Deep Age-Invariant Fingerprint Segmentation System

要約

指紋認証システムでは、単一の指紋の代わりに、被験者の複数の指紋を含む平手打ちを使用することで、より高い精度を実現します。しかし、指紋の向きが異なること、ノイズの多い背景、指先の構成要素のサイズが小さいことなどから、スラップ画像内のすべての指紋をセグメント化または自動ローカライズすることは困難なタスクである。実世界のデータセットには、1つ以上の指紋が回転しているスラップ画像が存在するため、生体認証システムが指紋を自動的にローカライズしてラベル付けすることは困難である。不適切な指紋の定位と指のラベリングエラーは、マッチング性能の低下につながる。本論文では、軸合わせと過回転の両方のスラップ画像から指紋を正確にローカライズしてラベル付けする、深層学習ベースのアルゴリズムを用いて任意の角度のバウンディングボックスを生成する方法を紹介する。我々は、従来のFaster R-CNNアーキテクチャに基づく以前に提案されたCFSEGモデルを更新することにより、CRFSEG（Clarkson Rotated Fingerprint segmentation Model）と名付けられた指紋セグメンテーションモデルを構築した［21］。CRFSEGは、Faster R-CNNアルゴリズムを改良し、任意に角度をつけたバウンディングボックスにより、困難なスラップ画像でもCRFSEGがより良い性能を発揮できるようにしました。大人と子供の被験者から収集したスラップ画像を含む新しいデータセットでCRFSEGアルゴリズムをトレーニングした結果、CRFSEGモデルは異なる年齢層で不変であり、回転しすぎたスラップ画像をうまく処理できることが示唆されました。大人と子供の正常な画像と回転した画像の両方を含むCombinedデータセットでは、97.17%のマッチング精度を達成し、最先端のVeriFinger（94.25%）とNFSEGセグメンテーションシステム（80.58%）を上回った。

要約(オリジナル)

Fingerprint-based identification systems achieve higher accuracy when a slap containing multiple fingerprints of a subject is used instead of a single fingerprint. However, segmenting or auto-localizing all fingerprints in a slap image is a challenging task due to the different orientations of fingerprints, noisy backgrounds, and the smaller size of fingertip components. The presence of slap images in a real-world dataset where one or more fingerprints are rotated makes it challenging for a biometric recognition system to localize and label the fingerprints automatically. Improper fingerprint localization and finger labeling errors lead to poor matching performance. In this paper, we introduce a method to generate arbitrary angled bounding boxes using a deep learning-based algorithm that precisely localizes and labels fingerprints from both axis-aligned and over-rotated slap images. We built a fingerprint segmentation model named CRFSEG (Clarkson Rotated Fingerprint segmentation Model) by updating the previously proposed CFSEG model which was based on traditional Faster R-CNN architecture [21]. CRFSEG improves upon the Faster R-CNN algorithm with arbitrarily angled bounding boxes that allow the CRFSEG to perform better in challenging slap images. After training the CRFSEG algorithm on a new dataset containing slap images collected from both adult and children subjects, our results suggest that the CRFSEG model was invariant across different age groups and can handle over-rotated slap images successfully. In the Combined dataset containing both normal and rotated images of adult and children subjects, we achieved a matching accuracy of 97.17%, which outperformed state-of-the-art VeriFinger (94.25%) and NFSEG segmentation systems (80.58%).

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL