• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권1호
• /
• pp.71-81
• /
• 2004

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.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권7호
• /
• pp.959-967
• /
• 2004

Jain 등은 한 지문 영상에 특징점 기반 지문 정합 방법과 필터뱅크 기반 지문 정합 방법을 적용해 두 정합 방법의 성능을 혼합하는 혼합형 지문정합 방법을 제안하고, 이 방법이 두 가지 각 정합 방법에 비해 높은 성능을 보인다는 것을 실험을 통해 입증하였다［l］. 그러나 이 방법은 혼합을 수행할 때 두 정합 방법을 별도로 수행한 후, 각 방법의 정합도(matching score)에 가중치를 부여해 최종 정합도를 결정하므로 두 정합 방법의 특성을 상쇄 시키는 결과를 얻게 된다. 본 논문에서는 두 가지 정합 방법을 특징값 추출 과정에서 혼합하는 방법을 제안하였다. 이 방법은 필터뱅크 기반 방법보다는 낮은 ERR(Equal eRror Rate)을 보이나 특징점 기반 방법보다 높은 ERR을 보였다. 이에 본 논문에서는 적응적인 정합도 혼합방법을 제안하여, 두 가지 방법의 특성을 살리도록 적응적으로 정합도를 선택하는 방법을 취했다. 이 방법을 이용해 Jain 등의 혼합형 방법보다 더 낮은 ERR을 얻을 수 있었다. 제안한 방법에 따라 NIST Special Database 14 지문 데이타로 실험한 결과 ERR에서 약 1%의 성능 향상을 보였다.