Zusammenfassung - Otto-von-Guericke-Universität Magdeburg

7 Fusion
multimodalen [SPC + 05, UHW + 06], multisensorischen [SVO07], multialgorithmischen
[SVD05, SVVS05], Multi-Sample- [CKV04], Multi-Instanz- [SVD07b] und hybriden
Systeme [VS05].
• Entscheidungsebene: Wie im Falle der Fusion auf der Vergleichsebene können für
biometrische Systeme auf Basis einer Fusion auf Entscheidungsebene diverse singlebiometrische
Systeme kombiniert werden, jedoch ohne die Einschränkung auf solche
Systeme, die einen Zugriff auf die Ähnlichkeitswerte gestatten. Die biometrischen Entscheidungen
der verschiedenen Einzelsysteme werden zumeist mittels boolscher Algebra
oder einer Art von Mehrheitsentscheidung miteinander fusioniert. Beispiele sind
etwa die multialgorithmische Fusion für die Fingerabdruck- [PJ02, HG07], Gesichts-
[CSKV04] oder Sprechererkennung [SSY03], die multi-sensorische Fusion von zweidimensionalen
Textur- und dreidimensionalen Formdaten für die Gesichtserkennung
[TRV + 07] oder die multimodale Fusion von audio-visuellen Daten zur Erkennung anhand
von Sprache und Gesichtsbildern [WCM05].
In der Literatur ist durch Verwendung der verschiedenen Fusionsstrategien in den meisten
Fällen eine tatsächliche Verbesserung der biometrischen Leistungsfähigkeit gegenüber den
einzelnen Teilsystemen dokumentiert. Beispielsweise Scheidat et al. beschreiben in [SVO07]
eine relative Verbesserung der Erkennungsgenauigkeit ihres multisensorischen Systems zur
biometrischen Handschriftenerkennung um etwa 36,2 %. In [SPC + 05] dokumentieren Stylianou
et al. einen EER-Wert von 0,0009 für die multimodale Fusion von Gesichts-, Sprach- und
Unterschriftsdaten im Gegensatz zum EER-Wert von 0,0401 der besten einzelnen Modalität
(Sprache). Jedoch sind den Verbesserungen der Leistungsfähigkeit in der Praxis Grenzen gesetzt.
Kittler et al. beschreiben dies in [KMJS97, S. 847] etwa für die Multi-Sample-Fusion in
der Gesichtsbiometrie wie folgt:
»We show that the performance gains achieved by means of fusion are initially
monotonic but soon reach saturation (after three or four frames in our experiments).«
Für das Problem der Suche in handschriftlichen Daten wird sich zeigen müssen, inwieweit
diese Aussagen über die Möglichkeiten und Grenzen von Fusionstechniken gültig sind.
7.2 Fusionsstrategien der Handschriftsuche
Neben einer Reihe von Gemeinsamkeiten zwischen biometrischen Authentifikationssystemen
auf der einen und Handschriftsuchsystemen auf der anderen Seite, etwa im abstrakten Systemaufbau
und in der Art der Datenverarbeitung, existieren entscheidende Unterschiede, welche
eine Adaptierbarkeit der im vorangegangenen Abschnitt dargestellten Fusionsstrategien
nicht trivial machen. Im Falle der Biometrie ist einer der wichtigsten Verarbeitungsschritte
der Vergleich des Merkmalsdatensatzes eines biometrischen Musters einer Person mit anderen
Merkmalsdatensätzen derselben Person (Verifikation) oder mit den Merkmalsdatensätzen
verschiedener Personen (Identifikation). Es kommt also zumeist zu einer mehrfachen Ausführung
eines Vergleiches von mehr oder minder ähnlichen Objekten. Hingegen berücksichtigt
90