[논문 리뷰] Multimodal Biometric Authentication Using Choquet Integral and Genetic Algorithm

Anouar Ben Khalifa, Sami Gazzah외 1명|arXiv (Cornell University)|2018. 03. 27.

Biometric Identification and Security참고 문헌 19인용 수 4

한 줄 요약

이 논문은 유전 알고리즘으로 최적화된 퍼지 측도를 사용하는 콘벡트 적분을 활용한 다중모odal 생체인식 인증을 위한 새로운 융합 방법을 제안한다. 이 방법은 상호의존적인 특징 가중치를 적응적으로 학습함으로써 인식 정확도를 향상시키며, 합성 및 실제 생체인식 데이터셋(얼굴, 지문, 손바닥 무늬) 모두에서 뛰어난 성능을 보인다.

ABSTRACT

The Choquet integral is a tool for the information fusion that is very effective in the case where fuzzy measures associated with it are well chosen. In this paper,we propose a new approach for calculating fuzzy measures associated with the Choquet integral in a context of data fusion in multimodal biometrics. The proposed approach is based on genetic algorithms. It has been validated in two databases: the first base is relative to synthetic scores and the second one is biometrically relating to the face, fingerprintand palmprint. The results achieved attest the robustness of the proposed approach.

연구 동기 및 목표

• 다중모달 생체인식에서 콘벡트 적분 기반 데이터 융합에 대한 최적의 퍼지 측도 선택 문제를 해결한다.
• 생체인식 모odal 간의 상호의존성을 모델링하여 융합 성능을 향상시킨다.
• 수동적 또는 히ュ리스틱 방법에 의존하지 않고, 자동으로 퍼지 측도를 학습하는 방법을 개발한다.
• 합성 및 실제 생체인식 데이터셋을 대상으로 본 방법을 검증하여 내성성을 확보한다.
• 지능적인 융합을 통해 다중모달 생체인식 시스템의 인증 정확도와 신뢰성을 향상시킨다.

제안 방법

• 다중 생체인식 모달의 점수를 융합하기 위해 비선형 정보 융합 연산자로 콘벡트 적분을 사용한다.
• 퍼지 측도를 활용해 개별 및 병합된 생체인식 특징의 중요도를 모델링한다.
• 인증 성능을 최대화하는 데 최적의 퍼지 측도를 찾기 위해 유전 알고리즘(GA)을 활용한다.
• 검증률(등오류율 또는 EER)을 기반으로 한 적합도 함수를 정의하여 GA 최적화를 이끌어낸다.
• 합성 데이터셋(제어된 점수 포함)과 실제 생체인식 데이터셋(얼굴, 지문, 손바닥 무늬 데이터 통합)을 사용해 시스템을 학습하고 테스트한다.
• 선택, 교배, 변이를 통해 반복적으로 퍼지 측도 파라미터를 진화시켜 융합 정확도를 향상시킨다.

실험 결과

연구 질문

• RQ1 유전 알고리즘이 다중모달 생체인식 시스템에서 콘벡트 적분 융합에 대한 퍼지 측도 최적화에 효과적으로 작용할 수 있는가?
• RQ2 제안된 GA 최적화 콘벡트 적분은 전통적인 융합 방법에 비해 인식 정확도에서 어떻게 비교되는가?
• RQ3 이 방법은 생체인식 모달 간의 상호의존성을 어느 정도 잘 처리하는가?
• RQ4 이 방법은 얼굴, 지문, 손바닥 무늬와 같은 다양한 생체인식 데이터 유형에서 내성성을 유지하는가?
• RQ5 이 방법은 합성 데이터와 실제 생체인식 시나리오 모두에 잘 일반화되는가?

주요 결과

• 제안된 GA 최적화 콘벡트 적분은 표준 선형 조합 및 최적화되지 않은 콘벡트 적분 방법에 비해 융합 성능을 크게 향상시켰다.
• 합성 데이터셋에서 이 방법은 낮은 등오류율(EER)을 달성하여 최적의 퍼지 측도를 효과적으로 학습한 것으로 나타났다.
• 실제 생체인식 데이터셋(얼굴, 지문, 손바닥 무늬)에서 이 방법은 높은 검증률을 기록하여 실용적 환경에서의 내성성을 확인했다.
• 유전 알고리즘이 생체인식 소스 간의 상호의존성을 잘 반영한 퍼지 측도를 성공적으로 학습하여 전체 시스템의 신뢰성을 향상시켰다.
• 기본 융합 기법에 비해 이 방법은 다양한 평가 지표에서 더 높은 정확도와 안정성을 보였으며, 성능 향상이 뚜렷했다.
• 결과적으로, 콘벡트 적분이 다중모달 생체인식에서 잠재력을 최대한 발휘하기 위해서는 퍼지 측도의 지능적인 최적화가 필수적임을 확인했다.