Latent Fingerprint Matching via Dense Minutia Descriptor

要約

遺存指紋の照合は、主に遺留指紋の品質が低いため、気の遠くなるような作業です。
この研究では、潜在指紋照合のための深層学習ベースの密細点記述子 (DMD) を提案します。
DMD は、中心特徴点によって位置合わせされた指紋パッチを抽出し、詳細な特徴点情報とテクスチャ情報をキャプチャすることによって取得されます。
私たちの高密度記述子は 3 次元表現の形式をとっており、2 つの次元は元の画像平面に関連付けられ、もう 1 つの次元は抽象的な特徴を表します。
さらに、抽出プロセスでは指紋セグメンテーション マップが出力され、記述子が前景領域でのみ有効であることが保証されます。
2 つの記述子の間のマッチングは、有効領域外の差異によってもたらされる影響を軽減するスコア正規化戦略を使用して、それらの重複領域で発生します。
私たちの記述子は、いくつかの潜在指紋データセットで最先端のパフォーマンスを実現します。
全体として、私たちの DMD は、以前の方法と比較して、より代表的で解釈しやすいものになっています。

要約(オリジナル)

Latent fingerprint matching is a daunting task, primarily due to the poor quality of latent fingerprints. In this study, we propose a deep-learning based dense minutia descriptor (DMD) for latent fingerprint matching. A DMD is obtained by extracting the fingerprint patch aligned by its central minutia, capturing detailed minutia information and texture information. Our dense descriptor takes the form of a three-dimensional representation, with two dimensions associated with the original image plane and the other dimension representing the abstract features. Additionally, the extraction process outputs the fingerprint segmentation map, ensuring that the descriptor is only valid in the foreground region. The matching between two descriptors occurs in their overlapping regions, with a score normalization strategy to reduce the impact brought by the differences outside the valid area. Our descriptor achieves state-of-the-art performance on several latent fingerprint datasets. Overall, our DMD is more representative and interpretable compared to previous methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google