전통적인 지문 식별 방법은 더 작은 영역에서 특징점을 정확하게 식별하는 데 어려움을 겪을 수 있습니다.일반적으로 제한된 크기의 지문 하위 집합이 더 큰 지문 이미지의 제한된 영역에서 발견되는 경우가 일반적입니다.궁극적으로 이로 인해 일반적으로 인식 정확도가 낮아지고 범죄 현장 조사에서 수집된 증거가 약해집니다.

연구출판됨에서데이터 마이닝 및 생물정보학 국제 저널그 문제를 극복하길 희망한다.이 논문에서는 작은 지문 영역에서 작동하도록 개선된 머신 비전 기술을 소개합니다.범죄 현장 수사관이 직면한 많은 과제를 극복하고 지문 인식의 전반적인 정확성을 향상시킬 수 있습니다.동일한 기술이 생체인식 보안 시스템에도 확장될 수 있습니다.

중국 정저우 허난(Zhengzhou Henan)에 있는 허난 직업 농업 대학(Henan Vocational College of Agriculture)의 Qiqun Liu와 Tan Liu는 특히 경계 영역의 특징점 인식과 관련하여 기존 기술의 한계를 극복하기 위해 작은 영역 지문 인식에 대한 새로운 접근 방식을 도입했습니다.

새로운 접근 방식의 핵심 구성 요소는 중요한 지문 매개변수의 추정 값 분석을 제공하는 설명자입니다.이 디스크립터를 사용하여 세부적인 특징점을 추출하고 소위 주파수 필드를 설정합니다.그런 다음 이는 선명도를 높이기 위해 작은 영역의 지문 이미지를 향상시키는 데 사용될 수 있습니다.그런 다음 추가 프로세스를 통해 강화된 소영역 지문 이미지에서 세부 특징을 추출합니다.

연구원의 실험은 겉보기에 모호해 보이는 지문 이미지에서 세부적인 특징을 정확하게 추출할 수 있게 함으로써 이 방법의 효율성을 잘 보여줍니다.특히, 동일한 종류의 이미지를 제시할 때 기존 접근 방식의 훨씬 긴 시간에 비해 평균 인식 시간이 30분 남짓으로 단축되었습니다.또한 이 기술은 특징점의 보다 균일한 분포를 제공하므로 이미지 가장자리의 능선 특징을 식별하는 데 탁월합니다.

동일한 머신 비전 기술이 다음 이상으로 확장될 수 있습니다.법의학생체인식 보안 시스템의 애플리케이션에접근 제어.따라서 새로운 접근 방식으로 인한 효율성과 정확성 향상은 생체 인식 인증 시스템의 신뢰성을 향상시키는 데 사용될 수 있습니다.

추가 정보:Qiqun Liu 외, 머신 비전을 기반으로 한 작은 영역 지문에 대한 고정밀 인식 방법,데이터 마이닝 및 생물정보학 국제 저널(2024).DOI: 10.1504/IJDMB.2024.136226