Smart Media Journal (스마트미디어저널)

THE KOREAN INSTITUTE OF SMART MEDIA (한국스마트미디어학회)
권호 표지

Fingerprint Matching Method using Statistical Methods

통계학적 방법을 이용한 지문 정합 방법

  • 김용길 (조선이공대학교 컴퓨터보안과) ;
  • 박종민 (조선이공대학교 컴퓨터보안과)
  • Received : 2014.05.20
  • Accepted : 2014.09.21
  • Published : 2014.09.30
Download PDF
⟨ Previous Next ⟩

Abstract

Fingerprint Recognition System is made up of Off-line treatment and On-line treatment; the one is registering all the information of there trier features which are retrieved in the digitalized fingerprint getting out of the analog fingerprint through the fingerprint acquisition device and the other is the treatment making the decision whether the users are approved to be accessed to the system or not with matching them with the fingerprint features which are retrieved and database from the input fingerprint when the users are approaching the system to use. In this paper, Among various biometrics recognition systems, statistical fingerprint recognition matching methods are considered using minutiae on fingerprints. We define similarity distance measures based on the coordinate and angle of the minutiae, and suggest a fingerprint recognition model following statistical distributions.

지문 인식 시스템은 지문인식 장치(fingerprint acquisition device)를 통하여 아날로그(analog) 지문으로부터 변환된 디지털(digital) 지문에서 특이점을 추출하고 추출한 특이점들에 대한 정보를 데이터베이스에 등록하는 오프라인(off-line) 처리와 사용자가 시스템에 접근 할 때 입력한 지문으로부터 특이점을 추출한 후 데이터베이스에 저장되어 있는 특이점들과 정합(matching) 하여 사용자의 시스템 접근 여부를 결정하는 온라인(on-line) 처리로 이루어져 있다. 본 논문에서는 다양한 생체인식시스템 중, 통계 지문 인식 정합 방법인 지문의 특이점 을 사용한다. 좌표를 기준으로서 유사성 거리 측정을 하고, 그리고 특정한 각도, 통계 배포 판에 따라서 지문 인식 모델을 찾는 것이다.

Keywords

References

  1. Gollmann, Dieter. Computer Security. John Wiley and Sons, August 1999.
  2. R. Cappelli, D. Maltoni, Wayman, J. L. and Jain, A. K. Performance evaluation of fingerprint verification system, IEEE Transactionson. Pattern Analysis and Machine Intelligence, Vol.28, pp3-18, 2006. https://doi.org/10.1109/TPAMI.2006.20
  3. A. Farina, Z. M. Kovacs- vajna, Alverto Leone, "Fingerprint minutiae extraction from slceletonixed binary images", Pattern Recognition, vol. 32, no. 4, pp. 877-889, 1999. https://doi.org/10.1016/S0031-3203(98)00107-1
  4. L. Coetzee and E. C. Botha, "Fingerprint Recognition in Low Quality Images," Pattern Recognition, vol. 26, no. 10, pp. 1441-1460, 1993. https://doi.org/10.1016/0031-3203(93)90151-L
  5. D. Mario and D. Maltoni, "Direct Gray-Scale Minutiae Detection In Fingerprints," IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 19, no. 1, pp. 27- 40, 1997. https://doi.org/10.1109/34.566808
  6. X. Jiang, W. Y. Yau, and W. Ser, "Detecting the Fingerprint minutiae by adaptive tracing the gray-level ridge," Pattern Recognition 34, pp. 999-1013, 2000.
  7. 박종민, 조범준, "결합과 분배를 이용한 정합 알고리즘", 한국해양정보통신학회 논문지 제8권 제5호, pp. 1102-1107, 2004.
  8. Hong, C. S. and Joo, J. S. Optimal thresholds from non-normal mixture, The Korean Journal of Applied Statistics, Vol.23, pp943-953, 2010. https://doi.org/10.5351/KJAS.2010.23.5.943
  9. Hong, C. S. Kim, G. C. and Jeong, J. A. Bivariate ROC curve, The Korean Journal of Applied Statistics, Vol.19, pp277-286, 2012.
  10. Krzanowski, W. J. and Hand, D. J. ROC Curves for Continuous Data, Chapman & Hall/CRC, Boca Raton, Florida. Has Been Selected, Clinical Chemistry, Vol.32, pp1341-1346, 2009.