Abstract
Minutiae-based fingerprint identification systems use minutiae points, which cannot completely characterize local ridge structures. Further, this method requires many methods for matching two fingerprint images containing different number of minutiae points. Therefore, to represent the fired length information for one fingerprint image, the filterbank-based method was proposed as an alternative to minutiae-based fingerprint representation. However, it has two shortcomings. One shortcoming is that similar feature vectors are extracted from the different fingerprints which have the same fingerprint type. Another shortcoming is that this method has overload to reduce the rotation error in the fingerprint image acquisition. In this paper, we propose the minutia-weighted feature vector extraction method that gives more weight in extracting feature value, if the region has minutiae points. Also, we Propose new fingerprint alignment method that uses the average local orientations around the reference point. These methods improve the fingerprint system's Performance and speed, respectively. Experimental results indicate that the proposed methods can reduce the FRR of the filterbank-based fingerprint matcher by approximately 0.524% at a FAR of 0.967%, and improve the matching performance by 5% in ERR. The system speed is over 1.28 times faster.
특징점 기반(Minutiae-based) 지문 인식 시스템은 지문에 포함된 융선들의 구조 정보를 완벽하게 표현할 수 없는 특징점 정보를 활용한다. 더욱이, 동일한 지문이라 하더라도 일정하지 않게 추출되는 특징점은 정합과정에서 여러 가지 기법들을 요구하게 된다. 이와 같이 정량적으로 표현되지 않는 특징점 기반 방법의 대안으로 여러 방향을 갖는 가보 필터(Gabor filter)를 이용해 영역별 특징 값들을 추출하는 필터뱅크 기반(Filterbank-based) 지문 인식방법이 제안되었다(1). 그러나 필터뱅크 기반 방법은 다른 손가락에서 얻은 지문이지만 같은 종류일 경우 유사한 특징 벡터를 추출한다는 점과 지문 입력시의 회전오차를 고려하기 위한 오버헤드를 갖는다는 문제점을 가진다. 본 논문에서는 이러한 문제점을 해결하기 위해 특징 벡터를 추출할 때, 특징점이 존재하는 영역에 대해 가중치를 부여하여 특징벡터를 구성하는 방법을 제안하였다. 또한 코어 주변의 지역적인 방향들의 평균치를 이용해 지문 정렬을 수행하는 새로운 지문정렬 방법을 제한하였다. 두 가지 방법은 각각 시스템의 성능향상과 속도를 증가시키는 결과를 얻을 수 있다. 제안한 방법에 따라 NIST Special Database 14 지문 데이타로 실험한 결과 0.967%의 FAR(False Acceptance Rate)에서 0.524%의 FRR(False Reject Rate)을 보여, 기존 방법에 비해 1.28배 이상의 속도 향상과 ERR(Equal error Rate)에서 약 5%의 성능 향상을 보였다.