Efficient Biometric Identification in Large-Scale Palm ... Efficient Biometric Identification in

download Efficient Biometric Identification in Large-Scale Palm ... Efficient Biometric Identification in

of 189

  • date post

    16-Feb-2019
  • Category

    Documents

  • view

    221
  • download

    1

Embed Size (px)

Transcript of Efficient Biometric Identification in Large-Scale Palm ... Efficient Biometric Identification in

Hochschule DarmstadtFachbereich Informatik

Efficient Biometric Identification in Large-ScalePalm Vein Databases

Abschlussarbeit zur Erlangung des akademischen GradesMaster of Science (M.Sc.)

vorgelegt von

Benedikt-Alexander Mokro725215

Referent: Prof. Dr. Christoph BuschKorreferent: Prof. Dr. Christoph WentzelKorreferent: MSc. Pawel Drozdowski

Ausgabedatum: 01.06.2017Abgabedatum: 01.12.2017

ii

Erkrung

Ich versichere hiermit, dass ich die vorliegende Arbeit selbstndig verfasst und keine anderenals die im Literaturverzeichnis angegebenen Quellen benutzt habe. Alle Stellen, die wrtlichoder sinngem aus verffentlichten oder noch nicht verffentlichten Quellen entnommen sind,sind als solche kenntlich gemacht. Die Zeichnungen oder Abbildungen in dieser Arbeit sindvon mir selbst erstellt worden oder mit einem entsprechenden Quellennachweis versehen. DieseArbeit ist in gleicher oder hnlicher Form noch bei keiner anderen Prfungsbehrde eingereichtworden.

Darmstadt, den 01.12.2017 Benedikt-Alexander Mokro

iii

Abstract (English)

With the increasing number and size of biometric systems around the world, biometric databa-ses are rapidly growing. Biometric systems use measurable and distinctive human characteristicsfor the purpose of automatised recognition or identity verification tasks. This thesis aims tocontribute to the research in the area of biometric workload reduction in open-set identificationscenarios in large-scale palm vein databases. The palm vein as a biometric characteristic is verydifficult to obtain a copy from without notice of the individual and it records a steady growthin biometric market share. Therefore, it has been selected as the biometric characteristic forthis project.

The main research in this thesis was carried out using a biometric indexing approach basedon Bloom filters and binary search trees, which has already been successfully applied for theiris characteristic. To transform the extracted palm vein patterns in a Bloom filter compatiblerepresentation, an approach based on Fourier transformations has been chosen. This representa-tion was introduced for the fingerprint characteristic using defined reference points as an input.A so-called feature extraction pipeline is proposed that extracts such reference points and yieldsthem in a usable form for further processing. This system has shown an acceptable biometricperformance and a high workload reduction, as well as showing a drastic speed improvementcompared to conventional pattern affinity approaches.In addition to the Bloom filter-indexing approach, a less complex indexing approach used waspresented, merely employing the Spectral Minutiae Representation used, utilising binary searchtrees. The presented system adopts optimisation approaches presented for the Bloom filter bi-nary search trees and achieves a higher biometric performance than the Bloom filter-indexingapproach while sacrificing a small amount of workload reduction. To the best of the authorsknowledge, this is the first study of such an indexing approach using the selected representation.

It was discovered that the high fuzziness of palm vein imaging impairs the biometric per-formance of the base representation and thus also impairs the biometric performance of theindexing approaches. Facing the acceptable but not excellent biometric performance, promisingfurther research topics are presented, whereby their recorded biometric performance resultsshow promise and open new possible avenues of research in this area.

iv

Abstract (German)

Mit der international steigenden Anzahl an biometrischen Systemen, deren immer grerenausmaen und deren zunehmenden Einsatzbereichen, resultierend aus zunehmender Akzeptanzund zunehmenden Vertrauen in die Biometrie, steigt auch die Anzahl an immer greren, bio-metrischen Datenbanken. Biometrische Systeme nutzen mess- und bestimmbare Eigenschaftenbzw. Charakteristiken des menschlichen Krpers um dessen Identitt zu bestimmen oder zu ve-rifizieren. Der Betrieb solcher enormen biometrischen Systeme bentigt auerordentlich starkeRechenkapazitten um eine fr die Benutzer akzeptable Zugriffszeit zu gewhrleisten. Deswegenzielt diese Thesis darauf ab, einen Teil zu der Forschung im Gebiet der Effizienzsteigerung frbiometrische Systeme im Identifikationsbetrieb beizutragen. Als zentrale biometrisches Charak-teristikum wurde die Handvene ausgewhlt, da diese unter anderem sehr schwer unbeobachtetzu erfassen ist und der Marktanteil an Handvenensystemen stetig wchst.

Die Kernthemen der Forschung wurden mittels eines biometrischen Indizierungsverfahrensauf Basis von Bloom Filtern und binren Suchbumen analysiert, welches bereits erfolgreichfr die Iris getestet wurde. Um die Handvenenstruktur in eine Bloom Filter kompatible Dar-stellung zu berfhren, wurde eine fr Fingerabdrcke entworfene Darstellung auf Basis vonFouriertransformationen ausgewhlt. Fr diesen Schritt wird eine eigens entworfene Bildverar-beitungspipeline vorgestellt, die die Handvenenstruktur in ein fr die Fouriertransformationengeeigente Darstellung konvertiert. Die erziehlte Erkennungsleistung in den Ergebnissen ist ak-zeptabel und das System weist eine hohe Effizienz auf.Neben der Indizierung mittels Bloom Filtern wurde eine weniger komplexe Indizierungsmethodevorgestellt, welche sich nur auf die Darstellung nach den Fouriertransformationen und binrenSuchbumen sttzt. Die vorgestellte Methode nutzt Optimierungen im Suchvorgang, wie sieim Bloom Filter System eingesetzt werden, und erziehlt dabei eine bessere Erkennungsleistungbei minimal niedrigerer Effizienz als das Bloom Filter System. Diese Methode ist nach bestenWissen und Gewissen erstmalig in dieser Thesis vorgestellt und erprobt worden.

Es stellte sich heraus, dass die Fouriertransformationen mit der Unschrfe der Handvenennicht ideal funktioniert, was die Erkennungsleistung des Systems reduziert. Im Hinblick auf dieakzeptable, jedoch nicht ideale, Erkennungsleistung wurden vielversprechende weiterfhrendeForschungsanstze vorgestellt. Die erfolgversprechenste Methode wurde dargestellt.

v

Acknowledgements

I would like to thank my supervisors Professor Christoph Busch and Professor ChristophWentzel for making this project possible and for the excellent communication, guidance andadvice throughout the entire project period. I am especially grateful to M.Sc. Pawel Drozdowskifor the day-to-day supervision and feedback. I also thank Doctor Alexander W. Lenhardt forsupplying me with hardware, office space, time and everything I needed during the entire pro-ject. I owe my gratitude to Myriam Hilfenhaus for her moral support and her effort to providestability and harmony for me.

Portions of the research in this paper use the CASIA-MS-PalmprintV1 collected by theChinese Academy of Sciences Institute of Automation (CASIA) as well as The Hong KongPolytechnic University (PolyU) Multispectral Palmprint Database and the PUT Vein Databaseby the Poland Institute of Control and Information Engineering. The sources of the re-usedimages are attributed directly in the text. The data processing and visualisation in this projectwas done using the OpenCV software library.

vi

Contents

1 Introduction 11.1 Thesis Contribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21.2 Thesis Organisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

2 Biometric System Fundamentals 32.1 Veins as a Biometric Characteristic . . . . . . . . . . . . . . . . . . . . . . . . . 32.2 Generic Biometric System . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

2.2.1 Workflow . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72.2.2 Subsystems in this thesis . . . . . . . . . . . . . . . . . . . . . . . . . . . 92.2.3 Operation Modes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92.2.4 Template protection requirements . . . . . . . . . . . . . . . . . . . . . . 11

2.3 Chapter Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

3 Related Work 133.1 Vascular Biometric Systems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133.2 Workload Reduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

3.2.1 Serial combination of algorithms . . . . . . . . . . . . . . . . . . . . . . 153.2.2 Classification, Clustering and Binning . . . . . . . . . . . . . . . . . . . 153.2.3 Indexing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

3.3 Chapter conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

4 Palm Vein Feature Detection 184.1 Recommendations for high-quality vascular imaging . . . . . . . . . . . . . . . . 194.2 ROI Detection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204.3 Image Enhancement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

4.3.1 Non-Local Means . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224.3.2 Non-Linear Diffusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

4.4 Vein Detection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244.5 Minutiae . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254.6 Chapter Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

vii

5 Spectral Minutiae Representation 275.1 Spectral Minutiae . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

5.1.1 Spectral Minutiae Location Representation . . . . . . . . . . . . . . . . . 285.1.2 Spectral Minutiae Orientation Representation . . . . . . . . . . . . . . . 295.1.3 Spectral Minutiae Complex Representation . . . . . . . . . . . .