Fugu-MT 論文翻訳(概要): Contactless Fingerprint Recognition Using 3D Graph Matching

論文の概要: Contactless Fingerprint Recognition Using 3D Graph Matching

arxiv url: http://arxiv.org/abs/2409.08782v1
Date: Fri, 13 Sep 2024 12:39:57 GMT
ステータス: 処理完了
システム内更新日: 2024-09-16 16:39:02.416489
Title: Contactless Fingerprint Recognition Using 3D Graph Matching
Title（参考訳）: 3次元グラフマッチングを用いた非接触指紋認識
Authors: Zhe Cui, Yuwei Jia, Siyang Zheng, Fei Su,
Abstract要約: 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。
参考スコア（独自算出の注目度）: 12.092701535950097
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Contactless fingerprint is a newly developed type of fingerprint, and has gained lots of attention in recent fingerprint studies. However, most existing contactless fingerprint algorithms treat contactless fingerprints as 2D plain fingerprints, and utilize similar recognition methods as traditional contact-based 2D fingerprints. This recognition approach does not consider the modality difference between contactless and contact fingerprints, especially the intrinsic 3D characteristic of contactless fingerprints. This paper proposes a novel contactless fingerprint recognition algorithm that captures the revealed 3D feature of contactless fingerprints rather than the plain 2D feature. The proposed method first recovers 3D features from the input contactless fingerprint, including the 3D shape model and 3D fingerprint feature (minutiae, orientation, etc.). Then, a novel 3D graph matching is conducted in 3D space according to the extracted 3D feature. Our method captures the real 3D nature of contactless fingerprints as the whole feature extraction and matching algorithms are completed in real 3D space. Experiments results on contactless fingerprint databases show that the proposed method successfully improves the matching accuracy of contactless fingerprints. Exceptionally, our method performs stably across multiple poses of contactless fingerprints due to 3D graph matching, which is a great advantage compared to previous contactless fingerprint recognition algorithms.
Abstract（参考訳）: コンタクトレス指紋は、新たに開発されたタイプの指紋であり、最近の指紋研究で多くの注目を集めている。しかし、既存の接触非接触指紋アルゴリズムは、接触非接触指紋を2Dプレーン指紋として扱い、従来の接触型2D指紋と同様の認識方法を使用している。この認識手法は,非接触指紋と接触指紋のモード差,特に非接触指紋の内在的な3D特性を考慮しない。本稿では,非接触指紋の3次元特徴を,通常の2次元特徴ではなく,非接触指紋の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。提案手法は,入力された非接触指紋から,まず3次元形状モデルと3次元指紋特徴(ミニチュア,オリエンテーションなど)を含む3次元特徴を復元する。そして、抽出した3D特徴に応じて、新しい3Dグラフマッチングを3D空間で行う。本手法は,特徴抽出とマッチングアルゴリズムが実際の3次元空間で完備しているため,非接触指紋の実際の3次元特性をキャプチャする。接触指紋データベースを用いた実験結果から,接触指紋の一致精度の向上に成功していることがわかった。例外的に,本手法は,従来の非接触指紋認識アルゴリズムよりも優れた3次元グラフマッチングにより,複数の非接触指紋のポーズに対して安定に動作する。

関連論文リスト

Pose-Specific 3D Fingerprint Unfolding [34.16169623776737]
3D指紋を従来の2D平面指紋と互換性を持たせるために、一般的には3D指紋を2Dロール指紋に展開する。この方法の問題点は、展開された転がり指紋と平らな指紋との間に大きな弾性変形がある可能性があることである。平面指紋と同じポーズを用いて3次元指紋を展開させるために,ポーズ特異的な3次元指紋展開アルゴリズムを提案する。
論文参考訳（メタデータ） (2024-04-26T04:44:23Z)
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)
RFDforFin: Robust Deep Forgery Detection for GAN-generated Fingerprint Images [45.73061833269094]
本稿では,GAN生成画像の独自の隆起特性と生成アーティファクトを組み合わせた指紋画像に対する最初の深部偽造検出手法を提案する。提案手法は,低複雑性で有効かつ堅牢である。
論文参考訳（メタデータ） (2023-08-18T04:05:18Z)
Advancing 3D finger knuckle recognition via deep feature learning [51.871256510747465]
接触のない3Dフィンガーナックルパターンは、識別性、距離からの視認性、利便性、利便性により、効果的な生体認証として出現している。近年、ディープニューラルネットワークの中間機能を複数のスケールで同時に組み込むディープ・フィーチャー・コラボレーティブ・ネットワークが開発されている。本稿では,3次元指のナックル画像を表現するために,最小次元の識別特徴ベクトルを学習する可能性を検討することにより,本手法を推し進める。
論文参考訳（メタデータ） (2023-01-07T20:55:16Z)
Hierarchical Perceptual Noise Injection for Social Media Fingerprint Privacy Protection [106.5308793283895]
ソーシャルメディアからの指紋漏洩は画像を匿名化したいという強い欲求を喚起します指紋漏洩を保護するために、画像に知覚不能な摂動を加えることにより、敵攻撃が解決策として現れる。この問題を解決するために,階層型パーセプティカルノイズ注入フレームワークであるFingerSafeを提案する。
論文参考訳（メタデータ） (2022-08-23T02:20:46Z)
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)
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)
Monocular 3D Fingerprint Reconstruction and Unwarping [36.50244665233824]
本研究では,1つの画像から3次元指の形状を再構成し,視点歪みを抑制するための学習ベース形状を提案する。接触のない指紋データベース実験の結果,提案手法は3次元再構成精度が高いことがわかった。
論文参考訳（メタデータ） (2022-05-02T15:09:05Z)
C2CL: Contact to Contactless Fingerprint Matching [38.95044919159418]
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。
論文参考訳（メタデータ） (2021-04-06T21:52:46Z)
Responsible Disclosure of Generative Models Using Scalable Fingerprinting [70.81987741132451]
深層生成モデルは質的に新しいパフォーマンスレベルを達成した。この技術がスプーフセンサーに誤用され、ディープフェイクを発生させ、大規模な誤情報を可能にするという懸念がある。最先端のジェネレーションモデルを責任を持って公開することで、研究者や企業がモデルに指紋を刻むことができます。
論文参考訳（メタデータ） (2020-12-16T03:51:54Z)
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。