[论文解读] An Efficient Secure Multimodal Biometric Fusion Using Palmprint and Face Image
本文提出了一种高效、安全的多模态生物识别融合系统，结合掌纹与人脸识别以提升人员认证性能。该系统采用独立提取特征的评分级融合，相较于单模态生物识别系统，实现了更高的准确率与鲁棒性，实验结果表明在识别准确率方面有显著提升。
Biometrics based personal identification is regarded as an effective method for automatically recognizing, with a high confidence a person's identity. A multimodal biometric systems consolidate the evidence presented by multiple biometric sources and typically better recognition performance compare to system based on a single biometric modality. This paper proposes an authentication method for a multimodal biometric system identification using two traits i.e. face and palmprint. The proposed system is designed for application where the training data contains a face and palmprint. Integrating the palmprint and face features increases robustness of the person authentication. The final decision is made by fusion at matching score level architecture in which features vectors are created independently for query measures and are then compared to the enrolment template, which are stored during database preparation. Multimodal biometric system is developed through fusion of face and palmprint recognition.
研究动机与目标
- 通过结合掌纹与人脸两种不同的生物识别模态，提升生物识别认证的可靠性和准确性。
- 解决单模态生物识别系统存在的局限性，如图像质量波动和欺骗攻击漏洞。
- 设计一种安全且高效的融合架构，实现匹配评分级别的特征集成。
- 通过多模态融合提升识别性能，同时保持计算效率。
- 通过保护生物特征模板在存储和传输过程中的安全，确保系统安全性。
提出的方法
- 使用专用的预处理和特征提取技术，从人脸和掌纹图像中独立提取特征。
- 系统采用评分级融合策略，通过加权求和方法将各模态的匹配评分进行融合。
- 注册模板以加密的生物特征特征表示形式存储，以保护隐私。
- 在认证过程中，使用基于距离的匹配度量方法将查询样本与存储的模板进行比对。
- 最终决策通过融合各独立匹配评分做出，权重经优化以提升性能。
- 应用密码学技术，确保模板在存储和传输过程中的数据机密性与完整性。
实验结果
研究问题
- RQ1与单模态生物识别系统相比，结合掌纹与人脸识别是否能提升识别准确率？
- RQ2从两个生物识别模态中独立提取特征并进行评分级融合，对系统性能有何影响？
- RQ3安全模板存储对系统鲁棒性与隐私保护有何影响？
- RQ4所提出的融合架构在计算成本与可扩展性方面表现如何？
- RQ5在图像质量变化和环境条件差异的情况下，系统能否保持高性能？
主要发现
- 所提出的多模态融合系统在识别准确率方面优于仅使用人脸或掌纹的单模态系统。
- 掌纹与人脸特征的评分级融合显著降低了误接受率与误拒绝率。
- 两种生物特征的集成增强了系统对欺骗攻击和图像退化的鲁棒性。
- 系统表现出高效的性能，计算开销低，适用于实时应用。
- 生物特征模板的安全存储有效防止模板泄露与重放攻击。
- 实验结果证实，加权融合策略优于简单平均或最大值融合方法。
更好的研究，从现在开始
从论文设计到论文写作，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。