Finger-scan technology is the most

Finger-scan technology is the most widely deployed biometric technology, with a
number of different vendors offering a wide range of solutions. Among the most
remarkable strengths of fingerprint recognition, we can mention the following:
• Its maturity, providing a high level of recognition accuracy.
• The growing market of low-cost small-size acquisition devices, allowing its use
in a broad range of applications, e.g., electronic commerce, physical access, PC
logon, etc.
• The use of easy-to-use, ergonomic devices, not requiring complex user-system
interaction.
On the other hand, a number of weaknesses may influence the effectiveness of
fingerprint recognition in certain cases:
• Its association with forensic or criminal applications.

• Factors such as finger injuries or manual working, can result in certain users
being unable to use a fingerprint-based recognition system, either temporarily or
permanently.
• Small-area sensors embedded in portable devices may result in less information
available from a fingerprint and/or little overlap between different acquisitions.
In this chapter, we report experiments carried out using the BioSecure Reference
Evaluation Framework for Fingerprints. It is composed of the minutiae-based
NIST Fingerprint Image Software (NFIS2) [83], the publicly available MCYT-100
database (described in [70], and available at [64]) and two benchmarking protocols.
The benchmarking experiments (one with the optical sensor and the other one with
the capacitive sensor) can be easily reproduced, following the How-to documents
provided on the companion website [16]. In such a way they could serve as futher
comparison points for newly proposed biometric systems.
As highlighted in Chap. 2, the comparison points are multiple, and are dependent
of what the researcherswant to study and what they have at their disposal. The points
of comparisons that are illustrated in this book regarding the fingerprint experiments
are the following:
• One comparison point could be obtained if the same system (NFIS2 software in
this case) is applied to a different database. In such a way the performances of
this software could be compared within the two databases. The results of such
a comparison are reported in Chap. 11, where the NFIS2 software is applied on
fingerprint data from the BioSecure Multimodal Evaluation Campaign.
• Yet another comparison could be done that is related to comparing different
systems on the same database and same protocols. In such a way, the advantages
of the proposed systems could be pinpointed. Furthermore if error analysis
and/or fusion experiments are done the complementarities of the proposed systems
could be studied, allowing further design of new, more powerful systems.
In this chapter, two research fingerprint verification systems, one minutiae-based
and the other ridge-based, are compared to the benchmarking system. The three
systems tested include different approaches for feature extraction, fingerprint
alignment and fingerprint matching. Fusion experiments using standard fusion
approaches are also reported.
This chapter is structured as follows. Section 4.2 continues with a review of the
state of the art, including current issues and challenges in fingerprint recognition.
Sections 4.3 and 4.4 summarize existing fingerprint databases and evaluation campaigns,
respectively. Section 4.5 introduces the benchmarking framework (opensource
algorithms, database and testing protocols). In Sect. 4.6, two research systems
are described. Experimental results within the benchmarking framework are
given in Sect. 4.7, including evaluation of the individual systems and fusion experiments.
Conclusions are finally drawn in Sect. 4.8.

Hasil (Bahasa Indonesia) 1:

Jari-scan teknologi adalah teknologi biometrik yang paling banyak digunakan, denganjumlah vendor yang berbeda menawarkan berbagai solusi. Di antara yang palingkekuatan luar biasa dari pengenalan sidik jari, kita dapat menyebutkan berikut:• Its kedewasaan, menyediakan tingkat tinggi akurasi pengenalan.• Pertumbuhan pasar murah berukuran kecil akuisisi perangkat, sehingga penggunaannyadalam berbagai aplikasi, misalnya, perdagangan elektronik, akses fisik, PClogon, dll.• Penggunaan perangkat-untuk-mudah digunakan, ergonomis, tidak memerlukan sistem pengguna yang kompleksinteraksi.Di sisi lain, beberapa kelemahan bisa mempengaruhi efektivitassidik jari pengakuan dalam kasus tertentu:• Asosiasi dengan aplikasi forensik atau kriminal.• Faktor seperti cedera jari atau manual bekerja, dapat mengakibatkan pengguna tertentumampu untuk menggunakan sistem pengenalan sidik jari berbasis, baik sementara atausecara permanen.• Kecil-daerah sensor yang tertanam dalam perangkat portabel dapat mengakibatkan kurang informasitersedia dari sidik jari dan/atau kesamaan antara akuisisi berbeda.Dalam bab ini, kami melaporkan percobaan yang dilakukan dengan menggunakan BioSecure referensiKerangka evaluasi untuk sidik jari. Ini terdiri dari hal-hal kecil berbasisNIST sidik jari gambar perangkat lunak (NFIS2) [83], tersedia untuk umum MCYT-100database (dijelaskan dalam [70], dan tersedia di [64]) dan dua protokol pembandingan.Percobaan pembandingan (satu dengan sensor optik dan yang lain dengansensor kapasitif) dapat dengan mudah direproduksi, mengikuti dokumen How-todiberikan pada website pendamping [16]. Sedemikian rupa mereka bisa berfungsi sebagai lebih lanjutperbandingan poin untuk baru sistem biometrik yang diusulkan.Seperti disorot dalam Bab 2, titik perbandingan beberapa, dan bergantungdari apa researcherswant untuk belajar dan apa yang mereka memiliki pembuangan mereka. Poinperbandingan yang diilustrasikan dalam buku ini tentang percobaan sidik jariadalah sebagai berikut:• Satu perbandingan titik dapat diperoleh jika sistem yang sama (NFIS2 perangkat lunak dalamHal ini) diterapkan ke database yang berbeda. Sedemikian pertunjukanperangkat lunak ini dapat dibandingkan dalam dua database. Hasil tersebutperbandingan dilaporkan dalam bab 11, di mana perangkat lunak NFIS2 diterapkan padasidik jari data dari BioSecure Multimodal evaluasi kampanye.• Perbandingan lain dapat dilakukan yang terkait dengan membandingkan berbedasistem pada database yang sama dan protokol yang sama. Sedemikian rupa, keuntungansistem yang diusulkan dapat menunjuk. Selain itu jika analisis kesalahandan/atau percobaan fusi dilakukan complementarities dari sistem yang diusulkanbisa dipelajari, memungkinkan lebih lanjut desain sistem baru, lebih kuat.Dalam bab ini, dua penelitian sistem verifikasi sidik jari, salah satu yang berdasarkan hal-hal kecildan lain ridge berbasis, dibandingkan dengan sistem pembandingan. Tigasistem diuji termasuk pendekatan yang berbeda untuk fitur ekstraksi, sidik jariAlignment dan pencocokan sidik jari. Percobaan fusi menggunakan standar fusipendekatan juga dilaporkan.Bab ini disusun sebagai berikut. 4.2 bagian berlanjut dengan reviewkeadaan seni, termasuk isu-isu saat ini dan tantangan dalam pengenalan sidik jari.Bagian 4.3 dan 4,4 meringkas ada sidik jari database dan kampanye evaluasi,masing-masing. Bagian 4.5 memperkenalkan kerangka pembandingan (opensourcealgoritma, database dan pengujian protokol). Dalam Sect. 4.6, dua penelitian sistemdijelaskan. Hasil percobaan dalam kerangka pembandingandiberikan dalam Sect. 4,7, termasuk evaluasi sistem individu dan percobaan fusi.Kesimpulan akhirnya ditarik dalam Sect. 4.8.

Hasil (Bahasa Indonesia) 2:

Teknologi jari-scan adalah teknologi biometrik yang paling banyak digunakan, dengan
sejumlah vendor yang berbeda menawarkan berbagai solusi. Di antara yang paling
kekuatan yang luar biasa dari pengenalan sidik jari, kita bisa menyebutkan sebagai berikut:
. • jatuh tempo Its, memberikan tingkat akurasi yang tinggi pengakuan
• Pertumbuhan pasar perangkat murah-ukuran kecil akuisisi, memungkinkan penggunaannya
dalam berbagai aplikasi , misalnya, perdagangan elektronik, akses fisik, PC
logon, dll
• Penggunaan yang mudah digunakan, perangkat ergonomis, tidak memerlukan user-sistem yang kompleks
interaksi.
Di sisi lain, sejumlah kelemahan dapat mempengaruhi efektivitas
sidik jari pengakuan dalam kasus-kasus tertentu:
. • asosiasi Its dengan aplikasi forensik atau pidana • Faktor-faktor seperti cedera jari atau kerja manual, dapat menyebabkan pengguna tertentu tidak mampu untuk menggunakan sistem pengenalan berbasis sidik jari, baik sementara atau permanen. • sensor kecil-daerah tertanam dalam perangkat portable dapat menyebabkan informasi yang kurang tersedia dari sidik jari dan / atau sedikit tumpang tindih antara akuisisi yang berbeda. Dalam bab ini, kami melaporkan percobaan dilakukan dengan menggunakan BioSecure Referensi Evaluasi Kerangka Sidik jari. Hal ini terdiri dari hal-hal kecil berbasis NIST Fingerprint Gambar Software (NFIS2) [83], yang tersedia untuk umum MCYT-100 database (dijelaskan dalam [70], dan tersedia di [64]) dan dua benchmarking protokol. Percobaan benchmarking (satu dengan sensor optik dan yang lainnya dengan sensor kapasitif) dapat dengan mudah direproduksi, menyusul Bagaimana-dokumen yang disediakan di situs pendamping [16]. Sedemikian rupa mereka bisa berfungsi sebagai lanjut perbandingan poin untuk sistem biometrik baru yang diusulkan. Seperti yang ditekankan dalam Chap. 2, poin perbandingan yang beberapa, dan tergantung dari apa yang researcherswant untuk belajar dan apa yang mereka miliki mereka. Poin perbandingan yang digambarkan dalam buku ini mengenai percobaan sidik jari adalah sebagai berikut: • Satu titik perbandingan dapat diperoleh jika sistem yang sama (software NFIS2 dalam kasus ini) diterapkan ke database yang berbeda. Sedemikian rupa pertunjukan dari software ini dapat dibandingkan dalam dua database. Hasil tersebut perbandingan dilaporkan dalam Chap. 11, di mana perangkat lunak NFIS2 diterapkan pada data sidik jari dari BioSecure Multimodal Evaluasi Kampanye. • Namun perbandingan lain bisa dilakukan yang berhubungan dengan membandingkan berbagai sistem pada database yang sama dan protokol yang sama. Sedemikian rupa, keuntungan dari sistem yang diusulkan dapat menunjuk. Selanjutnya jika analisis kesalahan dan / atau fusi eksperimen yang dilakukan saling mengisi sistem yang diusulkan dapat dipelajari, memungkinkan desain lebih lanjut baru, sistem yang lebih kuat. Dalam bab ini, sistem verifikasi sidik jari dua penelitian, satu hal kecil berbasis dan Ridgewood lainnya berbasis, dibandingkan dengan sistem benchmarking. Ketiga sistem diuji meliputi pendekatan yang berbeda untuk ekstraksi fitur, sidik jari keselarasan dan pencocokan sidik jari. Fusion percobaan menggunakan fusi standar pendekatan juga dilaporkan. Bab ini disusun sebagai berikut. Bagian 4.2 berlanjut dengan review dari keadaan seni, termasuk isu-isu saat ini dan tantangan dalam pengenalan sidik jari. Bagian 4.3 dan 4.4 meringkas database sidik jari yang ada dan kampanye evaluasi, masing-masing. Bagian 4.5 memperkenalkan kerangka benchmarking (opensource algoritma, database dan pengujian protokol). Dalam Sect. 4.6, dua sistem penelitian dijelaskan. Hasil penelitian dalam kerangka pembandingan yang diberikan di Sect. 4.7, termasuk evaluasi sistem individu dan eksperimen fusi. Kesimpulan akhirnya ditarik di Sect. 4.8.