Composite Fixed-Length Ordered Features for Palmprint Template Protection with Diminished Performance Loss

要約

掌紋認証は、指紋などの他のバイオメトリクス・モダリティと比較して、面積が広く、情報量が豊富で、離れた場所でも動作可能という利点があるため、普及が進んでいます。しかし、掌紋のプライバシーやセキュリティ(特に掌紋テンプレートの保護)については、まだ十分に研究されていないのが現状です。数少ない研究成果のうち、多くは掌紋の方向や向きの特徴を利用して変換処理を行うだけであり、保護性能や識別性能は満足できるものではありません。そこで、本論文では、点特徴量と方位特徴量を融合し、固定長で順序性のある掌紋テンプレート保護指向演算子を提案する。まず、MFRATに基づき、より精度の高い二重方位を抽出する。次に、SURFのキーポイントを抽出し、固定長で順序性のある特徴量に変換する。最後に、二重方位とSURFポイントを融合した複合特徴量をIOMの非可逆変換を用いて変換し、取り消し可能な掌紋テンプレートを生成する。実験により、PolyUデータベースとCASIAデータベースにおける非可逆変換後のEERはそれぞれ0.17%と0.19%、絶対精度損失はそれぞれ0.08%と0.07%となり、本手法の優位性を証明することができた。

要約(オリジナル)

Palmprint recognition has become more and more popular due to its advantages over other biometric modalities such as fingerprint, in that it is larger in area, richer in information and able to work at a distance. However, the issue of palmprint privacy and security (especially palmprint template protection) remains under-studied. Among the very few research works, most of them only use the directional and orientation features of the palmprint with transformation processing, yielding unsatisfactory protection and identification performance. Thus, this paper proposes a palmprint template protection-oriented operator that has a fixed length and is ordered in nature, by fusing point features and orientation features. Firstly, double orientations are extracted with more accuracy based on MFRAT. Then key points of SURF are extracted and converted to be fixed-length and ordered features. Finally, composite features that fuse up the double orientations and SURF points are transformed using the irreversible transformation of IOM to generate the revocable palmprint template. Experiments show that the EER after irreversible transformation on the PolyU and CASIA databases are 0.17% and 0.19% respectively, and the absolute precision loss is 0.08% and 0.07%, respectively, which proves the advantage of our method.

arxiv情報

著者 Weiqiang Zhao,Heng Zhao,Zhicheng Cao,Liaojun Pang
発行日 2022-11-09 13:40:04+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, DeepL

カテゴリー: cs.CR, cs.CV パーマリンク