DOI QR코드

DOI QR Code

Contactless Biometric Using Thumb Image

엄지손가락 영상을 이용한 비접촉식 바이오인식

  • 임나은 (상명대학교 컴퓨터과학과) ;
  • 한재현 (상명대학교 컴퓨터과학과) ;
  • 이의철 (상명대학교 컴퓨터과학과)
  • Received : 2016.07.01
  • Accepted : 2016.08.11
  • Published : 2016.12.31

Abstract

Recently, according to the limelight of Fintech, simple payment using biometric at smartphone is widely used. In this paper, we propose a new contactless biometric method using thumb image without additional sensors unlike previous biometrics such as fingerprint, iris, and vein recognition. In our method, length, width, and skin texture information are used as features. For that, illumination normalization, skin region segmentation, size normalization and alignment procedures are sequentially performed from the captured thumb image. Then, correlation coefficient is calculated for similarity measurement. To analyze recognition accuracy, genuine and imposter matchings are performed. At result, we confirmed the FAR of 1.68% at the FRR of 1.55%. In here, because the distribution of imposter matching is almost normal distribution, our method has the advantage of low FAR. That is, because 0% FAR can be achieved at the FRR of 15%, the proposed method is enough to 1:1 matching for payment verification.

최근 금융과 기술이 결합된 핀테크 기술이 각광받고 있고 모바일 기기에서 바이오 정보를 이용한 간편 결제를 이용하는 사람들이 늘어나고 있다. 본 논문에서는 기존의 지문, 홍채, 정맥 인식과 같은 생체인식 시스템과 달리 별도의 센서 추가 없이 스마트폰의 후면 카메라로 촬영된 엄지손가락 후면 영상을 이용한 새로운 비접촉식 바이오인식 방법을 제안한다. 제안하는 방법에서는 엄지손가락의 길이, 너비, 주름 정보를 특징으로 사용한다. 이를 위해 가이드라인에 맞춘 엄지손가락 영상을 촬영하고, 조명 정규화, 피부색 영역 검출, 크기 정규화 및 정렬 과정을 거친 후 상관계수 계산을 통해 유사도를 측정한다. 인식 정확도 측정을 위해 동일인 매칭 및 타인 매칭을 진행하였으며, 오거부율이 1.55%일 때, 1.68%의 오수락율의 결과를 얻었다. 타인 매칭 결과에 대한 분포가 정규분포에 가깝게 나타나 보안성 측면에서 더욱 중요한 오수락율이 적다는 장점을 가진다. 오거부율이 15% 수준일 때 오수락율을 0%까지 낮출 수 있어 보안성을 우선시 하는 금융시장에서 본인 확인 목적의 바이오인식 방법으로 활용될 수 있을 것으로 판단된다.

Keywords

References

  1. A. K. Jain, A. Ross, and S. Prabhakar, "An introduction to biometric recognition," in IEEE Transactions on Circuits and Systems for Video Technology, Vol.14, No.1, pp.4-20, 2004. https://doi.org/10.1109/TCSVT.2004.839484
  2. A. K. Jain, K. Nandakumar, and A. Nagar, "Biometric template security," EURASIP Journal on Advances in Signal Processing, Vol.2008, No.113, 2008.
  3. T. Ahonen, A. Hadid, and M. Pietikainen, "Face description with local binary patterns: Application to face recognition," in IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.28, No.12, pp.2037-2041, 2006. https://doi.org/10.1109/TPAMI.2006.244
  4. J. Daugman, "How iris recognition works," in IEEE Transactions on Circuits and Systems for Video Technology, Vol.14, No,1, pp.21-30, 2004. https://doi.org/10.1109/TCSVT.2003.818350
  5. E. C. Lee, H. C. Lee, and K. R. Park, "Finger vein recognition using minutia-based alignment and local binary pattern based feature extraction," International Journal of Imaging Systems and Technology, Vol.19, No.3, pp.179-186, 2009. https://doi.org/10.1002/ima.20193
  6. L. Muda, M. Begam, and I. Elamvazuthi, "Voice recognition algorithms using mel frequency cepstral coefficient (MFCC) and dynamic time warping (DTW) techniques," Journal of Computing, Vol.2, No.3, pp.138-143, 2010.
  7. S. H. Lee and D. W. Lee, "FinTech-Conversions of Finance Industry based on ICT," in Korea Convergence Society, Vol.6, No.3, pp.97-102, 2015. https://doi.org/10.15207/JKCS.2015.6.3.097
  8. G. B. Huang, M. Ramesh, T. Berg, and E. Learned-Miler, "Labeled faces in the wild: A database for studying face recognition in unconstrained environments," in University of Massachusetts, Amherst, Technical Report, Vol.1, No.2, pp.7-49, 2007.
  9. J. G. Daugman, "High confidence visual recognition of persons by a test of statistical independence," in IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.15, No.11, pp.1148-1161, 1993. https://doi.org/10.1109/34.244676
  10. L. Wang, G. Leedham, and D. S. Y. Cho, "Minutiae feature analysis for infrared hand vein pattern biometrics," in Pattern Recognition, Vol.41, pp.920-929, 2008. https://doi.org/10.1016/j.patcog.2007.07.012
  11. E. C. Lee, "A Method for Improving Vein Recognition Performance by Illumination Normalization," Journal of the Korea Institute of Information and Communication Engineering, Vol.17, No.2, pp.423-430, 2013. https://doi.org/10.6109/jkiice.2013.17.2.423
  12. N. A. bin Abdul Rahman, K. C. Wei, and J. See, "Rgb-h-cbcr skin colour model for human face detection," in Faculty of Information Technology, Multimedia University, 2007.