한국콘텐츠학회논문지 (The Journal of the Korea Contents Association)

  • 제12권12호
  • /
  • Pages.517-523
  • /
  • 2012
  • /
  • 1598-4877(pISSN)
  • /
  • 2508-6723(eISSN)
한국콘텐츠학회 (The Korea Contents Association)
권호 표지
DOI QR코드

DOI QR Code

그레이디언트 방향 특징을 이용한 손가락 관절문 인식

Finger-Knuckle Print Recognition Using Gradient Orientation Feature

  • 김민기 (경상대학교 컴퓨터과학과/컴퓨터정보통신연구소)
  • 투고 : 2012.09.25
  • 심사 : 2012.11.01
  • 발행 : 2012.12.28
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

생체인식(biometrics)은 인간이 갖는 신체적 특징을 활용하여 개인을 식별하는 연구로, 비밀번호나 ID카드 등의 전통적인 개인 식별 방법을 대체하거나 보완할 수 있는 방법으로 많은 관심을 받고 있다. 생체인식의 대상 중 손가락 관절문은 지문, 홍채, 귀, 장문에 비하여 비교적 최근에 연구가 시작되었다. 본 논문은 그레이디언트 방향 특징을 이용하여 손가락 관절문을 효과적으로 인식하는 방법을 제안한다. 손가락 관절문의 주요 특징은 주름의 크기와 방향으로, 이러한 특징을 안정적으로 획득하기 위하여 불균일한 조명과 낮은 대비를 개선하는 전처리를 수행한 후 그레이디언트의 방향 정보를 추출하여 특징벡터를 구성하였다. 제안된 방법의 성능을 측정하기 위하여 158명으로부터 획득한 총 790개 손가락 관절문 영상을 대상으로 실험을 수행하였다. 실험 결과 99.69%의 인식률을 얻었으며, 기존 관련 연구에 비하여 1.882라는 높은 결정계수를 보여 제안된 방법이 손가락 관절문 인식에 효과적임을 확인하였다.

Biometrics is a study of identifying individual by using the features of human body. It has been studied for an alternative or complementary method for the classical method based on password, ID card, etc. In comparison with the fingerprint, iris, ear, palmprint, finger-knuckle print has been recently studied. This paper proposes an effective method for recognizing finger-knuckle print based on the feature of Gradient orientation. The main features of finger-knuckle print are the size and direction of winkles. In order to extract these features stably, we make a feature vector consisted of Gradient orientations after the preprocessing of enhancing non-uniform brightness and low contrast. Total 790 images acquired from 158 persons have been used at the experiment for evaluating the performance of the proposed method. The experimental results show the recognition rate of 99.69% and the relatively high decidability index of 1.882. These results demonstrate that the proposed method is effective in recognizing finger-knuckle print.

키워드

참고문헌

  1. N. K. Ratha, A. Senior, and R. M. Bolle, "Automated biometrics," ICAPR 2001, LNCS Vol.2013, pp.445-453, 2001.
  2. S. Shah and A. Ross, "Iris Segmentation Using Geodesic Active Contours," IEEE Trans. on Information Forensics and Security, Vol.4, No.4, pp.824-836, 2009. https://doi.org/10.1109/TIFS.2009.2033225
  3. L. Yuan and Z. Mu, "Ear recognition based on local information fusion," Pattern Recognition Letters, Vol.33, pp.182-190, 2012. https://doi.org/10.1016/j.patrec.2011.09.041
  4. L. Zhang, L. Zhang, and D. Zhang, "Finger -knuckle-print: A new biometric identifier," 16th Infernational Conf. on Image Processing(ICIP), pp.1981-1984, 2009.
  5. A. Kumar and Y. Zhou, "Human Identification Using KnuckleCodes," BTAS '09, pp.1-6, 2009.
  6. L. Zhang, L. Zhang, D. Zhang, and H. Zhu, "Online finger-knuckle-print verification for personal authentication," Pattern Recognition, Vol.43, pp.2560-2571, 2010. https://doi.org/10.1016/j.patcog.2010.01.020
  7. A. Kumar and C. Ravikanth, "Personal Authen tication Using Finger Knuckle Surface," EEE Trans. on Information Forensics and Security, Vol.4, No.1, pp.98-110, 2009. https://doi.org/10.1109/TIFS.2008.2011089
  8. C. Ravikanth and Kumar, "Biometric Authentication Using Finger-Back Surface," Interna tional Conf. on CVPR'07, pp.1-6, 2007.
  9. H. B. Kekre and V. A. Bharadi, "Finger-Knuckle-Print Verification using Kekre's Wavelet Transform," ICWET 2011, pp.32-37, 2011.
  10. F. Bianconi and A. Fernandez, "Evaluation of the effects of Gabor filter parameters on texture classification," Pattern Recognition, Vol.40, pp.3325-3335, 2007. https://doi.org/10.1016/j.patcog.2007.04.023
  11. C. Liu, "Gabor-Based Kernel PCA with Fractional Power Polynomial Models for Face Recognition," IEEE Trans. on PAMI, Vol.26, No.5, pp.572-581, 2004. https://doi.org/10.1109/TPAMI.2004.1273927
  12. W. K. Kong, D. Zhang, and W. Li, "Palmprint feature extraction using 2-D Gaobr filters," Pattern Recognition, Vol.36, pp.2339-2347, 2003. https://doi.org/10.1016/S0031-3203(03)00121-3
  13. A. Kumar and Y. Zhou, "Personal identification using finger knuckle orientation features," Electronics Letters, Vol.45, No.20, pp.1023-1025, 2009. https://doi.org/10.1049/el.2009.1435
  14. R. Kirsch, "Computer determination of the constituent structure of biological images," Computers & Biomedical Research, Vol.4, pp.315-328, 1971. https://doi.org/10.1016/0010-4809(71)90034-6
  15. L. Huang, A. Shimizu, Y. Hagihara, and H. Kobatake, "Gradient feature extraction for classification-based face detection," Pattern Recognition, Vol.36, pp.2501-2511, 2003. https://doi.org/10.1016/S0031-3203(03)00130-4
  16. http://www4.comp.polyu.edu.hk/-csajaykr/IITD/iitd_knuckle.htm
  17. J. Daugman, "The importance of being random: statistical principles of iris recognition," Vol.36, pp.279-291, 2003. https://doi.org/10.1016/S0031-3203(02)00030-4