DyFFPAD: Dynamic Fusion of Convolutional and Handcrafted Features for Fingerprint Presentation Attack Detection

要約

自動指紋認識システムは、国境や商業用途を含む幅広い分野で導入されているため、プレゼンテーション攻撃の脅威にさらされています。
プレゼンテーション攻撃は、ユーザーの同意の有無にかかわらず、ユーザーの指紋のなりすましを作成することによって実行される可能性があります。
この論文では、生存検出競争の既知マテリアルおよび未知マテリアルのプロトコルにおけるプレゼンテーション攻撃を検出するための、ディープ CNN と手作りの機能の動的なアンサンブルを紹介します。
このように、提案されたプレゼンテーション攻撃検出モデルは、ディープ CNN と手作りの特徴技術の両方の機能を利用し、それぞれのパフォーマンスよりも優れたパフォーマンスを示します。
提案された方法は、2015 年、2017 年、2019 年の Liveness Detection Competition のベンチマーク データベースを使用して検証され、全体の精度はそれぞれ 96.10%、96.49%、および 94.99% でした。
提案された方法は、分類精度の点で最先端の方法を上回ります。

要約(オリジナル)

Automatic fingerprint recognition systems suffer from the threat of presentation attacks due to their wide range of deployment in areas including national borders and commercial applications. A presentation attack can be performed by creating a spoof of a user’s fingerprint with or without their consent. This paper presents a dynamic ensemble of deep CNN and handcrafted features to detect presentation attacks in known-material and unknown-material protocols of the livness detection competition. The proposed presentation attack detection model, in this way, utilizes the capabilities of both deep CNN and handcrafted features techniques and exhibits better performance than their individual performances. The proposed method is validated using benchmark databases from the Liveness Detection Competition in 2015, 2017, and 2019, yielding overall accuracy of 96.10\%, 96.49\%, and 94.99\% on them, respectively. The proposed method outperforms state-of-the-art methods in terms of classification accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google