[论文解读] Multimodal Biometric Authentication Using Choquet Integral and Genetic Algorithm

Anouar Ben Khalifa, Sami Gazzah+1 more|arXiv (Cornell University)|Mar 27, 2018

Biometric Identification and Security参考文献 19被引用 4

一句话总结

本文提出了一种基于遗传算法优化的模糊测度的Choquet积分新型融合方法，用于多模态生物特征认证。该方法通过自适应学习模态间依赖关系的特征权重，提升了识别准确率，在合成数据集和真实生物特征数据集（人脸、指纹、掌纹）上均表现出鲁棒性能。

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.

研究动机与目标

• 解决基于Choquet积分的多模态生物特征数据融合中模糊测度最优选择的挑战。
• 通过建模生物特征模态间的依赖关系，提升融合性能。
• 开发一种自动化方法，用于学习模糊测度，避免依赖人工或启发式赋值。
• 在合成数据集和真实世界生物特征数据集上验证该方法，确保其鲁棒性。
• 通过智能融合提升多模态生物特征系统中的认证准确率与可靠性。

提出的方法

• 利用Choquet积分为非线性信息融合算子，整合来自多个生物特征模态的得分。
• 使用模糊测度建模单个特征及组合特征的重要性。
• 采用遗传算法（GA）搜索能最大化认证性能的最优模糊测度。
• 基于验证率（等错误率或EER）定义适应度函数，以指导GA优化。
• 在两个数据集上训练和测试系统：一个合成数据集，其分数受控；一个真实世界数据集，包含人脸、指纹和掌纹数据。
• 通过GA的选择、交叉和变异操作，迭代优化模糊测度参数，以提升融合准确率。

实验结果

研究问题

• RQ1 遗传算法能否有效优化多模态生物特征系统中Choquet积分融合的模糊测度？
• RQ2 与传统融合方法相比，所提出的GA优化Choquet积分在识别准确率方面表现如何？
• RQ3 该方法在多大程度上能够处理生物特征模态间的依赖关系？
• RQ4 该方法在不同类型的生物特征数据（人脸、指纹、掌纹）上是否保持鲁棒性？
• RQ5 该方法能否在合成数据和真实世界生物特征场景中良好泛化？

主要发现

• 与标准线性组合及未优化的Choquet积分方法相比，所提出的GA优化Choquet积分显著提升了融合性能。
• 在合成数据集上，该方法实现了较低的等错误率（EER），表明其能有效学习最优模糊测度。
• 在真实生物特征数据集（人脸、指纹、掌纹）上，该方法实现了较高的验证率，证实了其在实际场景中的鲁棒性。
• 遗传算法成功学习了能捕捉生物特征源间依赖关系的模糊测度，从而提升了整体系统的可靠性。
• 该方法优于基线融合技术，在多个评估指标上表现出更高的准确率与稳定性。
• 结果证实，对模糊测度进行智能优化对于充分发挥Choquet积分在多模态生物特征中的潜力至关重要。