Advanced

Fingerprint Matching - Hard Cases

Karlsson, Alexander LU and Hagel, Johan (2016) In Master's Theses in Mathematical Sciences FMA820 20161
Mathematics (Faculty of Engineering)
Abstract (Swedish)
Today fingerprint matching software is widely used in applications such as mobile phones. Software for enrollment and verification of fingerprints is usually designed to work for "good" fingerprints, meaning that the fingerprint matching algorithms use minutiae locations. When such information is scarce due to scars, blisters or other damages, the algorithms do not work very well. In this work we demonstrate that gray scale matchers based on interest point detection and extracted local information can be used for matching fingerprints in such cases. Matchers with eigenvalue corner detection such as the Harris- and Shi and Tomasi- corner detectors has resulted in a matching performance of 5.92% false reject rate (FRR), which is a 0.97%... (More)
Today fingerprint matching software is widely used in applications such as mobile phones. Software for enrollment and verification of fingerprints is usually designed to work for "good" fingerprints, meaning that the fingerprint matching algorithms use minutiae locations. When such information is scarce due to scars, blisters or other damages, the algorithms do not work very well. In this work we demonstrate that gray scale matchers based on interest point detection and extracted local information can be used for matching fingerprints in such cases. Matchers with eigenvalue corner detection such as the Harris- and Shi and Tomasi- corner detectors has resulted in a matching performance of 5.92% false reject rate (FRR), which is a 0.97% improvement on the given database. Combining a gray scale matcher with an ordinary matcher can further reduce the FRR down to 2.54% and suggests that combining algorithms will result in a more secure system. (Less)
Popular Abstract (Swedish)
Matchning av fingeravtryck med varierande defekter.

Modern mjukvara för matchning av fingeravtrycksdata är ofta baserade på minutia-punkter. Ett problem introduceras då ett fingeravtryck med defekter registreras. Arbetet visar hur man kan matcha fingeravtryck genom att jämföra lokal gråskale-data.

Antalet produkter där en användare registrerar ett eller flera fingeravtryck för ändamålet att ge tillträde till något system som ersättning eller komplement till pin-kod har under de senaste åren ökat. Vi har sett att flera olika mobiltelefontillverkare stödjer denna typ av skydd och är idag nästintill standard.

Konventionella algoritmer för extrahering och verifiering av fingeravtrycksdata är traditionellt baserade på minutia-punkter... (More)
Matchning av fingeravtryck med varierande defekter.

Modern mjukvara för matchning av fingeravtrycksdata är ofta baserade på minutia-punkter. Ett problem introduceras då ett fingeravtryck med defekter registreras. Arbetet visar hur man kan matcha fingeravtryck genom att jämföra lokal gråskale-data.

Antalet produkter där en användare registrerar ett eller flera fingeravtryck för ändamålet att ge tillträde till något system som ersättning eller komplement till pin-kod har under de senaste åren ökat. Vi har sett att flera olika mobiltelefontillverkare stödjer denna typ av skydd och är idag nästintill standard.

Konventionella algoritmer för extrahering och verifiering av fingeravtrycksdata är traditionellt baserade på minutia-punkter som kan variera i mängd. Om man studerar sina egna fingeravtryck kan man hitta dessa punkter t.ex. där linjer avslutas eller där en linje delar på sig. Ett problem uppstår då en person vill registrera ett fingeravtryck med defekter som ärr och blåsor. Dessa defekter kommer att minska möjligheten att hitta minutia-punkter och därmed sabotera för algoritmerna.

För att förbättra prestandan för fingeravtryck med defekter har en mängd olika detektorer och deskriptorer anpassade för fingeravtryck utvärderats. En detektors uppgift är att hitta punkter med intressant information och en deskriptor extraherar data runt denna punkt som sedan kan jämföras vid matchning. Ju intressantare information desto lättare och bättre matchning kan man säga.

I vårt arbete har vi visat att detektorer som är anpassade för att hitta hörn är bäst lämpade. En sådan detektor arbetar bäst i kombination med en deskriptor som mäter förekomster av vinklar runt punkten. Matchningen går enkelt ut på att jämföra deskriptorerna och utesluta de som matchar dåligt.

Med ovanstående beskriven metod har vi lyckats nå en prestanda som har överträffat de konventionella algoritmerna på den givna databasen. Prestandan mäts genom att studera kvoten mellan felaktiga refuserade mot felaktiga accepterade. Vidare har studier gjorts på att kombinera en gråskale- och en minutia-matchare, vilket innebar över en halvering av kvoten. Vi tror ett system med en primär minutia-matchare som är assisterad av en gråskalematchare vid specialbehov kommer fungera bäst. (Less)
Please use this url to cite or link to this publication:
author
Karlsson, Alexander LU and Hagel, Johan
supervisor
organization
alternative title
Matchning av fingeravtryck - svåra fall
course
FMA820 20161
year
type
H2 - Master's Degree (Two Years)
subject
keywords
Interest point, descriptor, matching, gray scale matcher, false reject rate.
publication/series
Master's Theses in Mathematical Sciences
report number
LUTFMA-3301-2016
ISSN
1404-6342
other publication id
2016:E38
language
English
id
8888780
date added to LUP
2016-08-23 11:00:54
date last changed
2016-08-23 11:00:54
@misc{8888780,
  abstract     = {Today fingerprint matching software is widely used in applications such as mobile phones. Software for enrollment and verification of fingerprints is usually designed to work for "good" fingerprints, meaning that the fingerprint matching algorithms use minutiae locations. When such information is scarce due to scars, blisters or other damages, the algorithms do not work very well. In this work we demonstrate that gray scale matchers based on interest point detection and extracted local information can be used for matching fingerprints in such cases. Matchers with eigenvalue corner detection such as the Harris- and Shi and Tomasi- corner detectors has resulted in a matching performance of 5.92% false reject rate (FRR), which is a 0.97% improvement on the given database. Combining a gray scale matcher with an ordinary matcher can further reduce the FRR down to 2.54% and suggests that combining algorithms will result in a more secure system.},
  author       = {Karlsson, Alexander and Hagel, Johan},
  issn         = {1404-6342},
  keyword      = {Interest point,descriptor,matching,gray scale matcher,false reject rate.},
  language     = {eng},
  note         = {Student Paper},
  series       = {Master's Theses in Mathematical Sciences},
  title        = {Fingerprint Matching - Hard Cases},
  year         = {2016},
}