[论文解读] Multispectral Palmprint Encoding and Recognition

Zohaib Khan, Faisal Shafait+2 more|arXiv (Cornell University)|Feb 6, 2014

Biometric Identification and Security参考文献 43被引用 11

一句话总结

本文提出了一种基于二值哈希的特征编码方法——Contour Code，用于多光谱掌纹识别，可在可见光与红外光谱波段之间实现鲁棒、高效且精确的匹配。通过结合自动感兴趣区域（ROI）提取、多方向轮廓特征编码以及紧凑的哈希表结构，该方法在PolyU数据集上实现了0.003%的EER，在CASIA数据集上实现了0.2%的EER，显著优于现有技术，在验证与识别任务中均达到最先进性能。

ABSTRACT

Palmprints are emerging as a new entity in multi-modal biometrics for human identification and verification. Multispectral palmprint images captured in the visible and infrared spectrum not only contain the wrinkles and ridge structure of a palm, but also the underlying pattern of veins; making them a highly discriminating biometric identifier. In this paper, we propose a feature encoding scheme for robust and highly accurate representation and matching of multispectral palmprints. To facilitate compact storage of the feature, we design a binary hash table structure that allows for efficient matching in large databases. Comprehensive experiments for both identification and verification scenarios are performed on two public datasets -- one captured with a contact-based sensor (PolyU dataset), and the other with a contact-free sensor (CASIA dataset). Recognition results in various experimental setups show that the proposed method consistently outperforms existing state-of-the-art methods. Error rates achieved by our method (0.003% on PolyU and 0.2% on CASIA) are the lowest reported in literature on both dataset and clearly indicate the viability of palmprint as a reliable and promising biometric. All source codes are publicly available.

研究动机与目标

• 解决利用可见光与红外光谱波段实现鲁棒且高效的多光谱掌纹识别的挑战。
• 开发一种紧凑的二值特征编码方案，以实现在大规模数据库中的快速匹配。
• 通过融合多光谱特征提升识别精度，且无需进行分数归一化。
• 实现从非接触式掌纹图像中可靠提取感兴趣区域（ROI），此类图像易受仿射变换（RST）变化影响。
• 在公开的多光谱掌纹数据库上，于验证与识别场景中均超越现有最先进方法。

提出的方法

• 提出一种自动感兴趣区域（ROI）提取技术，用于处理非接触式掌纹图像中的RST变化，并通过与人工标注的真值进行对比验证。
• 设计了一种多方向轮廓特征编码（Contour Code），利用轮廓波特征提取方法，鲁棒地捕捉多光谱波段中的线状特征。
• 将Contour Code编码为二进制格式，并存储于哈希表结构中，以实现在大规模数据库中的高效、可扩展匹配。
• 引入两种匹配模式：STM（单对多）与ATM（全对多），其中ATM可在单次操作中实现多光谱波段的同步融合与分数级组合。
• 采用固定大小的二进制哈希表结构，实现紧凑存储（每张掌纹每波段仅676字节）与高速匹配（在标准CPU上每波段每秒超过70,000次匹配）。
• 该方法无需在融合前进行分数归一化，简化了匹配流程，同时保持高精度。

实验结果

研究问题

• RQ1 能否为非接触式多光谱掌纹图像开发一种鲁棒且自动的ROI提取方法，以减轻RST变化的影响？
• RQ2 如何有效编码来自可见光与红外光谱波段的多光谱特征，以保留判别性信息，同时实现高效存储与匹配？
• RQ3 能否设计一种二进制哈希表结构，以支持快速、可扩展的匹配，并在无需归一化的情况下实现多光谱波段的同步分数级融合？
• RQ4 所提出的Contour Code方法是否在公开的多光谱掌纹数据库上，于验证与识别任务中均优于现有最先进方法？
• RQ5 模糊与图像质量退化对所提方法性能有何影响？在这些条件下，其表现与现有方法相比如何？

主要发现

• 所提出的Contour Code-ATM方法在PolyU数据集上实现了0.003%的等错误率（EER），为文献中报道的最低值。
• 在CASIA数据集上，该方法实现了0.2%的EER，同样为文献中报道的最低值，表明其在真实世界条件下具有卓越的鲁棒性。
• Contour Code-ATM在PolyU数据库上实现了100%的rank-1识别率，在CASIA数据库上实现了99.88%的rank-1识别率，优于所有对比的最先进方法。
• 该方法在标准2.67 GHz CPU上每波段每秒可实现超过70,000次匹配，展现出极高的计算效率。
• 二进制哈希表结构实现了每张掌纹每波段仅676字节的紧凑存储，与原始特征表示相比显著降低了内存占用。
• ATM匹配模式始终优于STM模式，表明全对多匹配结合嵌入式融合比单对多匹配更具有效性。