論文の概要: A B-Spline Function Based 3D Point Cloud Unwrapping Scheme for 3D Fingerprint Recognition and Identification

• arxiv url: http://arxiv.org/abs/2604.16546v1
• Date: Fri, 17 Apr 2026 06:09:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.064692
• Title: A B-Spline Function Based 3D Point Cloud Unwrapping Scheme for 3D Fingerprint Recognition and Identification
• Title（参考訳）: B-Spline関数を用いた3次元指紋認識と同定のための3次元点群アンラッピング方式
• Authors: Mohammad Mogharen Askarin, Jiankun Hu, Min Wang, Xuefei Yin, Xiuping Jia,
• Abstract要約: 3次元(3D)の指紋認識と識別は、従来の2次元(2D)認識システムよりもいくつかの利点がある。 本稿では, 高さ変動を緩和するために, B-スプライン曲線フィッティングを用いて, 3次元点雲として表現された3次元指紋を解き放つ手法を提案する。 未開点雲は、点の相対的な高さをマッピングすることで、グレースケールのイメージに変換される。
• 参考スコア（独自算出の注目度）: 24.077208716307947
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Three-dimensional (3D) fingerprint recognition and identification offer several advantages over traditional two-dimensional (2D) recognition systems. The contactless nature of 3D fingerprints enhances hygiene and security, reducing the risk of contamination and spoofing. In addition to surface ridge and valley patterns, 3D fingerprints capture depth, curvature, and shape information, enabling the development of more precise and robust authentication systems. Despite recent advancements, significant challenges remain. The topological height of fingerprint pixels complicates the extraction of ridge and valley patterns. Furthermore, registration issues limit the acquisition process, requiring consistent direction and orientation across all samples. To address these challenges, this paper introduces a method that unwraps 3D fingerprints, represented as 3D point clouds, using B-spline curve fitting to mitigate height variation and reduce registration limitations. The unwrapped point cloud is then converted into a grayscale image by mapping the relative heights of the points. This grayscale image is subsequently used for recognition through conventional 2D fingerprint identification methods. The proposed approach demonstrated superior performance in 3D fingerprint recognition, achieving Equal Error Rates (EERs) of 0.2072%, 0.26%, and 0.22% across three experiments, outperforming existing methods. Additionally, the method surpassed 3D fingerprint flattening technique in both recognition and identification during cross-session experiments, achieving an EER of 1.50% when fingerprints with varying registrations were included.
• Abstract（参考訳）: 3次元(3D)の指紋認識と識別は、従来の2次元(2D)認識システムよりもいくつかの利点がある。 3D指紋の接触のない性質は衛生と安全性を高め、汚染や密封のリスクを低減させる。 表面隆起や谷のパターンに加えて、3D指紋は深度、曲率、形状情報を捉え、より正確で堅牢な認証システムの開発を可能にする。 近年の進歩にもかかわらず、大きな課題が残っている。 指紋のトポロジカルな高さは、尾根や谷パターンの抽出を複雑にする。 さらに、登録問題は、すべてのサンプルに対して一貫した方向と方向を必要とする、取得プロセスを制限する。 これらの課題に対処するため,本研究では,高さ変動を緩和し,登録制限を低減するために,Bスプライン曲線フィッティングを用いて3次元点雲として表現された3次元指紋を解き放つ手法を提案する。 未開点雲は、点の相対的な高さをマッピングすることで、グレースケールのイメージに変換される。 このグレースケール画像は、その後、従来の2D指紋識別方法を通じて認識に使用される。 提案手法は3次元指紋認証において, 0.2072%, 0.26%, 0.22%のEER(Equal Error Rates)を達成し, 既存手法よりも優れた性能を示した。 さらに, 3次元指紋平滑化技術は, クロスセッション実験における認識と識別の両面において, 異なる登録の指紋を含む場合のEERを1.50%達成した。

関連論文リスト

• FingerSplat: Contactless Fingerprint 3D Reconstruction and Generation based on 3D Gaussian Splatting [24.010110861990373]
  我々は3Dガウススプラッティングを統合した新しい非接触型指紋3Dレジストレーション・再構築・生成フレームワークを提案する。 3D指紋登録、再構築、生成の実験により、2D画像から3D指紋を正確に調整、再構成できることが証明された。
  論文  参考訳（メタデータ） (2025-09-19T06:18:08Z)
• Improving Contactless Fingerprint Recognition with Robust 3D Feature Extraction and Graph Embedding [23.33126224671051]
  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。 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)
• 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)
• 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)
• 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)
• 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)
• Robust Face-Swap Detection Based on 3D Facial Shape Information [59.32489266682952]
  顔のスワップ画像やビデオは、悪意ある攻撃者を惹きつけ、重要な人物の信用を損ねている。 以前のピクセルレベルのアーティファクトに基づく検出技術は、常に不明瞭なパターンにフォーカスするが、利用可能なセマンティックなヒントは無視する。 キーフィギュアの顔・スワップ検出のための外観・形状特徴をフル活用するための生体情報に基づく手法を提案する。
  論文  参考訳（メタデータ） (2021-04-28T09:35:48Z)
• Artificial Fingerprinting for Generative Models: Rooting Deepfake Attribution in Training Data [64.65952078807086]
  光現実性画像生成は、GAN(Generative Adversarial Network)のブレークスルーにより、新たな品質レベルに達した。 しかし、このようなディープフェイクのダークサイド、すなわち生成されたメディアの悪意ある使用は、視覚的誤報に関する懸念を提起する。 我々は,モデルに人工指紋を導入することによって,深度検出の積極的な,持続可能なソリューションを模索する。
  論文  参考訳（メタデータ） (2020-07-16T16:49:55Z)
• Differential 3D Facial Recognition: Adding 3D to Your State-of-the-Art 2D Method [90.26041504667451]
  能動照明を応用して最先端の2D顔認証手法を3次元特徴量で拡張できることが示唆された。 提案手法は顔認識性能を大幅に向上させ,スプーフィング攻撃に対するロバスト性を劇的に向上させる。
  論文  参考訳（メタデータ） (2020-04-03T20:17:14Z)
• Deep Spatial Gradient and Temporal Depth Learning for Face Anti-spoofing [61.82466976737915]
  深層学習は、顔の反偽造の最も効果的な方法の1つとして証明されている。 2つの洞察に基づいて,複数フレームからの提示攻撃を検出する新しい手法を提案する。 提案手法は,5つのベンチマークデータセットの最先端結果を実現する。
  論文  参考訳（メタデータ） (2020-03-18T06:11:20Z)

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。