Pose-Robust Finger Identification Based on Mutual Region Alignment and Minimum Convolution Point Feature
Dit artikel stelt een nieuw houdingsrobuust framework voor vingerafvidentificatie voor dat wederzijdse regio-uitlijning, minimum convolutiepunt kenmerklering en gewogen scorefusie integreert om effectief prestatievermindering veroorzaakt door longitudinale rotatie en niet-rigide deformaties in contactloze vingerafbeeldingen aan te pakken, waarbij de state-of-the-art resultaten over vier publieke datasets wordt behaald.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je probeert je telefoon te ontgrendelen met je vingerafdruk. Normaal gesproken leg je je vinger gewoon plat op het glas, en de scanner leest de groeven. Maar wat als je je vinger in de lucht houdt, zoals wanneer je naar een ster wijst, zonder iets aan te raken? Dit wordt "contactloos" scannen genoemd, en het is de toekomst van beveiliging omdat het hygiënischer en sneller is. Er is echter een addertje onder het gras: wanneer je je vinger in de lucht houdt, is deze wiebelig. Je kunt hem lichtjes draaien, of je vinger kan een beetje buigen. Dit draaien is als het spinnen van een worst op een tafel; het deel van de worst dat de camera ziet, verandert volledig afhankelijk van hoe je hem spint. Als de camera elke keer een ander plakje van je vinger ziet, raakt de computer in de war en denkt hij dat je een vreemde bent. Dit artikel pakt dat specifieke probleem aan: hoe je een vinger kunt herkennen, zelfs wanneer deze in de lucht draait, buigt of spint.
De onderzoekers van Guizhou Minzu University en een energiebedrijf in China hebben een nieuw systeem gebouwd om dit "wiebelige vinger"-probleem op te lossen. Ze noemen hun methode een "pose-robust" framework, wat gewoon een chique manier is om te zeggen dat het werkt, ongeacht hoe je je vinger houdt. Ze realiseerden zich dat wanneer een vinger draait, de camera een rommelige bende ziet waarbij de bovenkant van de vinger in de ene foto de middenkant kan zijn in de volgende. Om dit op te lossen, hebben ze een driedelige magische truc uitgevonden. Eerst gebruiken ze een "mutual region extraction" strategie. Stel je twee mensen voor die kaarten van dezelfde stad omhoog houden, maar de ene kaart is naar boven verschoven en de andere naar beneden. De computer zoekt naar het deel van de stad dat op beide kaarten verschijnt en snijdt de rest weg, zodat ze perfect op elkaar aansluiten en overeenkomen. Ten tweede gebruiken ze een "minimum convolution point feature" om de unieke, bobbelige randen van je vinger te vinden die niet veranderen, zelfs niet als de vinger indrukt of buigt. Ten slotte combineren ze dit structurele "skelet" van de vinger met een "textuur" scan (het kijken naar de huidpatronen) met behulp van een weighted score fusion, een beetje zoals een rechter die punten geeft voor zowel de vorm van een danser als het patroon van hun kostuum om te beslissen wie wint.
Het team heeft hun nieuwe systeem getest op vier verschillende openbare databases met duizenden vingerafbeeldingen, waaronder enkele waarbij mensen hun vingers tot 80 graden hadden gedraaid. De resultaten waren indrukwekkend. Door hun uitlijningstruc te gebruiken, hebben ze de foutmarge aanzienlijk verminderd. Op een dataset genaamd SDUMLA-HMT verlaagde hun methode bijvoorbeeld de foutmarge (EER) van 4,45% naar slechts 1,54% wanneer ze al hun technieken combineerden. Op een andere dataset, MMCBNU_6000, daalde de foutmarge naar een minieme 0,05%. Ze ontdekten dat hun methode niet alleen nauwkeuriger was dan oudere technieken, maar ook sneller, waarbij het slechts 19 milliseconden duurde om een afbeelding te verwerken, vergeleken met 35 milliseconden voor een concurrerende methode. Het artikel suggereert dat door zich te concentreren op het uitlijnen van de overlappende delen van de vinger en de delen te negeren die door de draaiing zijn afgesneden, ze contactloze beveiliging veel betrouwbaarder kunnen maken. Ze concluderen dat hoewel hun systeem momenteel het beste is in het afhandelen van draaiingen, toekomstig werk zal proberen om vingers te behandelen die ook zijwaarts gekanteld of omhoog en omlaag gepitcht zijn, waardoor het beveiligingssysteem robuust wordt tegen elke manier waarop je je hand houdt.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.