Fingerprint Matching with Localized Deep Representation

要約

特徴点ベースの指紋表現と比較して、固定長表現は、単純かつ効率的なマッチングにより魅力的です。
ただし、固定長の指紋表現では、異なる可視領域の指紋を照合する場合、精度が制限されます。これは、指の姿勢や取得方法が異なるために発生する可能性があります。
この問題に対処するために、LDRF という名前の指紋のローカライズされた詳細表現を提案します。
LDRF は、局所領域内の識別特性に焦点を当てることにより、可変の可視領域を持つ指紋に対して、より堅牢で正確な固定長表現を提供します。
LDRF は、任意の有効な領域内に情報を保持するように適応できるため、柔軟性が高くなります。
LDRF によって生成されたマッチング スコアは直感的な統計的特徴も示しているため、重複領域が非常に小さい場合の不確実性を軽減するためのマッチング スコア正規化手法を提案することになりました。
この新しい技術を使用すると、データベースのサイズが急速に増大しても、指紋照合において高レベルの精度と信頼性を維持できます。
さまざまな指のポーズと印象タイプの 140,000 個を超える指紋を含む 21 のデータセットに関する実験結果は、LDRF が他の固定長表現よりも優れたパフォーマンスを示し、センシング技術と印象タイプに対して堅牢であることを示しています。
さらに、提案された照合スコア正規化は、511 万個を超える指紋からなる大規模な識別実験における誤一致率 (FMR) を効果的に削減します。
具体的には、この技術は、マッチング スコア正規化を行わないマッチングと比較して 2 桁の削減、従来の作業と比較して 5 桁の削減をもたらします。

要約(オリジナル)

Compared to minutia-based fingerprint representations, fixed-length representations are attractive due to simple and efficient matching. However, fixed-length fingerprint representations are limited in accuracy when matching fingerprints with different visible areas, which can occur due to different finger poses or acquisition methods. To address this issue, we propose a localized deep representation of fingerprint, named LDRF. By focusing on the discriminative characteristics within local regions, LDRF provides a more robust and accurate fixed-length representation for fingerprints with variable visible areas. LDRF can be adapted to retain information within any valid area, making it highly flexible. The matching scores produced by LDRF also exhibit intuitive statistical characteristics, which led us to propose a matching score normalization technique to mitigate the uncertainty in the cases of very small overlapping area. With this new technique, we can maintain a high level of accuracy and reliability in our fingerprint matching, even as the size of the database grows rapidly. Our experimental results on 21 datasets containing over 140K fingerprints of various finger poses and impression types show that LDRF outperforms other fixed-length representations and is robust to sensing technologies and impression types. Besides, the proposed matching score normalization effectively reduces the false match rate (FMR) in large-scale identification experiments comprising over 5.11 million fingerprints. Specifically, this technique results in a reduction of two orders of magnitude compared to matching without matching score normalization and five orders of magnitude compared to prior works.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google