Fingerprint Recognition by
Matching of Gabor filter-based
Patterns
Diplomarbeit
Aufgabensteller: Prof. Dr. Bernd Radig
Betreuer: Dipl. Inf. Matthias Wimmer
Markus Huppmann
Chair for Image Understanding
Computer Science
Technische Universität München
Biometrics
Idea:
Authentification of human beings using physical
characteristics
History of the use of fingerprints:
19th century: Uniqueness of fingerprints
1998: FBI - IAFIS, Integrated Automatic
Fingerprint Identification System
Technische Universität München
Markus Huppmann
24.01.2007
2
Authentification (Workflow)




Enrollment
Detection of unique attributes
Creation of the template
Matching: Comparison of the template with other
templates
→ Matching score
→ Decision: Acceptance or rejection (threshold)
Technische Universität München
Markus Huppmann
24.01.2007
3
Minutiae Matching (1)
Fingerprint recognition using ridge singularities:
- Ridge bifurcation
- Ridge ending
Technische Universität München
Markus Huppmann
24.01.2007
4
Minutiae Matching (2)
Technische Universität München
Markus Huppmann
24.01.2007
5
Minutiae Matching (3)
Matching:
→ Matching score
Technische Universität München
Markus Huppmann
24.01.2007
6
Problems
 Fingerprints of dry or wet fingers
 Non-overlapping areas
→ Global approach: Pattern Matching
Technische Universität München
Markus Huppmann
24.01.2007
7
Pattern Matching
Gabor filter-based Pattern Matching
 Normalization
 Segmentation




Reference point detection
Gabor filter
Creation of the Feature Map
Matching
Technische Universität München
Markus Huppmann
24.01.2007
8
Reference Point Detection
 Reference point defined as the point, where the
ridges possess the highest curvature
 Orientation map
Technische Universität München
Markus Huppmann
24.01.2007
9
Gabor Filter (1)
Sinusoid multiplied by a Gaussian function
Technische Universität München
Markus Huppmann
24.01.2007
10
Gabor Filter (2)
Gabor filter in direction 0°
Technische Universität München
Markus Huppmann
24.01.2007
11
Gabor Filter (3)
Technische Universität München
Markus Huppmann
24.01.2007
12
Creation of the Feature Map
Tessellation → Template
Technische Universität München
Markus Huppmann
24.01.2007
13
Creation of the Feature Map
Technische Universität München
Markus Huppmann
24.01.2007
14
Matching (1)
Comparison of the feature maps:
Similar feature maps
→ low distance
→ "good" matching score
→ acceptance
Technische Universität München
Markus Huppmann
24.01.2007
15
Matching (2)
Technische Universität München
Markus Huppmann
24.01.2007
16
Matching (3)
Different feature maps
→ high distance
→ "bad" matching score
→ rejection
Technische Universität München
Markus Huppmann
24.01.2007
17
Matching (4)
Technische Universität München
Markus Huppmann
24.01.2007
18
Tests
 Database of 80 fingers with 4 fingerprints per finger
 2 Tests:
 Genuine test:
Matching of every fingerprint of the same finger
(1A:1B, 1A:1C, 1A:1D, 1B:1C, … , 1C:1D)
→ "good" matching scores
 Imposter test:
Matching of the first fingerprint of every set with the first fingerprint
of the other sets
(1A:2A, 1A:3A, … , 79A:80A)
→ "bad" matching scores
Technische Universität München
Markus Huppmann
24.01.2007
19
Biometric benchmarks
 FAR: false acceptance rate
 FRR: false rejection rate
 EER: equal error rate
optimal threshold where FAR = FRR
Technische Universität München
Markus Huppmann
24.01.2007
20
Test results
equal error rate = 1.88 %
Technische Universität München
Markus Huppmann
24.01.2007
21
Questions?
Technische Universität München
Markus Huppmann
24.01.2007
22

Vortrag - Dr. Matthias Wimmer