International Journal of Computer Science & Network Security
/
제22권3호
/
pp.29-36
/
2022
In deep learning classification tasks, most models frequently assume that all labels are available for the training datasets. As such strategies to learn new concepts from unlabeled datasets are scarce. In fingerprint classification tasks, most of the fingerprint datasets are labelled using the subject/individual and fingerprint datasets labelled with finger type classes are scarce. In this paper, authors have developed approaches of classifying fingerprint images using the majorly known fingerprint classes. Our study provides a flexible method to learn new classes of fingerprints. Our classifier model combines both the clustering technique and use of deep learning to cluster and hence label the fingerprint images into appropriate classes. The K means clustering strategy explores the label uncertainty and high-density regions from unlabeled data to be clustered. Using similarity index, five clusters are created. Deep learning is then used to train a model using a publicly known fingerprint dataset with known finger class types. A prediction technique is then employed to predict the classes of the clusters from the trained model. Our proposed model is better and has less computational costs in learning new classes and hence significantly saving on labelling costs of fingerprint images.
본 논문에서는 생체인증 시스템의 하나인 지문인식 시스템의 정확도와 효율성을 높이기 위한 새로운 지문 분류 방법을 제안한다. 기존 연구에 따르면 지문은 융선과 골의 방향과 형상에 따라 몇 가지 유형으로 분류할 수 있다. 지문 데이터베이스를 사전에 유형에 따라 분류해 놓고 인식 대상인 지문의 유형을 정확하게 분류할 수 있다면 지문 인식 시간을 크게 줄일 수 있다. 왜냐하면 선택된 부류 안의 지문들만을 상대로 인증 대상인 지문과 비교하면 되기 때문이다. 본 논문은 우선 지문 영상으로부터 실제 지문 정보가 위치하는 관심영역 추출 방법을 제시한다. 다음엔 추출된 관심영역을 대상으로 질감 인식기반의 명암도 동시발생 행렬과 웨이브릿 변환을 통한 특징 추출 방법을 제시하고 기존의 명암도 동시발생 행렬만을 이용한 특징 추출 방법과 다층 퍼셉트론 및 서포트 벡터 머신을 사용해 성능을 비교한다.
We present a fingerprint identification algorithm using the wavelet transform and correlation. The wavelet transform is used because of its simple operation to extract fingerprint minutiaes features for fingerprint classification. We perform the rowwise 1-D wavelet transform for a $256\times256$ fingerprint image to get a $1\times256$ column vector using the Haar wavelet and repeat 1-D wavelet transform for a 1$\times$256 column vector to get a $1\times4$ feature vector. Using PNN(Probabilistic Neural Network), we select the possible candidates from the stored feature vectors for fingerprint images. For those candidates, we compute the correlation between the input binary image and the target binary image to find the most similar fingerprint image. The proposed algorithm may be the key to a low cost fingerprint identification system that can be operated on a small computer because it does not need a large memory size and much computation.
지문영상 분류는 특징을 이용하여 여러 가지 유형의 지문영상으로 분류하는 것으로, 지문영상 자동인식시스팀에서 매우 중요하다. 본 논문에서는, 지문영상의 한 점에서의 방향척도를 제안하였다. 이 방향척도는 지문영상의 방향장 영상에서 융선 방향의 변화경로를 상술하는 것으로 지문영상의 각각의 점에 대하여 제안된 방향척도를 계산한다. 제안한 알고리즘을 이용하여 지문영상을 특징점(핵심점과 삼각점)을 정의한 후 유형별로 분류하였다. 또한 개선된 Poincare 지수 알고리즘도 제안하여 핵심점과 삼각점을 구분하였다. 102개의 지문영상 실험 데이터에 대한 분류에러는 7.8%로서 문헌[9]의 분류오차 12.4%보다 좋은 실험결과를 얻을 수 있었다. 또한 제안한 방법은 온라인 지문영상 분류에도 사용가능 할 것으로 생각한다.
In this paper, we propose a new approach to extract directional features based on directional patterns of each region in fingerprint images. The proposed approach computes the center of gravity to extract features from fingerprint images of various shapes. According to it, we divide a fingerprint image into four regions and compute the directional values of each region. To extract directional features of each region from a fingerprint image, we spilt direction values of ridges in a region into 18 classes and compute frequency distribution of each region. Through the result of our experiment using FVC2002 DB database acquired by electronic devices, we show that directional features are effectively extracted from various fingerprint images of exceptional inputs which lost all or part of singularities. To verify the performance of the proposed approach, we explained the process to model Arch, Left, Right and Whorl class using the extracted directional features of four regions and analyzed the classification result.
지문분류는 지문을 전역특징에 따라 미리 정의된 클래스로 분류하여 대규모 지문식별시스템의 매칭시간을 감소시키는데 유용하다. 그런데, 지문의 고유성으로 인해 전역특징이 다양하게 분포함에도 불구하고, 기존의 지문분류 방법들은 모든 지문에 대해 고정된 영역으로부터 비적응적으로 전역특징을 추출하였다. 본 논문에서는 다양한 지문을 효과적으로 분류하기 위해 각 지문에 적응적으로 특징을 추출하는 방법을 제안한다. 이는 각 지문의 융선 방향의 변화량을 계산하여 적응적으로 특징영역을 탐색한 후, 특징영역내의 융선 방향 값을 특징벡터로 추출하고 지지벡터기계(Support Vector Machines)를 이용해 분류한다. 본 논문에서는 NIST4 데이타베이스를 이용하여 실험을 수행하였다. 그 결과 5클래스 분류에 대해 90.3%, 4클래스 분류에 대해 93.7%의 분류성능을 얻었으며, 비적응적으로 추출한 특징벡터와의 비교실험을 통해 제안하는 적응적 특징추출방법의 유용성을 입증하였다.
We propose a novel approach to classify fingerprints using the extracted adaptive core block for improving classification performance of incomplete fingerprints in this paper. We compute representative directions from fingerprint images by the block unit and learn horizontal and vertical Markov models by deciding the center position of a fingerprint image based on the expert knowledge. The center block of a test image is the block has the highest probability after comparing the Markov model with $11{\times}11$ blocks. The proposed approach can effectively classify incomplete fingerprints using the optimal center block.
In this paper, a fingerprint classification algorithm is presented. Fingerprint types are classified into five categories: arch, tented arch, left loop, right loop and whorl. Singular points (cores and deltas) are detected using Poincare index on the directional image smoothed by adaptive window size. The method is shown to be robust to the variation of fingerprint image qualaity.
지문인식은 입력지문이 데이터베이스 내에 있는 특성인의 지문과 일치하는지 여부를 확인하는 것이다. 이를 위해 대형 지문 데이터베이스에서는 여러 가지 전처리 과정과 분류 및 매칭을 하고 소형 지문데이터 인식에서는 분류를 하지 않고 바로 매칭을 한다. 매칭 방법은 특징점 (단점, 분기점)에 기초한 매칭이 주를 이루고 있는데, 특징점에 기초한 매칭은 지문의 변환, 회전, 비선형 변형, 가짜 특징점 등이 발생하는 문제로 특징점 추출 및 특징점들 간의 정확한 매칭에 매우 복잡한 계산을 필요로 하고, 지문의 품질향상을 위해 많은 전처리 과정이 필요한 문제점이 있다. 본 논문에서는 이러한 문제점을 해결하기 위하여 지문인식에 특징점을 이용하지 않고, Gabor 필터에 지문을 통과시켜 얻은 지문의 융선에서 Gabor 특징값을 산출하여 이 특징값을 지문인식에 이용하는 간단한 새로운 방법을 제안하고 이 방법이 지문인식 실행에 가능성을 가지고 있음을 실험으로 증명하였다.
본 논문에서는 런길이부호화를 이용하여 지문영상의 융선을 분류하는 방법을 연구하였다. 자동지문인식 시스템에서 단점, 분기점과 같은 특징점을 검출하기 위해 지문영상의 융선을 분류할 필요가있다. 본 논문에서는 분할된 지문영상을 런길이 부호화를 이용하여 지문융선을 분류하는 방법을 제안한다. 또한 융선의 분류와 동시에 각 런의 중심점을 연결하는 지문 세선화과정이 수행되고, 분기점 및 단점이 포함된 특징영역을 동시에 검출할 수 있다. 제안방법의 성능평가를 위해 지문영상을 사용하여 분기점 및 단점을 포함하는 특징영역을 검출하고, 동시에 지문융선을 분류할 수 있음을 보였다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.