Journal of the Institute of Electronics Engineers of Korea CI (전자공학회논문지CI)

The Institute of Electronics and Information Engineers (대한전자공학회)
권호 표지

A study of using quality for Radial Basis Function based score-level fusion in multimodal biometrics

RBF 기반 유사도 단계 융합 다중 생체 인식에서의 품질 활용 방안 연구

  • Choi, Hyun-Soek (Graduate School of Electronics Engineering, Kyungpook National University) ;
  • Shin, Mi-Young (School of Electrical Engineering and Computer Science, Kyungpook National University)
  • 최현석 (경북대학교 전자과) ;
  • 신미영 (경북대학교 전자전기컴퓨터학부)
  • Published : 2008.09.25
Download PDF
⟨ Previous Next ⟩

Abstract

Multimodal biometrics is a method for personal authentication and verification using more than two types of biometrics data. RBF based score-level fusion uses pattern recognition algorithm for multimodal biometrics, seeking the optimal decision boundary to classify score feature vectors each of which consists of matching scores obtained from several unimodal biometrics system for each sample. In this case, all matching scores are assumed to have the same reliability. However, in recent research it is reported that the quality of input sample affects the result of biometrics. Currently the matching scores having low reliability caused by low quality of samples are not currently considered for pattern recognition modelling in multimodal biometrics. To solve this problem, in this paper, we proposed the RBF based score-level fusion approach which employs quality information of input biometrics data to adjust decision boundary. As a result the proposed method with Qualify information showed better recognition performance than both the unimodal biometrics and the usual RBF based score-level fusion without using quality information.

다중 생체 인식은 둘 이상의 생체 정보를 획득하여 이를 기반으로 개인 인증 및 신원을 확인하는 방법으로, 패턴 분류 알고리즘을 이용한 RBF 기반 유사도 단계 융합 다중 생체 인식은 입력된 생체 정보와 데이터베이스 내의 유사도를 나타내는 매칭 값을 각 단일 생체 인식 시스템으로부터 제공받아 이를 이용하여 특징 벡터를 구성하고, 특징 공간상에서 사용자와 위조자를 구분해주는 최적의 판정 경계를 탐색하여 인식을 수행하는 방법이다. 이러한 패턴 분류 알고리즘의 경우 특징 벡터를 구성하는 각 매칭값이 동일한 신뢰도를 가지고 있다는 가정 하에 고정된 판정 경계를 구성하고 분류를 수행하게 된다. 한편, 생체 인식 시스템의 인식 결과는 입력되는 생체 정보의 품질에 영향을 받을 수 있음이 기존의 연구에서 보고되고 있는데, 이는 일반적인 RBF 기반 유사도 단계 융합 다중 생체 인식 시스템을 구성하고 있는 단일 생체 인식 시스템 중 하나의 시스템에 저품질의 생체 정보가 입력되어 신뢰할 수 없는 매칭값을 출력한 경우에는 이를 기반으로 구성된 특징 벡터의 판정이 오분류 되거나 그 결과의 신뢰도가 감소될 수 있는 문제가 있다. 이에 대한 대안으로 본 논문에서는 각 단일 생체 인식 시스템에 입력되는 생체 정보의 품질을 활용하여 RBF 기반 유사도 단계 융합 다중 생체 인식 시스템에서 품질에 따라 유동적인 판정 경계를 구성하여 특징 벡터를 구성하는 각 매칭값이 판정에 미치는 영향을 조절하고자 하였다. 이를 통해 각 생체 정보가 그 품질에 따라 판정에 미치는 영향이 달리 적용될 수 있도록 하였으며, 그 결과 단일 생체 인식과 일반적인 RBF 기반 유사도 단계 융합 다중 생체 인식에 비해 보다 개선된 인식 결과와 신뢰도를 얻을 수 있었다.

Keywords

References

  1. Y. Wang, T. Tan, A. K. Jain, "Combining face and iris biometrics for identity verification", Int'l Conf. on AVBPA 2003, pp.805-813, 2003
  2. "Summary of NIST Stansdards for Biometric Accuracy, Tamper Resistance, and Interoperability,", NIST Report to the United States Congress, 2002
  3. A. Ross and A. K. Jain, "Multimodal biometrics: An Overview", 12th EUSIPCO, pp.1221-1224, Sep 2004
  4. J. Kittler, M. Hatef, Robert P. W. Duin, J. Matas, "On combining classifier", IEEE Trans. on PAMI, Vol. 20, No. 3, pp.226-239, Mar. 1998 https://doi.org/10.1109/34.667881
  5. S. Ben-Yacoub, Y. Abdeljaoued, E. Mayoraz, "Fusion of face and speech data for person identity verification", IEEE Trans. on Neural Networks, Vol. 10, Issue. 5, pp.1065-1074, Sep. 1999 https://doi.org/10.1109/72.788647
  6. NIST Biometric Quality Workshop 2006,http://www.itl.nist.gov/iad/894.03/quality/workshop
  7. S. Bengio et al, "Confidence measures for Multimodal Identity Verification," Information Fusion, Vol. 3, Issue. 4, Dec. 2002
  8. N. Poh and S. Bengio, "Improving fusion with margin-derived confidence in Biometric Authentiction tasks," Int's Conf. on AVBPA, 2005
  9. Bigun et al, "Expert conciliation for multi modal person Authentication systems by Bayesian Statics," Int's Conf. on AVBPA, 1997
  10. J. Fierrez-Aguilar et al. "Kernel-based multimodal biometric verification using quality signals." Proc. of SPIE, Vol. 5404, pp.544-554, 2004
  11. R.A. Finan et al, "Comparison of Multilayer and Radial Basis Function Neural Networks for Text-Dependent Speaker Recognition," IJCNN, 1996
  12. C. Bishop, Neural Networks for Pattern Recognition, Oxford press, 1995
  13. S. Haykin, Neural networks:A comprehensive foundation 2/E, Prentice-Hall, 1998
  14. R. O. Duda, P. E. Hart, D. G. Stork, Pattern Classification, Wiley-Interscience, 2000
  15. J. Moody, C. J. Darken, "Fast learning in networks of locally-tuned processing units", Neural Computation, 1989
  16. Mark J. L. Orr, "Introduction to radial basis function networks", 1996
  17. NIST Biometric Score Set,http://www.itl.nist.gov/iad/894.03/biometricscores/
  18. A. K. Jain et al, "Score normalization in multimodal biometrics systems", Pattern Recognition, Vol. 38, Issue. 12, pp. 2270-2285, Dec. 2005 https://doi.org/10.1016/j.patcog.2005.01.012
  19. R. Snelick et al, "Large-Scale Evaluation of multimodal biometric authentication using State-of-the-Art Systems", IEEE Trans. PAMI, Vol. 27, No. 3, March 2005
  20. A. Martin, G. Doddington, T. Kamm, M. Ordowski, M. Przybocki, "The DET curve in assessment of detection task performance", in EUROSPEECH 1997, pp.1895-1898, Sep 1997