본 논문에서의 지문 인식 시스템은 지문획득 장치를 통하여 아날로그 지문으로부터 변환된 디지털 지문에서 특이점을 추출하고 추출한 특이점들에 대한 정보를 데이터베이스에 등록하는 오프라인 처리와 사용자가 시스템에 접근 할 때 입력한 지문으로부터 특이점을 추출한 후 데이터베이스에 저장되어 있는 특이점들과 정합하여 사용자의 시스템 접근 여부를 결정하는 온라인 처리로 이루어져 있다. 결합과 분배는 ...
본 논문에서의 지문 인식 시스템은 지문획득 장치를 통하여 아날로그 지문으로부터 변환된 디지털 지문에서 특이점을 추출하고 추출한 특이점들에 대한 정보를 데이터베이스에 등록하는 오프라인 처리와 사용자가 시스템에 접근 할 때 입력한 지문으로부터 특이점을 추출한 후 데이터베이스에 저장되어 있는 특이점들과 정합하여 사용자의 시스템 접근 여부를 결정하는 온라인 처리로 이루어져 있다. 결합과 분배는 융선의 방향 지문인식 시스템에서 이진화된 디지털 지문 처리 단위인 픽셀을 픽셀들의 집합인 선분으로 처리하도록 함으로서 처리속도를 향상시키고, 특이점 추출과 정합 알고리즘 설계에 영향을 미친다. 특이점 추출 알고리즘은 이진화와 잡음제거, 특이점 추출 단계를 수행하도록 함으로서 특이점 추출을 효율적이고 정확하게 할 수 있도록 하였다. 성능을 평가하기 위해 NIST의 SDB14에 있는 27,000 여종의 지문을 사용하였고, 지문 인식을 위하여 20명이 각각 100번의 지문을 입력하였고, 각 개인마다 등록데이터로 5개의 지문영상을 사용하였으며, 검증은 동일인의 등록데이터 이외의 지문영상 5개, 타인의 지문영상 95개를 비교하여 실험하였다. 특히, 결합과 분배를 사용하는 경우에는 융선의 방향 특이점 추출 단계를 6단계에서 3단계로 줄이는 효과가 있었고 분기점, 끝점과 같은 특이점을 잇는 선분의 위치 및 방향 데이터만을 저장하는 방법으로, 지문 이미지의 저장 용량을 줄이고, 디지털 지문 이미지를 처리하는데 소요되는 시간도 평균적으로 1/3 정도로 단축시킨다는 것을 실험을 통하여 제시하였다.
본 논문에서는 융선의 방향에 기준점을 설정하기가 어렵거나 트리나 그래프를 구성하는 것과는 달리 동일 융선 줄기를 정의하고, 동일 융선 줄기 상에 있는 두 특이점을 잇는 선분을 기준점으로 선택함으로서 패턴 점 정합 알고리즘과 비교하여 인식이 99%이고, 오인식율은 1%이기 때문에 인식률이 높고 오인식률이 낮으며 효율성 면에서도 우수하고 정확하게 정합하는 알고리즘을 제안하였다.
지문인식 시스템은 지문정보가 갖는 특성에 따라 인식률과 오인식률에 영향을 받는다. FRR은 1명당 등록한 지문과 동일한 지문으로 정합하면 항상 100%의 일치율이 계산됨으로 이를 제외한 20(5*4)번의 실험, 즉 400(20*20)번의 실험을 하였으며, FAR은 1명당 380(20*19)번의 실험, 즉 7600(20*380)번의 실험을 하였다. 20명에 대해 자신의 지문영상 5개와 타인의 지문영상 5개를 비교 실험에서 나타난 오인식된 영상을 확인한바 대부분이 영상 획득할 때 지문에 습기가 많거나 눌림 정도가 강하여 입력 영상이 뭉개짐으로 융선의 흐름이 뚜렷이 나타나지 않은 상태이거나, 영상에 회전 왜곡이 발생한 경우임을 알 수 있었다. 지문영상 획득장비의 개선이 이루어진다면 양질의 입력 영상을 제공 받아 더욱 향상된 인식 비율과 시스템의 안전성을 기대할 수 있을 것으로 생각된다.
본 논문에서의 지문 인식 시스템은 지문획득 장치를 통하여 아날로그 지문으로부터 변환된 디지털 지문에서 특이점을 추출하고 추출한 특이점들에 대한 정보를 데이터베이스에 등록하는 오프라인 처리와 사용자가 시스템에 접근 할 때 입력한 지문으로부터 특이점을 추출한 후 데이터베이스에 저장되어 있는 특이점들과 정합하여 사용자의 시스템 접근 여부를 결정하는 온라인 처리로 이루어져 있다. 결합과 분배는 융선의 방향 지문인식 시스템에서 이진화된 디지털 지문 처리 단위인 픽셀을 픽셀들의 집합인 선분으로 처리하도록 함으로서 처리속도를 향상시키고, 특이점 추출과 정합 알고리즘 설계에 영향을 미친다. 특이점 추출 알고리즘은 이진화와 잡음제거, 특이점 추출 단계를 수행하도록 함으로서 특이점 추출을 효율적이고 정확하게 할 수 있도록 하였다. 성능을 평가하기 위해 NIST의 SDB14에 있는 27,000 여종의 지문을 사용하였고, 지문 인식을 위하여 20명이 각각 100번의 지문을 입력하였고, 각 개인마다 등록데이터로 5개의 지문영상을 사용하였으며, 검증은 동일인의 등록데이터 이외의 지문영상 5개, 타인의 지문영상 95개를 비교하여 실험하였다. 특히, 결합과 분배를 사용하는 경우에는 융선의 방향 특이점 추출 단계를 6단계에서 3단계로 줄이는 효과가 있었고 분기점, 끝점과 같은 특이점을 잇는 선분의 위치 및 방향 데이터만을 저장하는 방법으로, 지문 이미지의 저장 용량을 줄이고, 디지털 지문 이미지를 처리하는데 소요되는 시간도 평균적으로 1/3 정도로 단축시킨다는 것을 실험을 통하여 제시하였다.
본 논문에서는 융선의 방향에 기준점을 설정하기가 어렵거나 트리나 그래프를 구성하는 것과는 달리 동일 융선 줄기를 정의하고, 동일 융선 줄기 상에 있는 두 특이점을 잇는 선분을 기준점으로 선택함으로서 패턴 점 정합 알고리즘과 비교하여 인식이 99%이고, 오인식율은 1%이기 때문에 인식률이 높고 오인식률이 낮으며 효율성 면에서도 우수하고 정확하게 정합하는 알고리즘을 제안하였다.
지문인식 시스템은 지문정보가 갖는 특성에 따라 인식률과 오인식률에 영향을 받는다. FRR은 1명당 등록한 지문과 동일한 지문으로 정합하면 항상 100%의 일치율이 계산됨으로 이를 제외한 20(5*4)번의 실험, 즉 400(20*20)번의 실험을 하였으며, FAR은 1명당 380(20*19)번의 실험, 즉 7600(20*380)번의 실험을 하였다. 20명에 대해 자신의 지문영상 5개와 타인의 지문영상 5개를 비교 실험에서 나타난 오인식된 영상을 확인한바 대부분이 영상 획득할 때 지문에 습기가 많거나 눌림 정도가 강하여 입력 영상이 뭉개짐으로 융선의 흐름이 뚜렷이 나타나지 않은 상태이거나, 영상에 회전 왜곡이 발생한 경우임을 알 수 있었다. 지문영상 획득장비의 개선이 이루어진다면 양질의 입력 영상을 제공 받아 더욱 향상된 인식 비율과 시스템의 안전성을 기대할 수 있을 것으로 생각된다.
Entity Authentication is a kind of authentication system which is used to verify a person for the security reason in real situation whether the person tried to access the system is the identified user or not. In authentication system, there are two well-known approaches: the Password system and the ...
Entity Authentication is a kind of authentication system which is used to verify a person for the security reason in real situation whether the person tried to access the system is the identified user or not. In authentication system, there are two well-known approaches: the Password system and the Biometrics. Password System is based on the user ID and password, which can be a weak point that is not secured from the shoulder surfing attack in spite of its excellent effectiveness.
Biometrics is the authentication system using the personal genetic body features. This approach guarantees the security from the shoulder surfing attack, thus many Biometrics researches have been studied and developed. Depending upon which genetic information we use, Biometrics is classified as "Fingerprint Recognition System", "Iris Recognition System", "Face Recognition System", and so on. And there have been many studies which combines more than two of these methods.
The effectiveness of Biometrics is influenced by False Acceptance Rate(FAR), False Rejection Rate(FRR) and Performance of the specific Biometrics method. Each Biometrics method is based on the special features of the genetic information. These features are evaluated by Universality, Uniqueness, Persistency, Collectedness, Recipience and Cheating Easiness.
Based on numerous research results, the fingerprints method implies more merits than demerits compared to other genetic body information.
Because of this reason, the fingerprints have been used to search out the criminals since 18th century, and have been studied widely and become the most popular method in Biometrics.
The fingerprints are composed of the ridge and the valley. And the fingerprint has several features such as "Endpoint", "Bifurcation", "Bridge" to be used for the entity authentication.
Fingerprint Recognition System is consisted of off-line treatment and on-line treatment. off-line treatment is a process to register the feature information which is converted to digitalized format from analog fingerprint image. off-line treatment process decides whether a user is approved to access to the system by matching the user's fingerprint features with the fingerprints database which has been obtained through the off-line treatment process.
In the process of converting the analog fingerprint image into the digitalized fingerprint data, the fingerprints are influenced very much from the various factors. These factors include the Status of the fingerprints like moisture and injury, the Natural circumstances such as temperature and humidity, the Inputting Status like pressing pressure and direction when inputting the fingerprint, and the Status of Fingerprint Recognition Facility relying on the dust and the expiration period. They always incur some difference between the digitalized fingerprint and the original analog fingerprint image causing some noise in digitized fingerprint data. As a result, this makes it difficult to achieve a fingerprint recognition system with low FAR, low FRR and high Performance. Therefore, the development of an algorithm which retrieves the precise and efficient features from the digitized fingerprint image with noise and matches the fingerprint with the database has been the key research issue.
In this paper, we propose the Union and Division technique, a data structure to deal with the digital fingerprint image efficiently. This technique allows the processing speed faster by dealing with the line segment, the aggregate of pixels from the digitized fingerprint image, and gives the influences to the feature points retrieval and the matching algorithm design.
The retrieving algorithm of the particular feature points is consisted of the stages of the Binary and Noisy Removal and the Feature points retrieval using the functions defined by the abstract data type. In the case of the Union and Division technique, we present a matching algorithm which uses the line segment connecting two minutiae on the same ridge and furrow structures. These structures are used as the reference points which enables us to track them efficiently. Finally, we compare the experimental results of the processing time between the Union and Division technique and previously known techniques. We also present the experimental results about the retrieving algorithm of the particular feature points and the matching algorithm.
Entity Authentication is a kind of authentication system which is used to verify a person for the security reason in real situation whether the person tried to access the system is the identified user or not. In authentication system, there are two well-known approaches: the Password system and the Biometrics. Password System is based on the user ID and password, which can be a weak point that is not secured from the shoulder surfing attack in spite of its excellent effectiveness.
Biometrics is the authentication system using the personal genetic body features. This approach guarantees the security from the shoulder surfing attack, thus many Biometrics researches have been studied and developed. Depending upon which genetic information we use, Biometrics is classified as "Fingerprint Recognition System", "Iris Recognition System", "Face Recognition System", and so on. And there have been many studies which combines more than two of these methods.
The effectiveness of Biometrics is influenced by False Acceptance Rate(FAR), False Rejection Rate(FRR) and Performance of the specific Biometrics method. Each Biometrics method is based on the special features of the genetic information. These features are evaluated by Universality, Uniqueness, Persistency, Collectedness, Recipience and Cheating Easiness.
Based on numerous research results, the fingerprints method implies more merits than demerits compared to other genetic body information.
Because of this reason, the fingerprints have been used to search out the criminals since 18th century, and have been studied widely and become the most popular method in Biometrics.
The fingerprints are composed of the ridge and the valley. And the fingerprint has several features such as "Endpoint", "Bifurcation", "Bridge" to be used for the entity authentication.
Fingerprint Recognition System is consisted of off-line treatment and on-line treatment. off-line treatment is a process to register the feature information which is converted to digitalized format from analog fingerprint image. off-line treatment process decides whether a user is approved to access to the system by matching the user's fingerprint features with the fingerprints database which has been obtained through the off-line treatment process.
In the process of converting the analog fingerprint image into the digitalized fingerprint data, the fingerprints are influenced very much from the various factors. These factors include the Status of the fingerprints like moisture and injury, the Natural circumstances such as temperature and humidity, the Inputting Status like pressing pressure and direction when inputting the fingerprint, and the Status of Fingerprint Recognition Facility relying on the dust and the expiration period. They always incur some difference between the digitalized fingerprint and the original analog fingerprint image causing some noise in digitized fingerprint data. As a result, this makes it difficult to achieve a fingerprint recognition system with low FAR, low FRR and high Performance. Therefore, the development of an algorithm which retrieves the precise and efficient features from the digitized fingerprint image with noise and matches the fingerprint with the database has been the key research issue.
In this paper, we propose the Union and Division technique, a data structure to deal with the digital fingerprint image efficiently. This technique allows the processing speed faster by dealing with the line segment, the aggregate of pixels from the digitized fingerprint image, and gives the influences to the feature points retrieval and the matching algorithm design.
The retrieving algorithm of the particular feature points is consisted of the stages of the Binary and Noisy Removal and the Feature points retrieval using the functions defined by the abstract data type. In the case of the Union and Division technique, we present a matching algorithm which uses the line segment connecting two minutiae on the same ridge and furrow structures. These structures are used as the reference points which enables us to track them efficiently. Finally, we compare the experimental results of the processing time between the Union and Division technique and previously known techniques. We also present the experimental results about the retrieving algorithm of the particular feature points and the matching algorithm.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.