Extraction of unrestricted palm patterns in a 3D environment and its application in biometrics


BAYKAL E., EKİNCİ M.

Signal Processing and Communications Applications Conference (SIU), 2015 23th, Malatya, Turkey, 16 - 19 May 2015, pp.1749-1752

  • Publication Type: Conference Paper / Full Text
  • City: Malatya
  • Country: Turkey
  • Page Numbers: pp.1749-1752

Abstract

With the increase of the studies on palmprint recognition for the last 10 years, they are faced with the problems that arise from unrestricted pose (different angles and distances) of the biometrics. In this study, on the purpose of increase recognition success on palmprint recognition systems, a new approach based on geometric correction of palm region's pose is presented and system success is analyzed using current approaches. Hand's 3D pose is determined using depth information which is based on detection of matching points and camera calibration and image is transformed 2D plane with geometric image transformations. Unrestricted palm pattern selection is performed with Active Appearance Model (AAM) on images transformed 2D plane. In this study, 86% recognition performance is achieved on unrestricted but uncorrected patterns. With the proposed method, the recognition performance on palmprint patterns, which are calculated from the same palmprint images by 3D pose estimation and correction, has risen to 93%.

Avuç izi tanıma ile ilgili yapılan çalışmaların son 10 yıldır artış göstermesiyle birlikte biyometriğin kısıtlamasız duruşundan (farklı açılar ve uzaklıklar) kaynaklanan sorunlarla karşılaşılmıştır. Bu çalışmada, temassız ve kısıtlamasız avuç izi kimliklendirme sistemlerindeki tanıma başarısının arttırılması amacıyla avuç bölgesi duruşunun geometrik düzeltilmesine dayalı yeni bir yaklaşım sunulmuş ve güncel yaklaşımlar kullanılarak sistem başarısı analiz edilmiştir. İki farklı kameradan alınan imgelerde ortak özellik noktası tespiti ve kamera kalibrasyonuna dayalı üretilen derinlik bilgisi kullanılarak elin 3B duruşu elde edilmiş ve geometrik görüntü dönüşümleri ile imge 2B koordinat düzlemine taşınmıştır. 2B düzleme taşınmış imge verilerinde Aktif Görünüm Modeli (AGM) ile kısıtlamasız avuç örüntüsü seçimi gerçekleştirilmiştir. Çalışmamızda kısıtlamasız ancak 3B duruş tespit edilerek düzeltilmemiş avuç izi örüntüleri kullanılarak %86 tanıma başarısı elde edilmiştir. Önerilen yöntem ile aynı avuç izi imgelerinden 3B duruş tespit edilerek ve düzeltme uygulanarak elde edilen örüntüler ile tanıma başarısı %93'e yükselmiştir.