Zusammenfassung - Otto-von-Guericke-Universität Magdeburg

7.1 Überblick über Biometrie und biometrische Fusion
voraus, dass die zu fusionierenden Sensordaten in irgendeiner Weise sinnvoll fusionierbar,
das heißt kompatibel sind. Es ist schwerlich möglich, die Helligkeitsinformationen
der Pixelwerte eines Gesichtsbildes mit den Amplitudenwerten einer zeitdiskret abgetasteten
Schallwelle der menschlichen Stimme zu verknüpfen. Hingegen ist es praktisch
möglich, etwa aus mehreren kleinen Einzelaufnahmen von Fingerlinienbildern
aus leicht verschiedenen Perspektiven ein größeres Gesamtbild eines Fingerabdrucks
zu generieren (engl. fingerprint mosaicking), um hierdurch mehr Informationen für die
Fingerabdruckerkennung zu gewinnen [JR02, SRSC05, MMJP03, S. 77].
Ein weiteres Beispiel ist die Bestimmung von räumlichen Informationen der Gesichtsoberfläche
auf Grundlage von Bildinformationen mehrerer Kameras [Hsu02]. Dieses
Prinzip ist vergleichbar mit dem menschlichen Vermögen, mithilfe der beiden Augen
dreidimensional sehen zu können.
• Merkmalsebene: Wie zuvor bei der Ebene der Sensordaten ist es auch für die Fusion
auf Merkmalsebene nötig, dass die zu fusionierenden Daten überhaupt fusionierbar
(kompatibel), das heißt, gemeinsam im folgenden Verarbeitungsschritt (Vergleich, siehe
Abbildungen 7.1 und 7.2) vergleichbar sind.
Für Multi-Sample-Systeme mit Merkmalsdaten (Merkmalsvektoren) einer festen Größe
könnte eine Fusion auf Merkmalsebene dadurch realisiert werden, dass beispielsweise
ein Durchschnittsvektor der einzelnen Merkmalsvektoren bestimmt wird, welcher in
den folgenden biometrischen Verarbeitungsschritten genauso verwendet wird, wie dies
in einem singlebiometrischen System der Fall wäre [RNJ06, S. 65f].
Für eine biometrische Fusion singlebiometrischer Teilsysteme, deren Merkmalsdaten
sich als Vektoren ausdrücken lassen, welche jedoch untereinander nicht dieselbe Länge
haben müssen, ließe sich eine Fusion auf Merkmalsebene dadurch erreichen, dass
die einzelnen Merkmalsvektoren miteinander konkateniert werden, wodurch die Länge
des entstehenden Vektors gleich der Summe der einzelnen Vektorlängen wäre. Hierbei
können die einzelnen zu fusionierenden Systeme beziehungsweise ihre Merkmalsdaten
gänzlich verschieden voneinander sein, etwa Mel-Frequenz-Cepstral-Koeffizienten der
menschlichen Stimme, kombiniert mit geometrischen Merkmalen der Lippenbewegung
[RNJ06, S. 69f]. Eine solche Fusion setzt jedoch voraus, dass das Vergleichsmodul gegenüber
den singlebiometrischen Systemen angepasst wird, um die nunmehr längeren
Merkmalsvektoren miteinander vergleichen und für diese einen Ähnlichkeitswert bestimmen
zu können.
• Vergleichsebene: Die in der wissenschaftlichen Literatur am häufigsten anzutreffende
Art von biometrischer Fusion ist jene, die auf der Vergleichsebene, also auf Basis
von Ähnlichkeitswerten (engl. matching scores) stattfindet. Der Grund dafür mag
sein, dass hierfür jede Kombination beliebiger singlebiometrischer Systeme möglich
ist, die einen Zugriff auf die zur biometrischen Entscheidung nötigen Ähnlichkeitswerte
gestatten. Praktisch ist es zumeist nötig, die unterschiedlichen Ähnlichkeitswerte
der Einzelsysteme zu normalisieren und eventuell individuell zu gewichten. Beispiele
für die biometrische Fusion auf der Vergleichsebene finden sich im Bereich der
89