[논문 리뷰] Gender recognition and biometric identification using a large dataset of hand images.

Mahmoud Afifi|arXiv (Cornell University)|2017. 11. 12.

Biometric Identification and Security인용 수 8

한 줄 요약

이 논문은 일관된 조명 조건에서 190명의 주체로부터 수집한 11,076장의 등면 및 손바닥면 손 이미지로 구성된 대규모 손 이미지 데이터셋을 소개한다. 성별 인식 및 생체인식 식별을 위해 제안된 이중 스트림 CNN은 성별 분류를 위한 특징을 추출하며, 이를 바탕으로 SVM을 학습시켜 개인 식별을 수행한다. 코드와 데이터는 공개되어 있다.

ABSTRACT

The human hand possesses distinctive features which can reveal gender information. In addition, the hand is considered one of the primary biometric traits used to identify a person. In this work, we propose a large dataset of human hand images with detailed ground-truth information for gender recognition and biometric identification. The proposed dataset comprises of 11,076 hand images (dorsal and palmar sides), from 190 subjects of different ages under the same lighting conditions. Using this dataset, a convolutional neural network (CNN) can be trained effectively for the gender recognition task. Based on this, we design a two-stream CNN to tackle the gender recognition problem. This trained model is then used as a feature extractor to feed a set of support vector machine classifiers for the biometric identification task. To facilitate access to the proposed dataset and replication of our experiments, the dataset, trained CNN models, and Matlab source code are available at (this https URL).

연구 동기 및 목표

• 성별 및 신원 인식에 대한 세부적인 진위 정보를 포함한 대규모이고 고품질의 손 이미지 데이터셋이 부족한 문제를 해결하기 위해.
• 손 이미지에 기반한 딥러닝을 활용한 강력한 성별 인식 시스템을 개발하기 위해.
• 성별 인식에서 학습된 특징을 후속 생체인식 식별 작업에 활용하기 위해.
• 재현 가능성을 지원하고 향후 연구를 촉진하기 위해 공개 가능한 데이터셋과 훈련된 모델을 제공하기 위해.

제안 방법

• 통제된 조명 조건 하에 다양한 연령대의 190명의 주체로부터 수집한 11,076장의 손 이미지(등면 및 손바닥면) 수집.
• 두 손면에서 성별 인식을 위한 구분 가능한 특징을 추출하기 위해 이중 스트림 컨volution 신경망(CNN) 설계.
• 데이터셋을 기반으로 이중 스트림 CNN을 훈련시어 높은 성별 분류 정확도를 달성.
• 훈련된 CNN을 특징 추출기로 활용하여 생체인식 식별을 위한 임bedding 생성.
• CNN에서 생성된 특징을 바탕으로 SVM을 적용하여 개인 식별 수행.
• 재현 및 향후 연구를 가능하게 하기 위해 데이터셋, 훈련된 모델, MATLAB 소스 코드를 공개.

실험 결과

연구 질문

• RQ1 대규모이고 다양한 손 이미지 데이터셋이 딥러닝을 활용한 성별 인식 성능 향상에 기여할 수 있는가?
• RQ2 이중 스트림 CNN 아키텍처는 손의 등면과 손바닥면을 모두 활용하여 성별 분류에 얼마나 효과적인가?
• RQ3 성별 인식에 대해 학습된 특징을 생체인식 식별에 얼마나 재사용할 수 있는가?
• RQ4 제안된 시스템은 기존의 손 이미지를 활용한 생체인식 방법과 비교해 어떤가?

주요 결과

• 제안된 이중 스트림 CNN은 수집한 손 이미지 데이터셋을 기반으로 높은 정확도로 성별 인식을 달성하였다.
• 성별 인식 모델에서 추출한 CNN 특징은 SVM 분류기와 함께 사용되었을 때 생체인식 식별 성능을 크게 향상시켰다.
• 190명의 주체로부터 수집한 11,076장의 손 이미지 데이터셋은 강력한 딥러닝 모델을 훈련시키기에 충분한 다양성과 품질을 제공한다.
• 데이터셋, 훈련된 모델, 소스 코드의 공개로 재현성이 완전히 보장되며, 손 기반 생체인식 분야의 향후 연구를 지원한다.