패치기반 컨볼루션 뉴럴 네트워크 특징을 이용한 위조지문 검출

국문 초록 (Abstract)

최근 모바일 기기에서의 생체인증 시스템의 증가와 출입관리 시스템에서의 위조지문을 이용한 출입 기록 조작으로 인해 위조 지문 검출에 대한 논의가 다시 활발해지고 있다. 본 논문에서는 입력 지문영상을 패치들로 나누고, 각 패치들에 CNN을 적용하여 위조, 생체, 배경의 세 가지로 분류한다. 이 중 배경으로 분류된 패치들을 제외하고 위조와 생체로 분류된 패치들의 수를 세어서 더 많은 패치가 인식된 쪽으로 위조여부를 판단하게 된다. CNN에 배경 클래스를 추가하여 분류하기 때문에, 제안하는 방법은 영상분할과 같은 추가적인 전처리 과정이 필요하지 않다. 제안하는 방법은 LivDet2011, LivDet2013, LivDet2015에 대하여 실험을 진행하였으며 분류결과 3.06%의 평균 오검출을 보여 매우 우수한 성능을 나타냄을 확인하였다.

다국어 초록 (Multilingual Abstract)

Nowadays, there have been an increasing number of illegal use cases where people try to fabricate the working hours by using fake fingerprints. So, the fingerprint liveness detection techniques have been actively studied and widely demanded in various applications. This paper proposes a new method to detect fake fingerprints using CNN (Convolutional Neural Ntworks) based on the patches of fingerprint images. Fingerprint image is divided into small square sized patches and each patch is classified as live, fake, or background by the CNN. Finally, the fingerprint image is classified into either live or fake based on the voting result between the numbers of fake and live patches. The proposed method does not need preprocessing steps such as segmentation because it includes the background class in the patch classification. This method shows promising results of 3.06% average classification errors on LivDet2011, LivDet2013 and LivDet2015 dataset.

목차 (Table of Contents)

• 요약
• ABSTRACT
• Ⅰ. 서론
• Ⅱ. 관련 연구
• Ⅲ. 패치기반 CNN 위조지문 검출
• Ⅳ. 실험결과 및 분석
• Ⅴ. 결론
• References

참고문헌 (Reference)

1 A. K. Jain, "Pores and ridges : high-resolution fingerprint matching using level 3 features" 29 (29): 15-27, 2007

2 X. Jia, "Multi-scale Local Binary Pattern with Filters for Spoof Fingerprint Detection" Information Sciences 2013

3 D. Gragnaniello, "Local contrast phase descriptor for fingerprint liveness detection" 9 : 2014

4 S. B. Nikam, "Local Binary Pattern and wavelet-based spoof fingerprint detection" 1 : 141-159, 2008

5 V. Mura, "LivDet 2015 fingerprint liveness detection competition 2015" 1-6, 2015

6 L. Ghiani, "LivDet 2013 fingerprint liveness detection competition 2013" 1-6, 2013

7 D. Yambay, "LivDet 2011—Fingerprint liveness detection compe-tition 2011" 208-215, 2012

8 Y. LeCun, "Generalization and network design strategies" Connections in Perspective 1989

9 G. L. Marcialis, "First International fingerprint liveness detection competition – LivDet 2009" 12-23, 2009

10 L. Ghiani, "Fingerprint liveness detection by Local Phase Quantization" 2012

11 D. Gragnaniello, "Fingerprint Liveness Detection based on Weber Local Image Descriptor" 2013

12 R. F. Nogueira, "Fingerprint Liveness Detection Using Convolutional Neural Networks" 11 (11): 1206-1213, 2016

13 D. Baldisserra, "Fake fingerprint detection by odor analysis" Springer 265-272, 2005

14 A. Antonelli, "Fake Finger Detection by Skin Distortion Analysis" 1 (1): 360-373, 2006

15 R. F. Nogueira, "Evaluating software-based fingerprint liveness detection using convolutional net-works and local binary patterns" 2014

16 김원진, "Convolutional Neural Networks 특징을 이용한 지문 이미지의 위조여부 판별 및 시각화" 한국정보보호학회 26 (26): 1259-1267, 2016

17 M, Kiyoung, "Biometrics technology trend and prospective" 98 : 38-47,

18 A. Wiehe, "Attacking fingerprint sensors" Gjøvik University College 2004

19 P. Lapsley, "Anti-fraud biometric scanner that accurately detects blood flow"

20 D. Gragnaniello, "An investigation of local descriptors for biometric spoofing detection" 10 (10): 849-863, 2015

21 C. Wang, "A DCNN Based Fingerprint Liveness Detection Algorithm with Voting Strategy" 9428 : 241-249, 2015