論文の概要: C2CL: Contact to Contactless Fingerprint Matching
- arxiv url: http://arxiv.org/abs/2104.02811v1
- Date: Tue, 6 Apr 2021 21:52:46 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-08 12:58:12.819037
- Title: C2CL: Contact to Contactless Fingerprint Matching
- Title（参考訳）: C2CL:コンタクトレス指紋照合
- Authors: Steven A. Grosz, Joshua J. Engelsma, and Anil K. Jain
- Abstract要約: 本稿では,モバイルフィンガー写真キャプチャアプリ,プリプロセッシング,マッチングアルゴリズムを組み合わせた,C2CLと呼ばれるエンドツーエンド自動システムを提案する。
公開されている3つのデータセットに関する実験結果は、既存のコンタクト指紋マッチングシステムと同等の非接触指紋マッチング精度を初めて実証する。
- 参考スコア（独自算出の注目度）: 38.95044919159418
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Matching contactless fingerprints or finger photos to contact-based
fingerprint impressions has received increased attention in the wake of
COVID-19 due to the superior hygiene of the contactless acquisition and the
widespread availability of low cost mobile phones capable of capturing photos
of fingerprints with sufficient resolution for verification purposes. This
paper presents an end-to-end automated system, called C2CL, comprised of a
mobile finger photo capture app, preprocessing, and matching algorithms to
handle the challenges inhibiting previous cross-matching methods; namely i) low
ridge-valley contrast of contactless fingerprints, ii) varying roll, pitch,
yaw, and distance of the finger to the camera, iii) non-linear distortion of
contact-based fingerprints, and vi) different image qualities of smartphone
cameras. Our preprocessing algorithm segments, enhances, scales, and unwarps
contactless fingerprints, while our matching algorithm extracts both minutiae
and texture representations. A sequestered dataset of 9,888 contactless 2D
fingerprints and corresponding contact-based fingerprints from 206 subjects (2
thumbs and 2 index fingers for each subject) acquired using our mobile capture
app is used to evaluate the cross-database performance of our proposed
algorithm. Furthermore, additional experimental results on 3 publicly available
datasets demonstrate, for the first time, contact to contactless fingerprint
matching accuracy that is comparable to existing contact to contact fingerprint
matching systems (TAR in the range of 96.67% to 98.15% at FAR=0.01%).
- Abstract（参考訳）: 接触指紋や指紋写真と接触指紋印象とのマッチングは、接触指紋取得の衛生上の優位性や、認証目的に十分な解像度で指紋の写真を撮影できる低価格携帯電話の普及により、新型コロナウイルス(COVID-19)の影響で注目されている。
本稿では,移動式指紋撮影アプリ,前処理アルゴリズム,マッチングアルゴリズムによって構成されるC2CLと呼ばれるエンドツーエンド自動システムについて述べる。i) 接触レス指紋のローリッジ・バレーコントラスト,i) ローロール,ピッチ,ヤウ,カメラとの距離,iii) 接触型指紋の非線形歪み,vi) スマートフォンカメラの様々な画像特性について述べる。
前処理アルゴリズムのセグメンテーション、強化、スケール、アンワープ、非接触指紋、マッチングアルゴリズムはminutiaeとテクスチャの表現を抽出します。
モバイルキャプチャーアプリを用いて取得した206名(親指2本、人差し指2本)のコンタクトレス2d指紋と対応するコンタクトベース指紋9,888のデータセットを用いて,提案アルゴリズムのクロスデータベース性能を評価する。
さらに、公開されている3つのデータセットのさらなる実験結果から、コンタクト指紋マッチングシステムと同等のコンタクトレス指紋マッチングの精度(96.67%から98.15%の範囲で遠方0.01%)が証明された。
関連論文リスト
- Contactless Fingerprint Recognition Using 3D Graph Matching [12.092701535950097]
既存の非接触指紋アルゴリズムは、非接触指紋を2Dプレーン指紋として扱う。
この認識アプローチは、非接触指紋と接触指紋のモダリティ差を考慮しない。
本稿では,接触指紋の3次元特徴を捉える新しい非接触指紋認識アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-09-13T12:39:57Z) - A Robust Algorithm for Contactless Fingerprint Enhancement and Matching [7.820996917431323]
接触のない指紋画像には 4つの特徴があります
ノイズが少なく、リッジパターンの不連続も少なく、相互運用性の問題を引き起こす。
そこで本研究では,無接触指紋識別ソリューションを提案する。
論文 参考訳（メタデータ） (2024-08-18T10:01:42Z) - Deep Learning-Based Approaches for Contactless Fingerprints Segmentation
and Extraction [1.2441902898414798]
我々は,非接触指紋の局所化とセグメンテーションのためのディープラーニングベースのセグメンテーションツールを開発した。
評価では,30ピクセルの平均絶対誤差(MAE),5.92度の角度予測誤差(EAP),97.46%のラベル付け精度を示した。
論文 参考訳（メタデータ） (2023-11-26T01:56:10Z) - RidgeBase: A Cross-Sensor Multi-Finger Contactless Fingerprint Dataset [10.219621548854343]
RidgeBaseは、88人の個人から取得された15,000以上の接触のない指紋と接触ベースの指紋画像のペアで構成されている。
既存のデータセットとは異なり、RageBaseは異なるマッチングシナリオ下での研究を促進するように設計されている。
本稿では,顔認識データセットの進歩に触発されたセットベースマッチングプロトコルを提案する。
論文 参考訳（メタデータ） (2023-07-09T22:09:15Z) - A Universal Latent Fingerprint Enhancer Using Transformers [47.87570819350573]
本研究の目的は,ULPrintと呼ばれる高速なフィンガープリント方式を開発し,様々な潜伏指紋のタイプを増強することである。
クローズドセットの識別精度実験では、MSU-AFISの性能は61.56%から75.19%に向上した。
論文 参考訳（メタデータ） (2023-05-31T23:01:11Z) - FIGO: Enhanced Fingerprint Identification Approach Using GAN and One
Shot Learning Techniques [0.0]
本稿では,生成逆数ネットワークとワンショット学習技術に基づく指紋識別手法を提案する。
まず,低画質の指紋画像を,指紋強調層に直接画素を向けて高レベルの指紋画像に変換するPix2Pixモデルを提案する。
第2に,指紋識別プロセスにおいて,各指紋を他の指紋と区別するために,ワンショット学習アプローチを用いた完全自動指紋特徴抽出モデルを構築した。
論文 参考訳（メタデータ） (2022-08-11T02:45:42Z) - A review of schemes for fingerprint image quality computation [66.32254395574994]
本稿では,指紋画像品質計算における既存手法について概説する。
また、9000個の指紋画像を含むMCYTデータベースを用いて、それらの選択を実装し、テストし、比較する。
論文 参考訳（メタデータ） (2022-07-12T10:34:03Z) - On the vulnerability of fingerprint verification systems to fake
fingerprint attacks [57.36125468024803]
中規模の偽指紋データベースを記述し、2つの異なる指紋認証システムを評価する。
光およびサーマルスイーピングセンサの結果が提供される。
論文 参考訳（メタデータ） (2022-07-11T12:22:52Z) - A Comparative Study of Fingerprint Image-Quality Estimation Methods [54.84936551037727]
画質の悪い画像は、突発的で欠落した特徴をもたらし、システム全体の性能を低下させる。
本稿では,指紋画像品質評価のための既存手法について概説する。
また,指紋画像品質推定アルゴリズムの選定も行った。
論文 参考訳（メタデータ） (2021-11-14T19:53:12Z) - Latent Fingerprint Registration via Matching Densely Sampled Points [100.53031290339483]
既存の潜伏指紋登録手法は、主にミツバチ間の対応を確立することに基づいている。
本研究では,一対の指紋間の空間的変換を推定する,最小限の潜伏指紋登録手法を提案する。
提案手法は,特に挑戦的な条件下で,最先端の登録性能を実現する。
論文 参考訳（メタデータ） (2020-05-12T15:51:59Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。