특징점 기반 지문 인증은 적은 양의 데이터만을 활용하여 소형화와 속도에서 유리하기 때문에 주로 이용되지만 잘못 추출된 특징점에 의해 지문 인증 오류가 발생된다. 현재 이 문제를 해결하기 위한 많은 방법들이 제안되었다. 하지만 지문입력시 발생하는 잡음등과 같은 외부적 요인과 여러 처리 단계에서 발생하는 내부적 요인 등으로 왜곡 현상을 피하기 어렵기 때문에 전처리 과정의 개선에 의한 오류 감소는 한계를 가지고 있다. 반면에 영상 기반 지문정합은 특징점을 이용하지 않고 영상을 직접 비교하여 특징점에 의한 오류가 발생하지 않는다. 그러나 영상 기반 지문정합은 영상보정이 어려운 단점을 가지고 있다. 본 논문에서는 특징점 기반 지문정합과 영상 기반 지문정합을 함께 수행하여 효과적으로 인증 성능을 향상시키는 방법을 제안한다. 본 논문에서 제안한 알고리즘을 실험한 결과 타인 인증 오류와 본인 거부 오류가 각각 2.7%와 6.5%에서 0.8%와 5.5%로 성능이 향상되었다.
특징점 기반 지문 인증은 적은 양의 데이터만을 활용하여 소형화와 속도에서 유리하기 때문에 주로 이용되지만 잘못 추출된 특징점에 의해 지문 인증 오류가 발생된다. 현재 이 문제를 해결하기 위한 많은 방법들이 제안되었다. 하지만 지문입력시 발생하는 잡음등과 같은 외부적 요인과 여러 처리 단계에서 발생하는 내부적 요인 등으로 왜곡 현상을 피하기 어렵기 때문에 전처리 과정의 개선에 의한 오류 감소는 한계를 가지고 있다. 반면에 영상 기반 지문정합은 특징점을 이용하지 않고 영상을 직접 비교하여 특징점에 의한 오류가 발생하지 않는다. 그러나 영상 기반 지문정합은 영상보정이 어려운 단점을 가지고 있다. 본 논문에서는 특징점 기반 지문정합과 영상 기반 지문정합을 함께 수행하여 효과적으로 인증 성능을 향상시키는 방법을 제안한다. 본 논문에서 제안한 알고리즘을 실험한 결과 타인 인증 오류와 본인 거부 오류가 각각 2.7%와 6.5%에서 0.8%와 5.5%로 성능이 향상되었다.
Fingerprint verification method based on minutiae has been widely used for its speed and size stemming from utilizing only a few data, but it is vulnerable to some errors caused by the false minutiae extractions. A number of suggestions have been made to correct these problems. However, because it i...
Fingerprint verification method based on minutiae has been widely used for its speed and size stemming from utilizing only a few data, but it is vulnerable to some errors caused by the false minutiae extractions. A number of suggestions have been made to correct these problems. However, because it is very difficult to avoid all the external factors, such as noises that occur when fingerprints are collected, and all the internal factors that occur during the process of them, there is a limit in minimizing errors by improving the whole process. On the other hand, a fingerprint verification method based on images yields fewer errors because it makes direct comparison between images not using minutiae. Image-based fingerprint verification method has its limitations in aligning images with accuracy. Therefore, this paper proposes a new methodology to improve the performance utilizing both image-based and minutiae-based verification methods effectively. As the result of experimenting with both images and minutiae, the false accept rate and the false reject rate have been improved from 2.7% to 0.8% and from 6.5% to 5.5%, respectively.
Fingerprint verification method based on minutiae has been widely used for its speed and size stemming from utilizing only a few data, but it is vulnerable to some errors caused by the false minutiae extractions. A number of suggestions have been made to correct these problems. However, because it is very difficult to avoid all the external factors, such as noises that occur when fingerprints are collected, and all the internal factors that occur during the process of them, there is a limit in minimizing errors by improving the whole process. On the other hand, a fingerprint verification method based on images yields fewer errors because it makes direct comparison between images not using minutiae. Image-based fingerprint verification method has its limitations in aligning images with accuracy. Therefore, this paper proposes a new methodology to improve the performance utilizing both image-based and minutiae-based verification methods effectively. As the result of experimenting with both images and minutiae, the false accept rate and the false reject rate have been improved from 2.7% to 0.8% and from 6.5% to 5.5%, respectively.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
그림 14(a)와 (b)에서 보여주는 FAR과 FRR의 결과 두 알고리즘 중 NBIS의 성능이 근소하게 우수하였다. 따라서 이진영상 추출 알고리즘에 의한 성능 차이를 줄이고 정합 단계에서 영상정합을 이용함으로써 발생되는 성능 향상을 확인하기 위해 성능이 확인되어 여러 실험에서 사용되고 있는 NBIS를 이용하여 실험을 수행하였다[15].
이러한 오류를 감소시키기 위해서 융선의 흐름 및 특징점 사이의 융선 수를 이용한 지문 인증 연구가 진행되고 있으며, 최근에는 지문 인증시에 사용되는 지문 특징점을 보호하는 연구도 진행되고 있다[6, 7]. 본 논문에는 타인 인증 오류를 감소시키기 위해 특징점 기반지문 정합을 수행한 후, 그 결과 유사도가 지문인증오류를 많이 포함하는 범위에 속할 경우 이진 영상기반의 지문 정합을 추가로 수행하여 타인 인증 오류를 감소시키는 알고리즘을 제안한다.
본 논문에서는 지문 인증 시에 등록되지 않은 사용자가 인증되는 오류를 줄이기 위해 특징점 기반과 이진 영상 기반 지문정합을 이용하는 알고리즘을 제안하였다. 특징점 기반 지문정합은 잘못된 특징점에 의해 인증오류가 발생한다.
본 논문은 기존의 특징점 추출 단계를 이용한 후지문 정합 단계를 개선하여 지문 인증 성능을 향상시키는 것을 목적으로 한다. 본 논문에서 제안한 알고리즘은 이진영상을 이용하여 영상비교를 하기 때문에 이진영상 추출 결과에 따라 성능차이를 나타낼 수 있다.
제안 방법
그 보정값들을 이용하여 이진영상 기반 지문 정합을 수행한다. 이진영상 기반 지문정합에서 회전은 추출된 보정값만을 이용하고 이동값은 보정값에 X, y축으로 -20 ~+20으로 +2씩 이동하며 배경 부분을 제외한 지문영역에서 두 지문의 유사도를 계산한다.
하지만 이진 영상 기반 지문정합은 기준점이 항상 존재하지 않는 지문영상의 특성 때문에 영상 보정과정이 어렵고 지문영상의 일그러짐과 크기변화에 의한 오류가 발생된다. 그렇기 때문에 이진영상 기반 지문 정합만을 이용하여 지문 인증을 수행하지 않고 특징점 기반 지문정합을 먼저 수행한 후 오류가 많이 발생하는 범위에서 이진영상 기반 지문정합을 수행하였다. 특징점 기반 지문정합에서 추출되는 보정값을 이용하여 이진영상을 보정한 후 이진영상 기반 지문 정합을 수행하였다.
이 영상은 248 X 292 의 크기를 가지고 있고 한 손가락당 지문영상 10개를 가진 48개의 손가락 지문DB로 총 480개의 지문 영상을 이용하였다. 동일지문의 경우 10개의 지문의 부분집합을 이용하여 한 손가락 당 45번의 지문 인증을 하여 총 2, 160개의 동일지문 유사도를 추출하였다. 다른 지문의 경우 10개의 동일 지문 중 한 개의 지문을 선택하여 다른 47개의 손가락에서 한 개의 지문 영상들을 선택하여 2, 256개의 다른 지문 유사도를 측정하였다.
두 지문영상을 특징점 기반 지문정합으로 먼저 수행하여 유사도를 내 림차순으로 정 렬한 후 동일한 보정값들은 제외하고 최대 20개의 지문 보정값을 추출한다. 그 보정값들을 이용하여 이진영상 기반 지문 정합을 수행한다.
것을 목적으로 한다. 본 논문에서 제안한 알고리즘은 이진영상을 이용하여 영상비교를 하기 때문에 이진영상 추출 결과에 따라 성능차이를 나타낼 수 있다. 그림 14는 현재 보유하고 있는 방향성을 고려한 이진화 알고리즘과 NIST 의 NBIS(NIST Biometric Image Software)의 이진화 알고리즘을 이용한 영상정합의 FAR과 FRR를 비교한 것이다.
본 논문에서 제안한 알고리즘은 특징점 기반 지문 정합의 특징점에 의한 오류를 줄이기 위해 특징점 기반을 수행한 후 그림 12와 같이 이진영상 기반 지문 정합을 수행하였다.
보정과정은 두 지문의 천이 및 회전에 대해 보정하는 과정으로 대응쌍을 찾아내어 두 지문 특징점을 보정한다. 정합과 정은 이렇게 보정된 등록 특징점과 입력 특징점의 좌표와 방향의 일치 정도를 판단하여 두 지문이 동일한 손가락에서 획득되었을 확률을 구하여 지문 인증을 수행한다 [8-14].
지문의 입력과정에서 손가락에 묻은 땀과 먼지 등으로 생성되는 지문영상의 잡음을 개선하고 특징점 추출에 적합한 지문영상으로 교정하는 영상개선, 방향성 계산, 이진화 그리고 세선화 과정등의 전처리과정을 거친 후 특징점을 추출한다. 이런한 과정에서 본래 존재하는 특징점들이 삭제되는 경우와 존재하지 않는 새로운 특징점이 생성되는 경우가 발생하게 된다.
추가로 유사도 범위를 31을 기준으로 균등하게 확대하지 않고 최소, 최대값을 22-30, 32~40으로 확대시키면서 기준값~최대값, 최소값~기준값의 모든 부분집합을 이용하여 총 90개의 범위를 추가로 실험 하였다. 그림 17은 90개의 추가 범위변경 결과 중 제안한 방법의 전체 오류가 145개 이하인 결과만을 표시한 것이다.
그렇기 때문에 이진영상 기반 지문 정합만을 이용하여 지문 인증을 수행하지 않고 특징점 기반 지문정합을 먼저 수행한 후 오류가 많이 발생하는 범위에서 이진영상 기반 지문정합을 수행하였다. 특징점 기반 지문정합에서 추출되는 보정값을 이용하여 이진영상을 보정한 후 이진영상 기반 지문 정합을 수행하였다. 그 결과 본인 거부 오류는 6.
비교하기 어렵다. 하지만 지문영상을 이진 영상으로 변환 할 경우 두 지문영상을 정확히 비교하기 쉽게 되기 때문에 본 논문에서는 그림 7과 같이 영상 이진화 과정을 거쳐 지문정합을 수행한다.
대상 데이터
동일지문의 경우 10개의 지문의 부분집합을 이용하여 한 손가락 당 45번의 지문 인증을 하여 총 2, 160개의 동일지문 유사도를 추출하였다. 다른 지문의 경우 10개의 동일 지문 중 한 개의 지문을 선택하여 다른 47개의 손가락에서 한 개의 지문 영상들을 선택하여 2, 256개의 다른 지문 유사도를 측정하였다.
얻은 지문을 이용하였다. 이 영상은 248 X 292 의 크기를 가지고 있고 한 손가락당 지문영상 10개를 가진 48개의 손가락 지문DB로 총 480개의 지문 영상을 이용하였다. 동일지문의 경우 10개의 지문의 부분집합을 이용하여 한 손가락 당 45번의 지문 인증을 하여 총 2, 160개의 동일지문 유사도를 추출하였다.
이론/모형
실험에 사용한 지문영상은 Nitgen의 지문 센서를 통해 얻은 지문을 이용하였다. 이 영상은 248 X 292 의 크기를 가지고 있고 한 손가락당 지문영상 10개를 가진 48개의 손가락 지문DB로 총 480개의 지문 영상을 이용하였다.
성능/효과
특징점 기반 지문정합에서 추출되는 보정값을 이용하여 이진영상을 보정한 후 이진영상 기반 지문 정합을 수행하였다. 그 결과 본인 거부 오류는 6.5%에서 5.5%로, 타인 수락 오류는 2.7%에서 0.8%으로 감소하였다.
8%로 개선되었다. 또한 특징점 기반 지문정합의 FRR과 본 논문에서 제안한 방법의 FRR을 6.5%로 같게 맞추었을 경우 FAR이 2.7%에서 0.4%로 감소하였다.
그림 17은 90개의 추가 범위변경 결과 중 제안한 방법의 전체 오류가 145개 이하인 결과만을 표시한 것이다. 유사도 범위 23~38에서 제안한 방법의 TER이 6.3%로 가장 우수한 성능을 보여주었다.
유사도 범위 내 오류뿐만 아니라 전체 오류도 제안한 방법이 특징점 기반 지문정합보다 향상되었다. 유사도 범위를 기준 유사도 31을 기준으로 균등히 넓혔을 경우 유사도 범위를 24~38로 하였을 때 TER이 6.
향상되었다. 유사도 범위를 기준 유사도 31을 기준으로 균등히 넓혔을 경우 유사도 범위를 24~38로 하였을 때 TER이 6.4%로 가장 좋은 결과를 보였다.
전체오류가 가장 낮은 경우를 기준으로 특징점 기반과 이진 영상 기반을 각각 단독으로 수행한 결과 보다 본 논문에서 제안한 방법을 사용하였을 경우 지문 인증 성능이 향상되었다. 특히 타인 인증 오류 FARe 특징점 기반 지문정합의 2.
제안된 알고리즘에 사용된 유사도 범위 내 특징점 기반의 본인 거부오류와 타인 인증오류보다 이진영상 기반 본인 거부오류와 타인 인증오류의 성능이 대부분 향상되었고 타인 인증오류 경우 특징점 기반에 비해 눈에 띄게 감소하였다.
전체오류가 가장 낮은 경우를 기준으로 특징점 기반과 이진 영상 기반을 각각 단독으로 수행한 결과 보다 본 논문에서 제안한 방법을 사용하였을 경우 지문 인증 성능이 향상되었다. 특히 타인 인증 오류 FARe 특징점 기반 지문정합의 2.7%에서 0.8%로 개선되었다. 또한 특징점 기반 지문정합의 FRR과 본 논문에서 제안한 방법의 FRR을 6.
후속연구
향후에는 영상정합시 좀 더 정확한 유사도를 구하기 위한 비교방법과 등록 DB 구축시 영상정합에 필요한 이진영상의 효과적인 저장방법에 대한 연구를 진행할 예정이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.