一种用于可撤销多生物特征验证的新型分数层与决策层混合融合方案
计算机视觉与模式识别
2018-10-23 v1
摘要
尽管基于生物特征的认证系统有诸多益处，但由于生物数据对离群值敏感、类内变异导致的低性能以及信息泄露引起的隐私侵犯，仍有一些担忧被提出。为解决这些问题，我们提出一种混合融合框架，其中仅组合受保护模态以满足保密性与性能提升的要求。本文提出一种利用基于均值闭包加权 (MCW) 分数层和基于 Dempster-Shafer (DS) 理论的决策层融合来整合可撤销模态（虹膜与指纹）的方法，以缓解单独分数或决策融合机制的局限。所提出的混合融合方案整合了对应于每个受保护模态的来自不同匹配器的相似度分数。每个模态来自不同匹配器的个体分数使用 MCW 分数融合方法组合。MCW 技术为参与分数计算的每个匹配器求得最优权重。进一步，对导出分数应用 DS 理论以输出最终决策。在三个虚拟数据库上的严格实验评估表明，所提出的混合融合框架优于分量层或单独融合方法（分数层与决策层融合）。结果，相对于 Virtual_A、Virtual_B 和 Virtual_C 数据库上的单模态可撤销虹膜与单模态可撤销指纹验证系统，我们实现了 (48%,66%)、(72%,86%) 和 (49%,38%) 的性能提升。此外，所提方法对分数的变异性与离群值足够鲁棒，满足安全认证的要求。
引用
@article{arxiv.1805.10433,
title = {A novel hybrid score level and decision level fusion scheme for cancelable multi-biometric verification},
author = {Rudresh Dwivedi and Somnath Dey},
journal= {arXiv preprint arXiv:1805.10433},
year = {2018}
}