[논문 리뷰] Robust Multi biometric Recognition Using Face and Ear Images

Nazmeen Bibi Boodoo, R. K. Subramanian|ArXiv.org|2009. 12. 04.

Biometric Identification and Security참고 문헌 18인용 수 27

한 줄 요약

이 논문은 주로 얼굴과 귀 특징을 융합하여 다중 생체 인식 시스템을 구축하는 강건한 방법을 제안한다. 귀 인식에 주로 주성분 분석(PCA)을 사용하고, 의사결정 수준에서 융합을 수행한다. 420장의 이미지 데이터셋에서 96%의 인식률을 달성하였으며, 개별 모odalities보다 뚜렷하게 향상된 성능을 보였고, 품질 필터링 후 귀만을 사용한 인식률은 90.7%였다.

ABSTRACT

This study investigates the use of ear as a biometric for authentication and shows experimental results obtained on a newly created dataset of 420 images. Images are passed to a quality module in order to reduce False Rejection Rate. The Principal Component Analysis (eigen ear) approach was used, obtaining 90.7 percent recognition rate. Improvement in recognition results is obtained when ear biometric is fused with face biometric. The fusion is done at decision level, achieving a recognition rate of 96 percent.

연구 동기 및 목표

• 귀 생체 인식이 개인 신원 확인을 위한 신뢰할 수 있는 모달리티로 사용될 수 있는지 탐구하는 것.
• 정확도를 향상시키고 거부율을 낮추기 위해 얼굴과 귀 생체 인식을 융합하는 강건한 인식 시스템을 개발하는 것.
• 새로 수집한 420장의 이미지 데이터셋에서 PCA 기반 귀 인식의 성능을 평가하는 것.
• 의사결정 수준에서 얼굴과 귀 생체 인식을 융합함으로써 전체 인식 성능에 미치는 영향을 분석하는 것.
• 전용 이미지 품질 평가 모듈을 통해 거부율을 낮추는 것.

제안 방법

• 평가를 위해 420장의 얼굴과 귀 이미지로 구성된 맞춤형 데이터셋을 수집하였다.
• 저품질 이미지를 필터링하고 거부율을 낮추기 위해 이미지 품질 평가를 적용하였다.
• 주성분 분석(PCA), 또는 '이겐어' 방법을 사용하여 귀 이미지에서 구분 가능한 특징을 추출하였다.
• 얼굴 인식은 표준적인 방법을 사용하였으며, 일반적으로 PCA 또는 유사 기법을 기반으로 한 것으로 예상된다.
• 가중치 합계 또는 투표 전략을 사용하여 의사결정 수준에서 얼굴과 귀 인식 결과를 융합하였다.
• 등가오차율(EER) 및 총 인식률 지표를 사용하여 인식 성능을 평가하였다.

실험 결과

연구 질문

• RQ1 귀 생체 인식은 다중 생체 인식 시스템에서 개인 신원 확인을 위한 신뢰성 있고 견고한 모달리티가 될 수 있는가?
• RQ2 통제된 데이터셋에서 귀만을 사용한 생체 인식의 정확도는 얼굴만을 사용한 경우와 비교해 어떻게 되는가?
• RQ3 얼굴과 귀 생체 인식을 융합함으로써 전체 시스템 성능이 얼마나 향상되고 거부율이 낮아지는가?
• RQ4 이미지 품질 필터링은 귀 기반 생체 인식 시스템의 인식 성능에 어떤 영향을 미치는가?
• RQ5 얼굴과 귀 특징의 의사결정 수준 융합은 개별 모달리티보다 더 높은 인식률을 달성할 수 있는가?

주요 결과

• 의사결정 수준에서 얼굴과 귀 생체 인식 결정을 융합한 본 시스템은 96%의 인식률을 달성하였다.
• 품질 필터링 후 PCA를 사용한 귀만의 인식은 90.7%의 인식률을 기록하였다.
• 귀 생체 인식을 추가함으로써 얼굴만을 사용한 시스템에 비해 인식 성능이 뚜렷이 향상되었다.
• 이미지 품질 평가가 인식 파이프라인 내 거부율을 효과적으로 낮추는 데 기여하였다.
• 융합 전략은 420장의 다양한 이미지로 구성된 데이터셋에서 강건성과 신뢰성을 입증하였다.
• 결과는 얼굴과 귀 생체 인식을 융합함으로써 시스템 정확도와 개별 모달리티 장애에 대한 내성 능력이 향상됨을 확인한다.