지문인식은 입력지문이 데이터베이스 내에 있는 특성인의 지문과 일치하는지 여부를 확인하는 것이다. 이를 위해 대형 지문 데이터베이스에서는 여러 가지 전처리 과정과 분류 및 매칭을 하고 소형 지문데이터 인식에서는 분류를 하지 않고 바로 매칭을 한다. 매칭 방법은 특징점 (단점, 분기점)에 기초한 매칭이 주를 이루고 있는데, 특징점에 기초한 매칭은 지문의 변환, 회전, 비선형 변형, 가짜 특징점 등이 발생하는 문제로 특징점 추출 및 특징점들 간의 정확한 매칭에 매우 복잡한 계산을 필요로 하고, 지문의 품질향상을 위해 많은 전처리 과정이 필요한 문제점이 있다. 본 논문에서는 이러한 문제점을 해결하기 위하여 지문인식에 특징점을 이용하지 않고, Gabor 필터에 지문을 통과시켜 얻은 지문의 융선에서 Gabor 특징값을 산출하여 이 특징값을 지문인식에 이용하는 간단한 새로운 방법을 제안하고 이 방법이 지문인식 실행에 가능성을 가지고 있음을 실험으로 증명하였다.
지문인식은 입력지문이 데이터베이스 내에 있는 특성인의 지문과 일치하는지 여부를 확인하는 것이다. 이를 위해 대형 지문 데이터베이스에서는 여러 가지 전처리 과정과 분류 및 매칭을 하고 소형 지문데이터 인식에서는 분류를 하지 않고 바로 매칭을 한다. 매칭 방법은 특징점 (단점, 분기점)에 기초한 매칭이 주를 이루고 있는데, 특징점에 기초한 매칭은 지문의 변환, 회전, 비선형 변형, 가짜 특징점 등이 발생하는 문제로 특징점 추출 및 특징점들 간의 정확한 매칭에 매우 복잡한 계산을 필요로 하고, 지문의 품질향상을 위해 많은 전처리 과정이 필요한 문제점이 있다. 본 논문에서는 이러한 문제점을 해결하기 위하여 지문인식에 특징점을 이용하지 않고, Gabor 필터에 지문을 통과시켜 얻은 지문의 융선에서 Gabor 특징값을 산출하여 이 특징값을 지문인식에 이용하는 간단한 새로운 방법을 제안하고 이 방법이 지문인식 실행에 가능성을 가지고 있음을 실험으로 증명하였다.
Fingerprint recognition is a task to find a matching pattern in a database for a specific persons fingerprint. To accomplish this task, preprocessing, classification, and matching steps are taken for a large-scale fingerprint database but only the matching step is taken without classification for a ...
Fingerprint recognition is a task to find a matching pattern in a database for a specific persons fingerprint. To accomplish this task, preprocessing, classification, and matching steps are taken for a large-scale fingerprint database but only the matching step is taken without classification for a small-scale database. The primary matching method is based on minutiae (ridge ending point, bifurcation). This matching method, however, requires a very complex computation to extract minutiae and match minutiae-to-minutiae accurately due to translation, rotation, nonlinear deformation of fingerprint and occurrence of spurious minutiae. In addition, this method requires a laborious preprocessing step in order to improve the quality of fingerprint Images. This paper proposes a new simple method to eliminate these problems. With this method, Gabor variance is used instead of minutiae for fingerprint recognition. The Gabor variance is computed from Gabor features that result from filtering a fingerprint image through Gabor filter. In this paper, this method is described and its test result is shown, demonstrating the potential of using this new method for fingerprint recognition.
Fingerprint recognition is a task to find a matching pattern in a database for a specific persons fingerprint. To accomplish this task, preprocessing, classification, and matching steps are taken for a large-scale fingerprint database but only the matching step is taken without classification for a small-scale database. The primary matching method is based on minutiae (ridge ending point, bifurcation). This matching method, however, requires a very complex computation to extract minutiae and match minutiae-to-minutiae accurately due to translation, rotation, nonlinear deformation of fingerprint and occurrence of spurious minutiae. In addition, this method requires a laborious preprocessing step in order to improve the quality of fingerprint Images. This paper proposes a new simple method to eliminate these problems. With this method, Gabor variance is used instead of minutiae for fingerprint recognition. The Gabor variance is computed from Gabor features that result from filtering a fingerprint image through Gabor filter. In this paper, this method is described and its test result is shown, demonstrating the potential of using this new method for fingerprint recognition.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 이러한 문제점을 해결하기 위하여 지문인식에 특징점들을 사용하지 않고, 주파수와 방향성 표시에서 인간의 시각시스템과 유사한 Gabor 필터의 특성을 이용, 지문을 Gabor 필터로 필터링 하여 융선을 강화시킨 후 융선에서산출한 Gabor 특징값과 전처리 과정에서 찾은 중심점(참조점)과 참조축 만을 이용하여 입력지문과 데이터베이스에 등록된 지문사이의 유클리드 거리를 계산하는 간단한 지문 매칭 방법을 제안하고 이 새로운 방법이 지문인식 실행에 가능성이 있음을 실험을 통하여 증명하고자 한다.
가설 설정
Gabor 필터의 적용목적은 융선 구조를 강하게 하면서 잡음을 제거하고 이미지에서 특별한 방향성 정보를 얻는데 있다. 분할된 섹터내의 그 방향에서 융선의 존재를 발견할 것이다. (그림 5)는 Gabor필터에 지문을 Con volution시키는 그림이다.
참조점 찾기가 어려워 발생한 것으로 분석에 의해 나타나고있다. 지문 획득시 이 점들을 보완하면 지문의 인식율은 많이 향상될 것이다. 또한 입력지문과 등록지문의 이미지가 불량하여 Gabor 특징의 계산값이 임계값을 벗어나면 Reject로 구분하는 시스템을 구현하면 인식율이 향상될 것이다.
제안 방법
1) 지문에서 잡음을 제거하기 위해 2-D Gaussian Low-pass Filter를 5x5픽셀 크기로 지문에 적용하여 필터링한다.
10개의 Gabor 필터를 통과 시켜 얻은 10개의 방향 이미지의 각 분할된 섹터 안에서 픽셀값의 변화를 계산한다. 이것은 지문의 그 부분에서 각 방향에 대응하는 융선의 집중을 의미한다.
A. K. Jain, S. Prabhakar, L. Honge ⑸에서 그레이 스케일 지문을 4개 방향(0°, 45°, 90°, 135°)의 Gabor 필터에 통과시켜(그림 2)와 같은 이미지를 얻은 후 이를 다시 재 조합하여 방향성이 강조된 Gabor 특징을 얻어 이를 분류에 사용하였다. 이 이미지는 원래의 이미지보다 융선 구조가 훨씬 향상된 이미지이다.
Gabor 필터를 사용하여 얻어지는 Gabor 특징값과 지문의 중심점을 찾아 이점을 기초로 입력지문과 등록지문간의 유클리드 거리를 계산하기 위한 참조점과 참조축을 정하여 빠르고 정확한 매칭으로 지문인식을 한다. 지문에서 특징추출은 전체와 국부의 정보를 합친 Scheme의 개발이 바람직 하다.
이 이미지는 원래의 이미지보다 융선 구조가 훨씬 향상된 이미지이다. 국부 융선 구조로부터 직접 획득한 Gabor 특징을 가지고 지문을 분류하였다.
기존의 Gabor Filter를 이용한 방법에서는, 4개각도(0°, 45°, 90°, 135°), 6개각도(0°, 30°, 60°, 90°, 120°, 150°), 8개각도 (0°, 22.5°, 45°, 67.5°, 90°, 112.5°, 135°, 157.5°)로 필터링하여 산출된 Gabor 특징값을 4종 또는 5종으로 지문을 분류하는데 적용하였으나, 본 논문에서는 두 지문간의 일치 여부를 확인하는 매칭에 Gabor Filter를 이용한 방법을 처음으로 적용하였다. 18°간격으로 필터링한 이유는 분할된 섹터의 적정한 크기 때문이였다.
기존의 특징점에 기초한 매칭에서는 모든 특징점의 좌표값과 5X5 또는 10X10픽셀내에서 특징점의 대표방향을 구하기 위하여 각 픽 셀의 Cos %, Sin y 값을 구하고 그것 의 Arctan 값을 취해서 방향값을 구하여 입력지문과 등록지문의 일치 여부를 확인한다.
2K 바이트 저장공간을 필요로 한다. 본 논문에서 Gabor 필터링에 의한 지문인식 알고리즘은 ①참조점 및 참조축 찾기 ② 섹터 분할과 평활화 ③Gabor 필터링 ④ 섹터내의 변량(Gabor 특징값) 계산 ⑤ 매칭의 5 단계로 나누어 실행한다.
실험은 입력지문으로 사용한 S 지문 500개를 한 개씩 입력 시켜 등록지문 F 500개의 Gabor 특징값과 유클리드 거리를 계산하여 500개 계산 결과값 중에서 최소거리로 나타난 지문이 입력지문과 같은 지문인지 여부를 확인하는 방식으로 실행하여 얻은 결과를에 나타내었다.
참조점을 중심으로 300 X 300픽셀 크기로 잘라낸 지문 이미지를 이 참조점 주위로 7개 동심원으로 나누는데 각 밴드는 20픽셀의 반지름이고 중앙 원의 반지름은 12픽셀로 총 지름은 263픽셀이다. 전체 원을 20개 섹터로 균등분할(10개 각도로 Gabor 필터링을 하기 때문에) 한 후 중앙 밴드(그림 4의 검은색부분)는 무시한다
특징점은 지문의 융선에서 부분 불연속 점으로 ANSI (American National Standards Institute) 는 4가지 기준으로, 융선이 진행하다 끊어지는 단점 (Ridge Ending Point), 융선이 진행하다 분리되는 분기점(Ridge Bifurcation), 세갈래로 갈라진 융선과 교차점 (Trifurcate-Crossover), 그리고 기타 [8] 등으로 특징점 구분을 제안하였으며 이 제안에서는 미국의 연방수사국인 FBKFederal Bureau of Investigation)7} 사용한 신분확인 모델을 채택하였다.
대상 데이터
NIST-4 지문 데이터베이스는 미국 상무성에서 지문분류 및 지문인식 시스템의 개발과 실험을 위해서 만든 것으로, 하나의 지문을 First와 Second로 나누어 두 번씩 획득한 2, 000 쌍(4, 000개 지문)의 지문을 5종류(좌제상문(L), 우제상문(R), 와상문(W), 궁상문(A), 솟은궁상문(T))로 분류, 각각 400쌍이 저장되어 있다. NIST-4 데이터베이스에서 F지문 400개의 Gabor 특징값을 데이터베이스에 저장하여 등록지문으로 사용하고, F와 같은 손가락에서 획득한 S지문 400개를 테스트 지문으로 매칭에 사용하였다.
또한 Veridicom사의 FPS110 Solid-State Sensor로 100명의 같은 지문을 2회씩 F와 S로 나누어 획득하여(총 200개) F인 100개 지문은 데이터베이스로, S의 100개는 테스트 지문으로 사용하였다. 지문을 획득 할 때 ±15°회전 이내의 지문을 날인하도록 세심한 주의를 기울였다.
실험에 사용한 지문데이터는 NIST(National Institute of Standard and Technology)-4 지문 데이터베이스를 사용하였다. NIST-4 지문 데이터베이스는 미국 상무성에서 지문분류 및 지문인식 시스템의 개발과 실험을 위해서 만든 것으로, 하나의 지문을 First와 Second로 나누어 두 번씩 획득한 2, 000 쌍(4, 000개 지문)의 지문을 5종류(좌제상문(L), 우제상문(R), 와상문(W), 궁상문(A), 솟은궁상문(T))로 분류, 각각 400쌍이 저장되어 있다.
실험에 사용한 컴퓨터는 펜티엄DI Dual 1GHz, 512MB 메모리, Window 2000 환경 하에서 프로그램eVisual C를 사용하였다. 실험에서 주파수(f)는 10, 밴드의 폭은 20픽셀, 밴드 수는 7개, Gabor 필터링은 10개각도(18°)로 하였다.
터미널 모양은 지문의 이미지 내에 있는 방향성 요소들의 작은 집단들의 조합으로 표현하고, 문법은 각 분류를 정의하며 문장을 분석하는 방법으로 각각의 지문 종류로 분류를 하고 있다. 실험에서는 94개의 지문만을 이용하였다.
이론/모형
특정인의 지문이 입력되면 입력지문에서 각 섹터의 변량값을 계산한 후 이 값과 데이터베이스에 등록된 지문의 각 섹터의 변량값 간의 유클리드 거리를 참조점 및 참조축을 기준으로 계산하여 얻은 값에서 최소거리로 지문의 매칭 여부를 판정한다. 이 계산은 MNN(Mean Nearest Neighbor) 방법[16]을 사용한다. MNN은 매칭 결과 산출을 위한 최소의 계산과 매칭을 위해 각 섹터의 Gabor 특징값(50, 000 ~300, 000)을 저장 할 수 있는 아주적은 저장공간만을 필요로 하는 강점이 있다.
성능/효과
C. J. Lee, S. D. Wange [16]에서 Gabor 필터 링 각도를 8개 각도로 하여 강화된 융선에서 코어를 검출하는 방법을 제안하여 지문분류에서 90%의 정확성을 얻고있다.
L. Hong과 A. Jaine [7] 에서 Digital Biometrics사의 센서를 이용하여 70명으로부터 700개의 지문을 획득하여(90%의 좋은 품질과 10%의 좋지 않은 품질의 지문) 특징점을 이용한 매칭 실험을 하여 FAR(False Acceptance Rate)이 0.07~0.073%인 경우 88%의 인식 율, FAR이 0.02% 인 경우 86%, FAR이 0%인 경우 85%의 인식율 결과를 얻었다.
각 섹터 내의 특징값 들은 1바이트로 표시되어 한 개 지문의 총 특징값은 1, 200바이트로 고정 표시된다. 매칭 단계에서는 데이터 베이스에 등록된 각 섹터내의 특징값 과 입력지문의 각 섹터 내의 특징값 사이의 유클리드 거리를 계산하는 간단한 방식으로 88.6%의 정확성으로 인식하는 결과를 얻어 A. K. Jain과 L. Hong의 논문[기에서 발표한 특징점에 기초한 매칭 결과(88%)와 비교하여 대등한 인식율의 결과이다. 이는 Gabor 필터를 지문의 품질 향상과 분류등에 이용하는 것만이 아니라 지문인식에도 적용이 가능하고 이 새로운 지문인식 방법이(특징점 기초한 매칭방법과 비교하여) 지문인식 실행에도 사용될 수 있는 가능성이 있음을 증명한다.
<표 1>에서, 인식은 데이터베이스에 등록되어있는 F지문 500개에 테스트 지문 S 500개를 매칭시켜, 같은 손가락에서 첫 번째 획득하여 데이터 베이스에 등록한 지문 F와 두 번째 획득하여 입력한 지문 S간의 유클리드 거리가 500개의 산출된 값 중에서 최소 유클리드 거리로 산출되면 두 지문이 일치하다고 판정을 내린 것으로, FAR(False Acceptance Rate)이 0% 일때 88.6%의 인식률로 나타나고, 오인식은 F와 S가 다른 지문임에도 최소 유클리드 거리로 나타난 잘못된 지문인식으로 11.4%이다.
Jain[5]은 지문 분류 알고리즘에서 융선의 방향추출을 위한 Gabor 필터링 각도를 6개 각도로 보다 정밀한 영역으로 분할하여 지문을 분류하는 방법을 제안하였다. 이 방법은 지문 분류에서 가장 어려운, 품질이 좋지 않은 지문에 대해 보다 강하게 처리하여 90.2%에 정확성을 얻었다.
후속연구
Gabor 필터를 이용하여 지문인식을 위한 매칭으로의 시도였기 때문에 본 논문에서 실행한 실험에는 많은 한계들이 있다. 보다 실제적인 접근을 위해 Gabor 필터를 이용한 지문인식에 대하여 보다 깊은 연구와 Gabor 필터링 과정에서 많은 시간이 소요되는 문제점의 해결과 보다 정확하고 간편하게 지문의 회전에 영향을 받지 않고 중심점과 참조축을 결정하는 방법에 대한 집중 연구가 다음의 과제이다.
지문 획득시 이 점들을 보완하면 지문의 인식율은 많이 향상될 것이다. 또한 입력지문과 등록지문의 이미지가 불량하여 Gabor 특징의 계산값이 임계값을 벗어나면 Reject로 구분하는 시스템을 구현하면 인식율이 향상될 것이다.
참고문헌 (22)
A. K. Jain, L. Hong and R. Bolle, 'On-line Fingerprint Verification,' IEEE Trans. Pattern Analysis Machine Intelligence, Vol.19, No.4, pp.302-314, 160-166, 1998
E. R. Henry, 'Classification and Uses of Fingerprint,' London : Rout-Ledge, 1900
A. Wahab and S. H. Chin, 'Novel Approach to Automated Fingerprint Recognition,' IEEE Proceeding-Vision, Image and Signal Processing, Vol.145, No.3, pp.160-166, 1998
L. Hong, Y. Wan and A. K. Jain 'Fingerprint Image Enhancement Algorithms and Performance Evaluation,' Proc, 14th Int'l Conf. Pattern Recognition. Brisbane, pp.1373-1375, Aug., 1998
A. K. Jain, S. Parbhakar, L. Hong, 'A Multichannel Approach to Fingerprint Classification,' IEEE Trans on Pattern Analysis and Machine Intelligence, Vol.21, No.4, 1999
A. K. Jain, L. Hong, S. Pankanti, and R. Bolle, 'A Identity Authentication System Using Fingerprints,' Processing of the IEEE, Vol.85, No.9, pp. 1365-1388, 1997
G. T. Gandela, P. J. Grother, C.I Watson, R. A. Wilkinson and C. L. Wilson 'PCASYS-A Pattern Level Classification Automation System for Fingerprints,' Technical Report NISTIR 5647, Apr., 1995
N. K. Ratha, 'A Real-Time Matching System for Large Fingerprint Database,' IEEE Transactions on Pattern Analysis and Machine Intelligence. Vol.18, No.8, Aug., 1996
J. D. Stose, L. A. Alyea : 'Automated System for Fingerprint Authentication Using Pores and Ridge Structure' Department of Defence 9800 Sauoge Road, Ft. Meade, MD 20755-6000, 301-688-0726
C. J. Lee and S. D. Wang, 'Fingerprint Feature Extraction Using Gabor Filter,' Electronics Letters, Vol.35, No.4, pp. 288-290, 1999
Y. Hamamoto, S. Uchimura, M. Watanabe, T. Yasuda, Y. Mitani and S. Tomita, 'A Gabor Filter Based Methode for Recognizing Hand Written Numerals,' Pattern Recognition, Vol.31, No.4, pp.395-400
L. Hong and A. K. Jain, 'Classification of Fingerprint Images,' Technical Report MSUCPS ; TR98-18 Michigan State Univ, June, 1998
C. V. K. Rao and K. Black, 'Type Classification of Fingerprints : A Syntactic,' IEEE Trans, Pattern Analysis and Machine Intelligence, Vol.2, No.3, pp.223-231, 1980
※ AI-Helper는 부적절한 답변을 할 수 있습니다.