Zusammenfassung - Otto-von-Guericke-Universität Magdeburg
Zusammenfassung - Otto-von-Guericke-Universität Magdeburg
Zusammenfassung - Otto-von-Guericke-Universität Magdeburg
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
7 Fusion<br />
Ausprägung genetisch determiniert 5 ist, beispielsweise im Falle der Gesichtsgeometrie, ist<br />
eine Unterscheidung <strong>von</strong> nahen Verwandten mitunter schwierig und bei eineiigen Zwilligen<br />
oft unmöglich. Und schließlich gibt es bei jedem biometrischen Verfahren das Problem des<br />
Fehlers bei der Erkennung aufgrund der unscharfen Natur biometrischer Sensorausgaben. So<br />
ist die Gesichtserkennung unter anderem stark <strong>von</strong> der Beleuchtungssituation abhängig, die<br />
Fingerabdruckerkennung <strong>von</strong> der genauen Positionierung des Fingers auf dem Sensor, die<br />
Unterschriftenerkennung <strong>von</strong> der Stifthaltung und so weiter. Diese aufgezählten Probleme<br />
können mithilfe der Fehlertypen FTE (failure to enroll), FTA (failure to acquire), FAR (false<br />
acceptance rate), FRR (false rejection rate) und FIR (false identification rate) quantifiziert<br />
und bewertet werden (siehe hierzu etwa [Way99, Bro07]).<br />
Mithilfe verschiedener Fusionsstrategien wird versucht, diesen Problemen zu begegnen. So<br />
ist es möglich, neben dem Fingerabdruck beispielsweise die Gesichtsgeometrie als zusätzliches<br />
beziehungsweise alternatives biometrisches Merkmal zu verwenden, um somit bei Erfassungproblemen<br />
des einen Merkmals auf das zweite Merkmal zurückgreifen zu können. Auch<br />
lässt sich die Zuverlässigkeit biometrischer Systeme dadurch erhöhen, dass mehrere Merkmale<br />
ausgewertet werden. J. Czyz, J. Kittler und L. Vanderdorpe unterscheiden hierbei zwischen<br />
Multimodal Expert Fusion und Intramodal Expert Fusion [CKV04]. Eine weitaus präzisere<br />
Systematisierung biometrischer Fusion mit Blick auf die Art <strong>von</strong> Daten, die fusioniert werden,<br />
geben A. Ross, K. Nandakumar und A. Jain in [RNJ06]. Sie unterscheiden dabei:<br />
• multimodale Systeme: Kombination verschiedener biometrischer Modalitäten (etwa<br />
Gesichts-, Fingerabdruck- und Handgeometrie [RJ03], Stimm- und Handschriftbiometrie<br />
[VSVS05] oder Stimm-, Gesichts- und Handschriftbiometrie [SPC + 05]),<br />
• multisensorische Systeme: Erfassung eines einzelnen biometrischen Merkmals mithilfe<br />
verschiedener Sensoren (beispielsweise Kombination <strong>von</strong> Normallicht- und Infrarotkameras<br />
für Gesichtserkennung [CFB05] oder gleichzeitige Verwendung zweier unterschiedlicher<br />
Geräte für die Erfassung der Stiftbewegung beim Schreiben [SVO07]),<br />
• multialgorithmische Systeme: Verwendung unterschiedlicher Erkennungsverfahren für<br />
Daten derselben biometrischen Modalität (beispielsweise die Fusion zweier Gesichtserkennungsalgorithmen<br />
[CKV02, CSKV04, CKV04] oder die Fusion verschiedener Abstandsmaße<br />
[SVD05] beziehungsweise verschiedener Erkennungssysteme [SVVS05]<br />
für die Signaturerkennung),<br />
• Multi-Sample-Systeme: Mehrfache Erfassung und Verarbeitung der selben biometrischen<br />
Eigenschaft (mehrfache Abgabe der Unterschrift oder Verwendung einer größeren<br />
Anzahl an Gesichtsbildern [KMJS97, SPC + 05]),<br />
• Multi-Instanz-Systeme: Erfassung und Verarbeitung mehrerer Instanzen derselben biometrischen<br />
Modalität (beispielsweise Berücksichtigung der Fingerandrücke mehrerer<br />
Finger [JPR99] oder Verwendung der Unterschrift gemeinsam mit weiteren Handschriftsemantiken<br />
[SVD07b]),<br />
5 Biometrische Merkmale können danach unterschieden werden, ob sie genotypisch (durch Vererbung), randotypisch<br />
(zufällig im Laufe der embryonalen Entwicklung) oder konditioniert (durch Training erlernt) entstehen<br />
[Bro07, Liu08].<br />
86