달성하였다.
• 스레드 수가 증가함에 따라 처리 시간이 크게 감소하였으며, 약 5개 스레드에서 안정화되어 이 수준에서 최적의 병렬 처리가 이루어짐을 시사하였다.
• 시스템은 FVC2004 DB1 및 DB2 데이터셋에서 6%에서 15% 사이의 동일 오류률(EER)을 달성하여 실생활 구현 가능성을 확인하였다.
• ROC 곡선은 다양한 임계값 설정에서 참 양성률과 거짓 양성률 간의 균형 잡힌 트레이드오프를 보여주어 신뢰할 수 있는 인증을 뒷받침하였다.
• HDR 영상, CLAHE 사전처리, 코어 포인트 기반 정렬의 조합은 기준 방법 대비 매칭 성능을 크게 향상시켰다.