[論文レビュー] Fingerprint Extraction Using Smartphone Camera

Saksham Gupta, Sukhad Anand+1 more|arXiv (Cornell University)|Aug 2, 2017

Biometric Identification and Security参考文献 1被引用数 4

ひとこと要約

本論文では、Gaborフィルタリング、コアポイント検出、画像アライメントを用いて、スマートフォンのカメラで撮影した指紋画像をキャプチャ、強調処理、マッチングするスマートフォンベースの指紋認証システムを提案する。この手法はFVC2004データベースで6–15%の等誤差率（EER）を達成し、低リソース環境におけるリアルタイムでの商業的導入の可能性を示している。

ABSTRACT

In the previous decade, there has been a considerable rise in the usage of smartphones.Due to exorbitant advancement in technology, computational speed and quality of image capturing has increased considerably. With an increase in the need for remote fingerprint verification, smartphones can be used as a powerful alternative for fingerprint authentication instead of conventional optical sensors. In this research, wepropose a technique to capture finger-images from the smartphones and pre-process them in such a way that it can be easily matched with the optical sensor images.Effective finger-image capturing, image enhancement, fingerprint pattern extraction, core point detection and image alignment techniques have been discussed. The proposed approach has been validated on FVC 2004 DB1 & DB2 dataset and the results show the efficacy of the methodology proposed. The method can be deployed for real-time commercial usage.

研究の動機と目的

• スマートフォンのカメラのみを用いて、農村部やインフラが整わない地域におけるリモート指紋認証を可能にすること。
• スマートフォンカメラで撮影された指紋と従来の光学センサで得られた指紋との間のギャップを、強固な事前処理とアライメントによって埋めること。
• モバイルデバイスへのデプロイに適した、リアルタイムで計算効率の良い指紋抽出およびマッチングパイプラインの開発。
• FVC2004 DB1やDB2などの標準ベンチマークデータセットを用いて、システムの正確性と信頼性を検証すること。
• 最大のマッチングパフォーマンスを得るために、Gaborカーネルサイズ、クロッピング領域、スレーディングなどのキーパrameterを最適化すること。

提案手法

• 一貫したアライメントとバックグラウンドの干渉を低減するために、定義された注目領域（ROI）を用いた、Open Cameraに基づくカスタムAndroidアプリケーションを開発した。
• 露出を変化させた5枚の画像を撮影し、統合することで、明るい部分と暗い部分の両方の詳細を保持する高動態範囲（HDR）イメージングを採用した。
• コントラスト制限付きアダプティブヒストограм等値化（CLAHE）を用いてコントラストを向上させるとともに、ノイズの増幅を低減した。
• リッジ・バレー構造を抽出するために、さまざまなカーネルサイズのGaborフィルタを適用し、21×21のカーネルサイズで最良のパフォーマンスが得られた。
• 正確なクロッピングと画像アライメントを可能にするためにコアポイント検出を実施し、光学センサ画像との位相差を補正するため、画像を180°反転させた。
• 特徴抽出とマッチングにはSourceAFISを用い、ミニアチュア抽出にはMINDTCT、マッチングにはBozorth3を活用し、FARとFRRを調整してEERを算出した。

実験結果

リサーチクエスチョン

• RQ1 スマートフォンで撮影した指紋画像は、異種マッチング環境下で、光学センサで得られた指紋テンプレートと効果的にマッチング可能か？
• RQ2 スマートフォンで撮影した指紋画像において、マッチング精度を最大化する最適なGaborフィルターカーネルサイズは何か？
• RQ3 コアポイント周辺のクロッピング領域のサイズは、マッチングパフォーマンスと計算効率にどのように影響するか？
• RQ4 マルチスレーディングは、リアルタイムアプリケーションにおけるGabor畳み込み処理の処理時間をどの程度短縮できるか？
• RQ5 FVC2004のような標準光学センサデータベースに対して、スマートフォンで撮影した画像をマッチングした場合の達成可能な等誤差率（EER）は何か？

主な発見

• 最大マッチングスコアを得るための最適なGaborフィルターカーネルサイズは21×21であり、この場合のマッチングスコアは74.23であった。
• コアポイントの中心に位置する800×700ピクセルのクロッピング領域で、最高のマッチング正確性が達成された。
• スレッド数の増加に伴い処理時間が著しく短縮され、約5スレッドで安定化したため、このレベルで最適な並列処理が達成された。
• 本システムはFVC2004 DB1およびDB2データセットで6%～15%の等誤差率（EER）を達成し、実世界への導入可能性が確認された。
• 受信器操作特性（ROC）曲線は、さまざまなしきい値設定において、真正陽性率と偽陽性率のバランスの取れたトレードオフを示し、信頼性の高い認証を支持した。
• HDRイメージング、CLAHE事前処理、コアポイントに基づくアライメントの組み合わせにより、ベースライン手法に比べて顕著なマッチングパフォーマンスの向上が達成された。