[논문 리뷰] Multibiometric: Feature Level Fusion Using FKP Multi-Instance biometric

Harbi AlMahafzah, Mohammad Imran외 1명|arXiv (Cornell University)|2012. 10. 02.

Biometric Identification and Security참고 문헌 13인용 수 20

한 줄 요약

이 논문은 로그-가바르 필터를 사용한 다중 인스턴스 특징 수준 융합 기법을 제안하여 손가락 뱃살 무늬(FKP) 인식 성능을 햖थ다. 다양한 융합 규칙를 사용해 동일한 FKP의 여러 인스턴스를 특징 수준에서 융합함으로써, 7,920장의 이미지로 구성된 데이터셋에서 단일 인스턴스 방법보다 뛰어난 인식 정확도를 달성한다.

ABSTRACT

This paper proposed the use of multi-instance feature level fusion as a means to improve the performance of Finger Knuckle Print (FKP) verification. A log-Gabor filter has been used to extract the image local orientation information, and represent the FKP features. Experiments are performed using the FKP database, which consists of 7,920 images. Results indicate that the multi-instance verification approach outperforms higher performance than using any single instance. The influence on biometric performance using feature level fusion under different fusion rules have been demonstrated in this paper.

연구 동기 및 목표

• 손가락 뱃살 무늬(FKP) 인식 시스템의 정확도를 향상시키기 위해.
• 다수의 FKP 인스턴스를 사용한 특징 수준 융합이 생체인식 성능에 미치는 영향을 조사하기 위해.
• 다중 인스턴스 FKP 특징을 융합하기 위한 다양한 융합 규칙를 평가하기 위해.
• 로그-가바르 필터링이 FKP에 대한 국소 방향성 특징을 추출하는 데 효과적인지 입증하기 위해.
• 7,920장의 이미지로 구성된 대규모 FKP 데이터베이스에서 제안된 방법을 검증하기 위해.

제안 방법

• 로그-가바르 필터를 적용하여 FKP 이미지에서 국소 방향성 특징을 추출한다.
• 동일한 FKP의 다중 인스턴스를 별도의 특징 집합으로 간주하여 융합 대상으로 삼는다.
• 사전 정의된 융합 규칙를 사용해 다중 인스턴스 특징을 융합하는 특징 수준 융합을 수행한다.
• 융합된 특징 표현을 인식에 사용하며, 표준 평가 지표를 통해 성능을 평가한다.
• 여러 주체의 이미지 7,920장으로 구성된 FKP 데이터베이스를 활용한다.
• 합산, 곱셈, 최댓값 등 다양한 융합 규칙를 평가하여 최적의 조합 전략을 도출한다.

실험 결과

연구 질문

• RQ1 다중 인스턴스 특징 수준 융합이 단일 인스턴스 접근 방식에 비해 FKP 인식 정확도를 향상시킬 수 있는가?
• RQ2 다양한 융합 규칙는 FKP 인식 시스템의 성능에 어떤 영향을 미치는가?
• RQ3 로그-가바르 필터링은 분류 가능한 FKP 특징을 추출하는 데 기여하는가?
• RQ4 동일한 FKP의 다수 인스턴스를 융합하면 더 견고한 생체인식 성능을 달성할 수 있는가?
• RQ5 제안된 방법은 7,920장의 대규모 FKP 데이터셋에서 어떻게 성능을 발휘하는가?

주요 결과

• 다중 인스턴스 특징 수준 융합 기법은 단일 인스턴스 인식에 비해 인식 정확도에서 뚜렷한 우수성을 보였다.
• 다수의 FKP 인스턴스를 사용한 특징 수준 융합은 단일 인스턴스에 의존하는 것보다 오류율을 감소시켰다.
• 융합 규칙의 선택이 성능에 영향을 미치며, 일부 규칙이 더 우수한 인식 성과를 낳았다.
• 로그-가바르 필터링은 FKP 이미지의 국소 방향성 패턴을 효과적으로 포착하여 특징의 구분 능력을 향상시켰다.
• 제안된 방법은 테스트된 FKP 데이터베이스에서 기존 최첨단 기법보다 높은 성능을 달성했다.
• 결과는 특징 수준에서 다수의 FKP 인스턴스를 융합함으로써 시스템의 견고성과 신뢰성이 향상됨을 입증했다.