[논문 리뷰] Fingerprint Gender Classification using Wavelet Transform and Singular Value Decomposition

P. Gnanasivam, S. Muttan|arXiv (Cornell University)|2012. 05. 30.

Biometric Identification and Security참고 문헌 25인용 수 57

한 줄 요약

이 논문은 특징 추출을 위해 이산 웨이블릿 변환(DWT)을 사용하고, 공간 패턴 분석을 위해 고유값 분해(SVD)를 사용하는 지문 기반 성별 분류 방법을 제안한다. 그 후 KNN 분류기를 적용한다. 이 방법은 3,570개의 지문 데이터셋에서 남성 왼손 검지 지문에 대해 95.46%의 정확도와 여성 왼손 소지 지문에 대해 94.32%의 정확도를 기록하였으며, 전체 분류 정확도는 88.28%였다.

ABSTRACT

A novel method of gender Classification from fingerprint is proposed based on discrete wavelet transform (DWT) and singular value decomposition (SVD). The classification is achieved by extracting the energy computed from all the sub-bands of DWT combined with the spatial features of non-zero singular values obtained from the SVD of fingerprint images. K nearest neighbor (KNN) used as a classifier. This method is experimented with the internal database of 3570 fingerprints finger prints in which 1980 were male fingerprints and 1590 were female fingerprints. Finger-wise gender classification is achieved which is 94.32% for the left hand little fingers of female persons and 95.46% for the left hand index finger of male persons. Gender classification for any finger of male persons tested is attained as 91.67% and 84.69% for female persons respectively. Overall classification rate is 88.28% has been achieved.

연구 동기 및 목표

• 지문 영상에서 성별 분류를 자동화하는 방법을 개발하기 위해.
• 웨이블릿 기반 에너지 특징과 SVD를 통해 유도된 공간 패턴의 지문 내 분류 잠재력을 탐색하기 위해.
• 다양한 지문의 특징에 기반해 KNN이 성별을 분류하는 성능을 평가하기 위해.
• 다양한 지문 데이터베이스에서 지문 유형별 분류 정확도와 전체 시스템 성능을 평가하기 위해.

제안 방법

• 지문 영상에 이산 웨이블릿 변환(DWT)을 적용하여 서브밴드로 분해하고, 그로부터 에너지 특징을 추출한다.
• DWT 서브밴드에 대해 고유값 분해(SVD)를 수행하여 비영인 고유값을 기반으로 한 공간 특징을 추출한다.
• DWT 에너지 특징과 SVD 공간 특징의 조합이 각 지문에 대한 종합적인 특징 벡터를 형성한다.
• K-가장 가까운 이웃(KNN) 분류기를 사용하여 추출된 특징 벡터를 바탕으로 성별을 분류한다.
• 이 방법은 남성 1,980명, 여성 1,590명의 총 3,570개의 지문으로 구성된 자체 구축 데이터베이스에서 훈련 및 테스트된다.
• 전체 및 지문 유형별로 분류 성능을 평가하며, 남성 및 여성 주제별로 별도의 정확도 지표를 제공한다.

실험 결과

연구 질문

• RQ1 DWT 기반 에너지 특징과 SVD를 통해 유도된 공간 패턴을 조합하여 남성과 여성의 지문을 효과적으로 구분할 수 있는가?
• RQ2 다른 지문(예: 검지, 소지)을 입력으로 사용할 경우 성별 분류 정확도는 어떻게 되는가?
• RQ3 DWT와 SVD를 통해 추출한 지문 특징에 KNN 분류기가 적용되었을 때의 성능은 어떠한가?
• RQ4 지문 유형 간에 남성과 여성 지문의 분류 정확도에 유의미한 차이가 존재하는가?

주요 결과

• 개별 지문 중 가장 높은 분류 정확도는 남성 왼손 검지 지문에서 95.46%였다.
• 여성 지문 중 가장 높은 정확도는 왼손 소지 지문에서 94.32%였다.
• 모든 지문과 주제에 걸쳐 전체 분류 정확도는 88.28%에 달했다.
• 남성 지문의 평균 분류 정확도는 모든 지문에서 91.67%였고, 여성 지문의 평균 정확도는 84.69%였다.
• DWT 에너지 특징과 SVD 공간 특징의 조합이 지문 내 성별을 구분하는 패턴을 효과적으로 포착하는 데 성공하였다.
• 특히 남성 검지 지문에 대해선 높은 성능을 보이며 지문 유형별 분류 성능이 뛰어났다.