[논문] Multimodal biometric authentication based on score level fusion of finger biometrics
Opticj 125 (2012) 6891-6897
제목 : Multimodal biometric authentication based on score level fusion of finger biometrics
저자 : Jialiang Penga, Ahmed A. Abd El-Latif b,∗, Qiong Li c, Xiamu Niuc
1. Introduction
1) 단일 생체 인식 시스템(unimodal)의 약점들을 극복할 수 있는 다중 생체 인식 시스템(multimodal)이 각광받고 있음
2) 다중 생체 인식 시스템은 정확도, 노이즈에 대한 저항력, 보편성, 스푸핑 방지 공격 등이 단일 시스템보다 강력
3) 이 논문에서는 손가락의 4가지 특성을 융합하는 다중 생체 인식 시스템에 대해 다룬다. 맥박(finger vein)은 숨겨진 구조이고 훔치기 어렵기 때문에 높은 수준의 보안성을 가진다. 손가락 모양(finger shape)은 저비용 특성 및 적은 데이터 저장 요구라는 장점을 가진다. 손가락 관절(finger knuckle)의 지문은 fingerprint 지문과 마찬가지로 강력하게 개인을 식별할 수 있는 도구가 된다. 또한 이러한 생체 특징들은 저사양의 해상도 이미지를 통해서도 얻어질 수 있다.
4) feature level : 다양한 생체의 특징을 통합
score level : 진짜(genuine)와 가짜(imposter) score를 결합 (권장)
decision level : decision들을 결합
2. An overview of finger-based multimodal biometric authentication, The proposed score-level method
1) finger vein, fingerprint, finger shape and finger knuckle print을 융합
2) data environment
- 정맥(finger vein) : 근적외선 기기를 통해서 얻음
- 지문(fingerprint), 손가락 관절(finger knuckle) : 가시 광선 환경에서 얻음
3) how to detect features?
- finger geometry : 손가락 영역과 배경 영역 사이의 가장자리를 탐지
- finger shape : 푸리에 디스크립터(FD)와 LDA를 결합하는 방법
- finger vein : Gabor wavelet and Local Binary Pattern (GLBP)
- fingerprint : hybrid shape and orientation descriptor algorithm을 이용하여 추출
- finger knuckle : phase congruency model 이용 추출
4) 사용자 인증(user authentication)은 t-norm의 score-level fusion으로 구현
- t-norm(triangular norm) : 결합 및 분리 연산자의 요구 사항을 충족하는 이진 함수로 단위 제곱을 단위 간격에 매핑
T(S1, S2) : [0, 1] × [0, 1] → [0, 1]
- 함수 T는 아래의 조건들을 만족
Commutativity: T(x, y) = T(y, x)
Associativity: T(T(x, y), z) = T(x, T(y, z))
Monotonicity: if (x ≤ a) and (y ≤ b) then T(x, y) ≤ T(a, b)
Boundary Conditions: T(0, 0) = 0 and T(x, 1) = x
5) 네 가지 생체 인식 feature들은 score 범위는 [0; 1]로 normalized
- 논문에서 사용된 normalization criterion
S' : normalized score
S : various matching score(of finger vein, fingerprint, finger shape, and finger knuckle)
3. Experimental results and analysis
1) 제안된 score-level fusion method는 merged multimodal biometric database로 평가됨
- merged multimodal biometric database : finger vein, fingerprint, finger knuckle 이미지들을 가진 virtual database
2) subject 당 6개의 정맥 이미지를 가진 100개의 손가락을 이용하여 모델 평가 (무작위 선정)
-> 생체인식이 혼합된 데이터베이스(merged database)는 가상으로 100명의 사용자들을 가지게 됨
3) 평가 프로토콜 : False Match Rate(FMR), False Non-Match Rate(FNMR), Receiver Operator Characteristic(ROC) curve, the decidability index d'
4. Conclusion
1) fusion method는 높은 인식 성능에 따라 진품과 가짜 점수 사이의 더 큰 분포 거리를 얻을 수 있음
2) 기존의 score-level fusion method뿐만 아니라 단일 생체 인식 시스템에 비해 획기적인 개선을 이룸