[轉載]指紋識別技術

1818

指紋識別技術的介紹
      從“指紋”到“指紋術”的研究，經歷了漫長的過程。指紋技術形成之后，又經過了從人工識別技術到自動化識別技術的發展轉變。隨著計算機圖像處理技術和信息技術的發展，指紋識別技術逐漸進入IT技術領域，與眾多計算機信息系統結合在一起，被廣泛應用起來。本章介紹指紋識別技術的主要技術構成。
　　幾個重要概念

　　指紋識別技術作為一個新的IT技術領域，自身具有許多新的概念。了解指紋識別技術的概念有助于準確的理解指紋識別技術。
　　指紋識別系統

　　指紋識別系統經過人工識別到機器識別的發展之后，進入自動識別階段，稱為自動指紋識別系統（AFIS）。一個典型的自動指紋識別系統，包括與人交互的前端子系統――自動指紋采集設備、完成指紋圖像處理和特征值提取的后臺子系統，以及用于指紋庫存儲的數據庫子系統。當后臺子系統用于指紋注冊過程時，可以稱為指紋注冊子系統。當它用于指紋辨識過程時，稱為指紋辨識子系統。

　　注冊與匹配

　　指紋注冊又叫指紋登記。是從指紋圖像中提取指紋特征值，形成指紋特征值模板，并與人的身份信息結合起來，存儲在指紋識別系統中的過程。它相當于為指紋報戶口。所以指紋注冊的時候，需要保證指紋與身份信息之間的正確對應。尤其對于政府、社團、公司等單位進行指紋注冊時，防止冒名頂替，避免指紋與身份信息關聯錯誤，是非常重要的。因此在這類指紋應用中，指紋登記的過程，需要現場督導人員參與。甚至把督導人的指紋采集到系統中，作為注冊者指紋特征值模板的組成部分，以示職責之重要，并為后續責任審計提供依據。

　　識別與驗證

　　識別與驗證并不是指紋識別算法領域的問題，而是指紋識別系統的問題。指紋識別是指在1：N模式下匹配指紋特征值。它是從多個指紋模板中識別出一個特定指紋的過程。其結果是，“有”或者“沒有”。有時會給出“是誰”的信息。
　　指紋驗證是指在1：1模式下匹配指紋特征值。它是拿待比對的指紋特征模板與事先存在的另一個指紋特征模板進行一次匹配的過程。其結果是“是不是”。在一個系統中既可以采用1：1模式也可以采用1：N模式，這是取決于應用系統的特點和要求。有時候還可以業務模式的需要，把1:N模式轉化為1:1模式以提高系統安全性和比對速度。

　　FRR與FAR

　　FRR（False Rejection Rate）和FAR（False Acceptance Rate）是用來評估指紋識別算法性能的兩個主要參數。FRR和FAR有時被用來評價一個指紋識別系統的性能，其實這并不貼切。指紋識別系統的性能除了受指紋算法的影響外，指紋采集設備的性能對FRR和FAR的影響也是不能忽視的。
　　FRR通俗叫法是拒真率的意思，標準稱謂是FNMR（False Non-Match Rate 不匹配率）。可以通俗的理解為“把應該相互匹配成功的指紋當成不能匹配的指紋”的概率。對指紋算法的性能測量是在給定指紋庫的情況下進行測量的。用于測量的指紋庫一般由FVC（國際指紋識別算法大賽）組織者給定。FVC在作指紋識別算法性能測試時，并無外界指紋輸入，是使用標準的指紋圖像庫來測試的。所以FNMR是在沒有連接指紋采集設備的情況下得出的測試值。本節的其它參數也都是在這一前提下得出的。

　　假定指紋庫中有100個不同ID的手指，每個手指注冊有3枚指紋，則該指紋庫中共有300枚指紋。假定P1表示手指1的ID，則其三次注冊的指紋用P1-F1,P1-F2,P1-F3來表示。FNMR是指把指紋庫中的同一個手指的3枚指紋兩兩比較，即P1-F1與P1-F2匹配，P1-F1與P1-F3匹配，P1-F2與P1-F3匹配，P1-F2與P1-F1匹配，P1-F3與P1-F1匹配，P1-F3與P1-F2匹配，共有6種匹配方式。把所有100個手指在其內部均作6種匹配，共6x100=600次匹配。理論情況下，600次匹配均能正確匹配，匹配的成功率為100%。實際上因為同一手指的3枚指紋圖像不可能完全一樣，所以有一個匹配相似度問題。假定我們把匹配成功的相似度設為>90%，就是說當相似度大于90%時，表示匹配成功。然后我們從600次匹配中，找出多少次相似度在90%以上的，這個數值就表示匹配成功的次數，假定為570次。600次中其余的表示沒有匹配成功的次數，為600-570=30次。則匹配失敗率，就是30/600=5%。

　　對于指紋識別算法來講，在指紋庫確定的情況下，其匹配失敗率FNMR是一定的。當指紋庫發生變化，其FNMR也會有變化。所以國際上是以FVC公布的指紋庫為統一的測試庫，在該測試庫中測試出來的FNMR結果作為衡量指紋算法性能的標準參考。

　　FAR一般稱為認假率，其標準稱謂是FMR（False Match Rate 錯誤匹配率）。FMR是用來評估指紋識別算法性能的最重要參數。可以通俗的理解為“把不應該匹配的指紋當成匹配的指紋”的概率。

　　同樣以前段中的指紋庫為例。把庫中的每個指紋，與除自己之外的其它所有指紋進行匹配，匹配的總次數，即3x99x3x100=89100次。理論情況下，匹配成功次數為6x100=600次，匹配失敗次數應為89100-600=88500次。假定由于指紋算法性能的原因，把本應該匹配失敗的判為匹配成功，若假定這種錯誤次數為100次。則錯誤接受率FAR為100/89100=0.11%。匹配失敗次數是因判定相似的條件嚴格程度而變化的。當匹配成功的篩選條件，即門限值提高時，FAR會降低。

　　FAR也與指紋庫相關。所以在FVC大賽中，有4個指紋庫用于測試，并取平均值。其中有一個指紋庫是人工生成的，以排除采集設備不同導致的指紋圖像質量不同對算法效能的影響。

　　在同一個指紋庫中，對同一個算法來講，需要設定一個閾值，作為判定相似的標準。當相似度大于這個閾值時，表示匹配成功，否則表示匹配失敗。FNMR是隨閾值增大而增大的，即判定相似的門檻值越高，則真的指紋判定為假的機率越大。反之，FMR是隨閾值增大而減小的，即隨著判定相似度的門檻值越高，把假的指紋判定為真的概率會越小。FAR與FRR成反比。根據2004年FVC大賽測試結果，一般當FMR是1/1000量級時，FNMR是5/100左右。也就是100個手指的指紋庫中，進行1000次匹配，有可能發生一次匹配錯誤，即認錯。進行100次匹配，有可能出現5次匹配失敗，即不認。

　　EER

　　EER（Equal Error Rate）是相等錯誤率的意思。這個參數一般在普通場合不大使用。EER主要用于評價指紋算法整體效能的指標。也就是把FAR、FRR兩個參數統一為一個參數，來衡量指紋算法的整體性能。FAR和FRR是同一個算法系統的兩個參數，把它放在同一個坐標中，如圖30所示。FAR是隨閾值增大而減小的，FRR是隨閾值增大而增大的。因此它們一定有交點。這個點是在某個閾值下的FAR與FRR等值的點。習慣上用這一點的值來衡量算法的綜合性能。對于一個更優的指紋算法，希望在相同閾值情況下，FAR和FRR都越小越好。

　　把FAR和FRR曲線都向下平移。同時相交點ERR也向下平移。所以EER值越小的時候，表示算法的整體性能越高。

　　由于當FRR與FAR相交時對應的閾值都很小，也就是說此時的相似度閾值連30%都不到。實際使用中的閾值至少設在80%以上，所以EER值并不被用在大眾化場合來描述指紋算法的性能，只是在競賽排名中使用。

　　拒登率

　　拒登率一般使用較少，在指紋識別術語中，它是一個意思相對比較含糊的詞。在世界指紋算法大賽中，有個參數叫拒絕注冊率，有時被稱為拒登率，用來衡量指紋識別算法對指紋圖像質量的挑剔程度，用REJENROLL。表示。在給定的指紋數量，如100枚指紋圖像中，可以成功注冊或稱為建檔的指紋，如果是99，則REJENROLL　＝　1%。對FVC大賽給出的標準指紋庫來講，絕大多數的指紋算法都可以建檔成功，即REJENROLL　為0.00％。

　　在另外一種場合，拒登率通常被解釋為指紋識別系統（包含指紋采集設備）不接受指紋注冊的概率。這種情況下，拒絕注冊的因素，除了算法本身的原因外，更多的受指紋采集設備的成像能力的影響。指紋采集設備輸出的指紋圖像質量越好，指紋識別系統的拒登率越低，指紋采集設備輸出的指紋圖像質量越低，其拒登率越高。

　　注冊時間和匹配時間

　　注冊時間是用來衡量指紋算法性能的另一個指標。它是指從輸入指紋圖像到指紋建檔成功（注冊成功）的時間。根據FVC大賽的結果，一般的指紋算法注冊時間在0.5秒以內，這也是FVC以參加LIGHT組比賽的算法提出的參賽資格之一。

　　匹配時間有時稱為比對速度，是用來指示指紋識別算法完成一次匹配所需的時間。它是從指紋圖像輸入算起到匹配結果輸出為止的時間。參加算法大賽的絕大多數算法的匹配時間在0.3秒以內，這個參數與注冊時間最小值一起構成LIGHT組的參賽條件。

　　由于這些時間都是受待測的指紋圖像的質量影響，所以一般取多個指紋庫的平均值，所以一般拿平均注冊時間和平均匹配時間作為衡量依據。

[ 本帖最后由 孤獨旅者 于 2009-1-19 16:40 編輯 ]

1951

搶了個沙發，不過我不想當鑒定師

2461

沙發被搶了。。 。。下次掙回來。。。給偶記著。。

2444

好長啊~~~
鑒別指紋還要這么麻煩啊~

1818

指紋識別技術的原理
　　指紋識別技術主要涉及四個功能：讀取指紋圖象、提取特征、保存數據和比對。在一開始，通過指紋讀取設備讀取到人體指紋的圖象，取到指紋圖象之后，要對原始圖象進行初步的處理，使之更清晰。接下來，指紋辨識軟件建立指紋的數字表示——特征數據，一種單方向的轉換，可以從指紋轉換成特征數據但不能從特征數據轉換成為指紋，而兩枚不同的指紋不會產生相同的特征數據。
　　有的算法把節點和方向信息組合產生了更多的數據，這些方向信息表明了各個節點之間的關系，也有的算法還處理整幅指紋圖像。總之，這些數據，通常稱為模板，保存為1K大小的記錄。無論它們是怎樣組成的，至今仍然沒有一種模板的標準，也沒有一種公布的抽象算法，而是各個廠商自行其是。最后，通過計算機模糊比較的方法，把兩個指紋的模板進行比較，計算出它們的相似程度，最終得到兩個指紋的匹配結果。指紋其實是比較復雜的。
　　與人工處理不同，許多生物識別技術公司并不直接存儲指紋的圖象。多年來在各個公司及其研究機構產生了許多數字化的算法（美國有關法律認為，指紋圖象屬于個人隱私，因此不能直接存儲指紋圖象）。
　　但指紋識別算法最終都歸結為在指紋圖象上找到并比對指紋的特征。指紋的特征我們定義了指紋的兩類特征來進行指紋的驗證：總體特征和局部特征。總體特征是指那些用人眼直接就可以觀察到的特征，包括：基本紋路圖案環型（loop）,弓型（arch）,螺旋型（whorl）。其他的指紋圖案都基于這三種基本圖案。僅僅依靠圖案類型來分辨指紋是遠遠不夠的，這是一個粗略的分類，但通過分類使得在大數據庫中搜尋指紋更為方便。
　　模式區（PatternArea）模式區是指指紋上包括了總體特征的區域，即從模式區就能夠分辨出指紋是屬于那一種類型的。有的指紋識別算法只使用模式區的數據。Aetex的指紋識別算法使用了所取得的完整指紋而不僅僅是模式區進行分析和識別。
　　核心點（CorePoint）核心點位于指紋紋路的漸進中心，它用于讀取指紋和比對指紋時的參考點。
　　三角點（Delta）三角點位于從核心點開始的第一個分叉點或者斷點、或者兩條紋路會聚處、孤立點、折轉處，或者指向這些奇異點。三角點提供了指紋紋路的計數和跟蹤的開始之處。
　　式樣線（TypeLines）式樣線是在指包圍模式區的紋路線開始平行的地方所出現的交叉紋路，式樣線通常很短就中斷了，但它的外側線開始連續延伸。
　　紋數（RidgeCount）指模式區內指紋紋路的數量。在計算指紋的紋數時，一般先在連接核心點和三角點，這條連線與指紋紋路相交的數量即可認為是指紋的紋數。局部特征局部特征是指指紋上的節點。兩枚指紋經常會具有相同的總體特征，但它們的局部特征--節點，卻不可能完全相同節點（MinutiaPoints）指紋紋路并不是連續的，平滑筆直的，而是經常出現中斷、分叉或打折。這些斷點、分叉點和轉折點就稱為"節點"。就是這些節點提供了指紋唯一性的確認信息。指紋上的節點有四種不同特性：
　　1.分類-節點有以下幾種類型，最典型的是終結點和分叉點
　　A.終結點（Ending）--一條紋路在此終結。
　　B.分叉點（Bifurcation）--一條紋路在此分開成為兩條或更多的紋路。
　　C.分歧點（RidgeDivergence）--兩條平行的紋路在此分開。
　　D.孤立點（DotorIsland）--一條特別短的紋路，以至于成為一點
　　E.環點（Enclosure）--一條紋路分開成為兩條之后，立即有合并成為一條，這樣形成的一個小環稱為環點
　　F.短紋（ShortRidge）--一端較短但不至于成為一點的紋路，
　　2.方向（Orientation）--節點可以朝著一定的方向。
　　3.曲率（Curvature）--描述紋路方向改變的速度。
　　4.位置（Position）--節點的位置通過（x,y）坐標來描述，可以是絕對的，也可以是相對于三角點或特征點的。

[ 本帖最后由 孤獨旅者 于 2009-1-20 21:44 編輯 ]