Fingerprint-Based Personal Authentication Using Directional Filter Bank

방향성 필터 뱅크를 이용한 지문 기반 개인 인증

  • 박철현 (경북대학교 전자공학과) ;
  • 오상근 (LG 전자기술원 Mobile Multimedia 연구소) ;
  • 김범수 (영남이공대학 전자정보계열) ;
  • 원종운 (ETRI 우정기술연구센터) ;
  • 송영철 (경북대학교 전자공학과) ;
  • 이재준 (동서대학교 인터넷공학부) ;
  • 박길흠 (경북대학교 전자공학과)
  • Published : 2003.07.01

Abstract

To improve reliability and practicality, a fingerprint-based biometric system needs to be robust to rotations of an input fingerprint and the processing speed should be fast. Accordingly, this paper presents a new filterbank-based fingerprint feature extraction and matching method that is robust to diverse rotations and reasonably fast. The proposed method fast extracts fingerprint features using a directional filter bank, which effectively decomposes an image into several subband outputs Since matching is also performed rapidly based on the Euclidean distance between the corresponding feature vectors, the overall processing speed is so fast. To make the system robust to rotations, the proposed method generates a set of feature vectors considering various rotations of an input fingerprint and then matches these feature vectors with the enrolled single template feature vector. Experimental results demonstrated the high speed of the proposed method in feature extraction and matching, along with a comparable verification accuracy to that of other leading techniques.

지문을 기반으로 하는 생체 인식 시스템이 보다 실용적이고 높은 신뢰성을 가지기 위해서는, 입력지문의 회전에 강인해야 할뿐만 아니라 검증이나 인식에 소요되는 응답 시간이 짧아야 한다. 따라서 본 논문에서는 회전에 강인할 뿐만 아니라 처리속도가 빠른 방향성 필터 뱅크 기반의 지문 특징 추출 및 정합 방법을 제안한다. 제안한 방법은 영상을 방향별 대역 영상으로 효과적으로 분해해 주는 방향성 필터 뱅크를 이용하여 지문 패턴의 특징을 빠른 속도로 추출할 뿐만 아니라 특징 벡터 간 유클리드 거리에 기반하여 정합을 수행하기 때문에 전체 응답 속도가 매우 빠르다. 회전에 대해 강인한 특성을 가지도록 하기 위해 방향성 필터 뱅크에 의해 분해된 대역 영상에서 다양한 회전을 고려한 특징 백터 집합을 구성한 다음 등록된 단일템플릿 특징 백터와 정합을 수행한다. 실험 결과 제안한 방법이 기존의 방법 중 선두적인 방법 중의 하나인 Gabor 필터 뱅크 기반 방법에 상응하는 정확도를 가지면서 훨씬 빠른 속도로 검증을 수행할 뿐만 아니라 회전에 강인한 특성을 가짐을 보여 주었다.

Keywords

References

  1. S. Pankanti, S. Prabhakar, and A. K. Jain, 'On the individuality of fingerprints,' IEEE Trans. PAMI, vol. 24, no. 8, pp. 1010-1025, 2002 https://doi.org/10.1109/TPAMI.2002.1023799
  2. A. K. Jain, L. Hong, and R. Bolle, 'On-line figerprint verification,' IEEE Trans. PAMI, vol. 19, no. 4, pp. 302-314, 1997 https://doi.org/10.1109/34.587996
  3. D. Maio and D. Maltoni, 'Direct gray-scale minutiae detection in fingerprints,' IEEE Trans. PAMI, vol. 19, pp. 27-40, Jan. 1997 https://doi.org/10.1109/34.566808
  4. A. K. Jain, Salil Prabhakar, Lin Hong, and Sharath Pankanti, 'Filterbank-based fingerprint matching,' IEEE Trans. Image Processing, vol. 9, no. 5, May 2000 https://doi.org/10.1109/83.841531
  5. C.-J. Lee and S.-D. Wang, 'Fingerprint feature extraction using Gabor filters,' Electronics Letters, vol. 35, no. 4, pp. 288-290, Feb. 1999 https://doi.org/10.1049/el:19990213
  6. M. Tico, P. Kuosmanen, and J. Saarinen, 'Wavelet domain features for fingerprint recognition,' Electronics Letters, vol. 37, no. 1, pp. 288-290, Jan. 2001
  7. R. H. Bamberger and M. J. T. Smith, 'A filter bank for the directional decomposition of images: Theory and design,' IEEE Trans. Signal Processing, vol. 40, no. 4, pp. 882-893, 1992 https://doi.org/10.1109/78.127960
  8. S. Park, M. J. T. Smith, and R. M. Mersereau, 'A new directional filter bank for image analysis and classification,' in Proc. ICASSP 1999, vol. 3, pp. 1417-1420, 1999 https://doi.org/10.1109/ICASSP.1999.756247
  9. K. Karu and A. K. Jain, 'Fingerprint classification,' Pattern Recognition, vol. 29, no. 3, pp. 389-404, 1996 https://doi.org/10.1016/0031-3203(95)00106-9
  10. J. A. Swets, ed., Signal detection and recognition by human obsevers, Wiley, 1964
  11. R. H. Bamberger and Mark J. T. Smith, 'A multirate filter bank based approach to the detection and enhancement of linear features in images,' in Proc. ICASSP 1991, pp. 2557-2560, 1991 https://doi.org/10.1109/ICASSP.1991.150923