[论文解读] Finger Texture Biometric Characteristic: a Survey

Raid Rafi Omar Al-Nima, Tingting Han+3 more|arXiv (Cornell University)|Jun 7, 2020

Biometric Identification and Security参考文献 38被引用 17

一句话总结

本综述对指部纹理（FT）作为生物特征进行了全面分析，重点关注其在手指内表面的脊线、皱纹和可见线条的独特模式。该综述评估了FT识别系统，指出了特征提取和数据库可用性方面的局限性，并提出了未来研究方向，包括高分辨率成像、专用FT数据库以及多光谱成像，以提升单模态和多模态生物识别系统中的识别准确性和鲁棒性。

ABSTRACT

\begin{abstract} In recent years, the Finger Texture (FT) has attracted considerable attention as a biometric characteristic. It can provide efficient human recognition performance, because it has different human-specific features of apparent lines, wrinkles and ridges distributed along the inner surface of all fingers. Also, such pattern structures are reliable, unique and remain stable throughout a human's life. Efficient biometric systems can be established based only on FTs. In this paper, a comprehensive survey of the relevant FT studies is presented. We also summarise the main drawbacks and obstacles of employing the FT as a biometric characteristic, and provide useful suggestions to further improve the work on FT. \end{abstract}

研究动机与目标

• 提供关于指部纹理（FT）作为生物特征的全面综述，重点关注其独特、稳定且个体特异的模式。
• 识别基于FT的生物识别系统中的关键挑战，包括特征提取模型不足和缺乏专用数据库。
• 评估现有FT识别方法的性能，并指出识别准确性和鲁棒性方面的差距。
• 提出未来研究方向，如高分辨率成像、长期稳定性研究以及全面FT数据库的开发。
• 通过多目标融合和改进的分割技术，倡导将FT作为独立生物识别模态的使用。

提出的方法

• 对2000年至2023年期间100余项关于指部纹理生物识别的研究进行系统性综述，重点关注分割、特征提取、融合及识别性能。
• 将FT模式分类为三类：脊线（高频）、可见线条（垂直）和皱纹（水平），并强调其生物识别相关性。
• 评估现有FT数据库，发现大多数源自指纹或掌纹数据集，缺乏对完整FT区域的覆盖。
• 分析特征提取技术，包括Gabor滤波器、局部二值模式（LBP）和小波变换，强调其在捕捉脊线细节方面的局限性。
• 提出利用智能手机和Android应用程序进行高分辨率FT采集，尤其适用于脊线模式。
• 建议采用高光谱和多光谱成像技术以提取额外纹理特征，并实现在不同光谱波段间的融合。

实验结果

研究问题

• RQ1 哪些指部纹理的结构和纹理特征使其适用于生物识别？
• RQ2 尽管FT模式具有独特性和稳定性，为何当前的FT识别系统仍表现欠佳？
• RQ3 如何设计一个专用且全面的FT数据库，以涵盖所有特征类型（脊线、皱纹、可见线条）及多样化手指区域？
• RQ4 皮肤状况、损伤或衰老在多大程度上影响FT模式随时间推移的可靠性和永久性？
• RQ5 指部纹理能否作为独立生物识别模态有效使用，还是仍需与其他生物特征融合以实现稳健性能？

主要发现

• 指部纹理模式——包括脊线、可见线条和皱纹——具有高度独特性、稳定性，且自出生起即存在，使其成为终身生物识别识别的可靠依据。
• 当前FT识别系统表现中等，但识别准确率仍不理想，主要因特征提取模型不足，尤其在脊线模式方面。
• 大多数现有数据库并非专为FT设计，缺乏对手指内表面的完整覆盖，且缺少对所有模式类型的全面标注。
• 高分辨率成像和基于智能手机的采集方式在捕捉脊线细节方面具有潜力，而这些在现有研究中仍被严重忽视。
• 需要开展长期研究，以评估FT中的脊线模式是否会随年龄增长而退化，类似于指纹，从而确保长期生物识别的可靠性。
• 高光谱和多光谱成像在揭示额外纹理特征方面具有潜力，可支持新型融合策略并提升识别性能。