Analysis of methods for finger vein recognition

Abstract

On yıl once, her insanın benzersiz parmak damar yapısı olduğu ve bunun biyometrik kimlik icin kullanılabilecegi gozlemlenmiştir. Bu gozlem, şu anda bankalarda, hastanelerde ve devlet kurumlarında kullanılan başarılı tanımlama sistemlerine onculuk etmiştir. Daha onceki calışmalarda, onemli bir adım olan parmak damar algılama probleminin oznitelik cıkarma adımı icin çizgi Takibi (LT), MaksimumEğrilik (MC), Geniş Cizgi Bulucu (WL) gibi populer yollar kullanılmaktadır. LT metodu bunlar arasında oznitelik cıkarma aşamasında en yavaş olanıdır. Buna ek olarak, LT, MC ve WL metodları ise dondurulme, taşıma ve gurultu gibi etkenlerden kolay etkilenirler. Bu tez, bahsedilen eksikliklerin ustesinden gelmek icin bilgisayarl. goru veya oruntu tanıma (CVPR) metodlarında cokca kullanılan bazı populer oznitelik betimleyicileri kullanmay. onermektedir. Bu CVPR betimliyicilerinden Fourier Tanımlayıcıları (FD), Zernike Momentleri (ZM), Yerel İkili Oruntuler (LBP), Kuresel İkili Oruntuler (GBP) ve daha once parmak damar algılama problemine uygulanmamış olan Yonelimli Bayır Histogramı (HOG) test edilmiştir. Bu tez, tum bu bahsedilen betimleyicileri LT, MC, ve WL ile kıyaslamıştır ve calışma zamanlarını, performanslarını ve dondurulme, taşıma ve gurultuye olan dayanıklılıklarını analiz etmiştir.

A decade ago, it was observed that every person has unique finger-vein patterns and that this could be used for biometric identification. This observation has led to successful identification systems, which are currently used in banks, hospitals, state organizations, etc. For the feature extraction step of the finger-vein recognition, which is the most important step, popular methods such as Line Tracking (LT), Maximum Curvature (MC) and Wide Line Detector (WL) are used in the literature. Among these, the LT method is very slow in the feature extraction phase. Moreover, LT, MC and WL methods are susceptible to rotation, translation and noise. To overcome these drawbacks, this thesis proposes using some popular feature descriptors widely-used in Computer Vision or Pattern Recognition (CVPR)methods. The CVPR descriptors tested include, Fourier descriptors (FD), Zernike moments (ZM), Local Binary Patterns (LBP), Global Binary Patterns (GBP) and Histogram of Oriented Gradients (HOG) which have not been applied to the finger-vein recognition problem before. The thesis compares these descriptors against LT, MC and WL and analyze their running time, performance and resilience against rotation, translation and noise.