The Journal of the Korea Contents Association (한국콘텐츠학회논문지)

The Korea Contents Association (한국콘텐츠학회)
권호 표지
DOI QR코드

DOI QR Code

Fingerprint Information Masking Algorithm By Using Multiple LBP Features

다중 LBP 피처를 이용한 지문 정보 마스킹 알고리즘

  • Received : 2017.10.25
  • Accepted : 2017.12.15
  • Published : 2017.12.28
Download PDF
⟨ Previous Next ⟩

Abstract

Financial service commission notified that fingerprint information of their documents should be deleted till 2019 to the financial industry and the public institution. Business solutions for fingerprint detection and masking in document images are introduced. In this paper, a fingerprint information masking algorithm is proposed by using the multiple LBP features to extract fingerprint's intrinsic characteristics for artificial neural network decision whether the candidate is a true fingerprint or not after segmentation of versatile fingerprint candidates from a document image. The experimental results of the proposed fingerprint masking algorithm for 3,497 document images that are saved in a financial industry show that 96.4% of fingerprint information is masked, hence this fingerprint masking algorithm can be used efficiently in real fingerprint masking tasks.

금융위원회는 2019년도까지 금융기관 및 공공기관 등에서 보유하고 있는 문서에서 지문 정보를 폐기 조치하라고 통보했다. 이를 위해 문서 영상에서 지문 정보를 검출하고 마스킹하기 위한 상용 솔루션들이 발표되고 있다. 본 논문에서는 문서 영상에 다양한 형태로 기록된 지문 후보들을 분할한 다음 인공신경망 분류기로 지문인지 여부를 판단할 때 지문의 특징이 잘 반영된 피처를 추출하기 위해 다중 LBP 피처를 설계하고 이를 이용해서 지문 정보를 마스킹하는 알고리즘을 제안하였다. 제안한 지문 정보 마스킹 알고리즘을 이용하여 금융권에서 보유하고 있는 3,497장의 문서 영상을 대상으로 지문 마스킹 실험을 수행한 결과 96.4%의 지문을 마스킹 할 수 있어서 본 알고리즘이 실제 지문 정보 마스킹 작업에 효과적으로 활용될 수 있음을 확인하였다.

Keywords

References

  1. http://www.etnews.com/20170323000102.
  2. https://www.slideshare.net/leeyoushin/privacyocr
  3. P. Viola and M. Jones, "Rubust Real-Time Face Detection," International Journal of Computer Vision, Vol.57, No.2, pp.137-154, 2004. https://doi.org/10.1023/B:VISI.0000013087.49260.fb
  4. T. Ojala and M. Pietikainen, "Multiresolution Gray-Scale and Rotation Invariant Texture Classification with Local Binary Patterns," IEEE Trans. on Pattern Analysis and Machine Intelligent, Vol.24, No.7, pp.971-987, 2002. https://doi.org/10.1109/TPAMI.2002.1017623
  5. V. Papavassiliou, T. Stafylaskis, V. katsouros, and G. Carayannis, "Handwritten Document Image Segmentation into Text Lines and Words," Pattern Recognition, Vol.43, pp.369-377, 2010. https://doi.org/10.1016/j.patcog.2009.05.007
  6. R. Londhe and V. Pawar, "Analysis of Facial Expression Using LBP and Artificial Neural Network," International Journal of Computer Application, Vol.44, No.21, pp.44-49, 2012.
  7. O. Nikisins and M. Grreitans, "Local Binary Patterns and Neural Network Based Technique for Robust Face Detection and Localization," International Conf. of BIOSIG, pp.1-6, 2012.
  8. G. Panchal, A. Ganatra, P. Shan, and D. Panchal, "Determination of Over-learning and Over-fitting Problem in Backpropagation Neural Network," International Journal of Soft Computing, Vol.2, No.2, pp.40-51, 2011. https://doi.org/10.5121/ijsc.2011.2204
  9. N. Nikolaos and V. Dimitrios, "A Binarization Algorithm for Historical Manuscripts," 12th WSEAS International Conf. on Communication, Heraklion, Greece, pp.41-51, 2008.