Benchmarking fixed-length Fingerprint Representations across different Embedding Sizes and Sensor Types

要約

従来の特徴点ベースの指紋表現は、可変長の特徴点のセットで構成されます。
これにより、より複雑な比較が必要となり、1 対多の比較では計算コストが高くなるという欠点が生じます。
最近、フィンガープリントから固定長の埋め込みを抽出するディープ ニューラル ネットワークが提案されています。
この論文では、高い生体認証性能を維持しながら、そのような埋め込みに含まれる指紋テクスチャ情報の寸法をどの程度まで削減できるかを検討します。
これは、比較時に発生する操作の数を減らすことができるため、特に興味深いものです。
また、光学式と静電容量式の 2 種類のセンサーについて、指紋のテクスチャ情報の認識パフォーマンスの観点からの影響も研究します。
さらに、指紋埋め込みの抽出に対する指紋画像の回転と平行移動の影響が分析されます。
公開されているデータベースで行われた実験結果により、固定長指紋表現のテクスチャベースの埋め込み部分の最適な埋め込みサイズは 512 個の特徴要素であることが明らかになりました。
さらに、センサーの種類間の性能の違いも認識されます。

要約(オリジナル)

Traditional minutiae-based fingerprint representations consist of a variable-length set of minutiae. This necessitates a more complex comparison causing the drawback of high computational cost in one-to-many comparison. Recently, deep neural networks have been proposed to extract fixed-length embeddings from fingerprints. In this paper, we explore to what extent fingerprint texture information contained in such embeddings can be reduced in terms of dimension while preserving high biometric performance. This is of particular interest since it would allow to reduce the number of operations incurred at comparisons. We also study the impact in terms of recognition performance of the fingerprint textural information for two sensor types, i.e. optical and capacitive. Furthermore, the impact of rotation and translation of fingerprint images on the extraction of fingerprint embeddings is analysed. Experimental results conducted on a publicly available database reveal an optimal embedding size of 512 feature elements for the texture-based embedding part of fixed-length fingerprint representations. In addition, differences in performance between sensor types can be perceived.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google