• Journal of KIISE:Software and Applications
• /
• v.35 no.1
• /
• pp.41-49
• /
• 2008

Fingerprint classification is useful to reduce the matching time of a huge fingerprint identification system by categorizing fingerprints into predefined classes according to their global features. Although global features are distributed diversly because of the uniqueness of a fingerprint, previous fingerprint classification methods extract global features non-adaptively from the fixed region for every fingerprint. We propose an novel method that extracts features adaptively for each fingerprint in order to classify various fingerprints effectively. It extracts ridge directional values as feature vectors from the region after searching the feature region by calculating variations of ridge directions, and classifies them using support vector machines. Experimental results with NIST4 database show that we have achieved a classification accuracy of 90.3% for the five-class problem and 93.7% for the four-class problem, and proved the validity of the proposed adaptive method by comparison with non-adaptively extracted feature vectors.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.06b
• /
• pp.262-264
• /
• 2006

지문분류는 지문을 전역특징에 따라 미리 정의된 클래스로 분류하는 기술로, 대규모 지문식별시스템의 매칭시간을 감소시키는데 유용하다. 지문은 개인마다 고유하기 때문에 각 지문마다 전역특징이 다양하게 분포하여 기존의 특징추출방법으로는 분류에 한계가 있다. 본 논문에서는 이를 해결하기 위하여 적응적 특징추출방법을 제안하였다. 이는 융선 방향의 변화량을 계산하여 지문의 전역특징을 포함하는 특징영역을 탐색한 뒤, 특징영역의 블록 방향성 정보로부터 특징벡터를 추출한다. NIST4 지문 데이터에 대한 5클래스 분류실험 결과 제안하는 특징추출방법이 90.25%의 분류성능을 보여 기존 방법보다 효과적임을 확인하였다.