指紋識別的重要概念
分類：指紋識別
指紋識別技術(shù)作為一個新的IT技術(shù)領(lǐng)域，自身具有許多新的概念。了解指紋識別技術(shù)的概念有助于準確的理解指紋識別技術(shù)。識別與驗證并不是指紋識別算法領(lǐng)域的問題，而是指紋識別系統(tǒng)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(jié)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(jié)果是“是不是”。在一個系統(tǒng)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(yīng)用系統(tǒng)的特點和要求。
有時候還可以業(yè)務(wù)模式的需要，把1:N模式轉(zhuǎn)化為1:1模式以提高系統(tǒng)安全性和比對速度。優(yōu)點：1.指紋是人體獨一無二的特征，并且它們的復雜度足以提供用于鑒別的足夠特征；2.如果要增加可靠性，只需登記更多的指紋、鑒別更多的手指，最多可以多達十個，而每一個指紋都是獨一無二的；3.掃描指紋的速度很快，使用非常方便；4.讀取指紋時，用戶必需將手指與指紋采集頭相互接觸，與指紋采集頭直接；5.接觸是讀取人體生物特征最可靠的方法；6.指紋采集頭可以更加小型化，并且價格會更加的低廉；缺點：1.某些人或某些群體的指紋特征少，難成像；2.過去因為在犯罪記錄中使用指紋，使得某些人害怕“將指紋記錄在案”。3.實際上指紋鑒別技術(shù)都可以不存儲任何含有指紋圖像的數(shù)據(jù)，而只是存儲從指紋中得到的加密的指紋特征數(shù)據(jù)；4.每一次使用指紋時都會在指紋采集頭上留下用戶的指紋印痕，而這些指紋痕跡存在被用來復制指紋的可能性。
FRR（FalseRejectionRate）和FAR（FalseAcceptanceRate）是用來評估指紋識別算法性能的兩個主要參數(shù)。FRR和FAR有時被用來評價一個指紋識別系統(tǒng)的性能，其實這并不貼切。指紋識別系統(tǒng)的性能除了受指紋算法的影響外，指紋采集設(shè)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（FalseNon-MatchRate不匹配率）。可以通俗的理解為“把應(yīng)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(shè)備的情況下得出的測試值。本節(jié)的其它參數(shù)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(nèi)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(shè)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(shù)值就表示匹配成功的次數(shù)，假定為570次。600次中其余的表示沒有匹配成功的次數(shù)，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(fā)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(tǒng)一的測試庫，在該測試庫中測試出來的FNMR結(jié)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（FalseMatchRate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(shù)。可以通俗的理解為“把不應(yīng)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(shù)，即300×（300-1）=89700次。理論情況下，匹配成功次數(shù)為6x100=600次，匹配失敗次數(shù)應(yīng)為89700-600=89100次。假定由于指紋算法性能的原因，把本應(yīng)該匹配失敗的判為匹配成功，若假定這種錯誤次數(shù)為100次。則錯誤接受率FAR為100/89100=0.11%。匹配失敗次數(shù)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，F(xiàn)AR會降低。FAR也與指紋庫相關(guān)。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(shè)備不同導致的指紋圖像質(zhì)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(shè)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，F(xiàn)MR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(jù)2004年FVC大賽測試結(jié)果，一般當FMR是1/1000量級時，F(xiàn)NMR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(fā)生一次匹配錯誤，即認錯。進行100次匹配，有可能出現(xiàn)5次匹配失敗，即不認。EER（EqualErrorRate）是相等錯誤率的意思。這個參數(shù)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(shù)統(tǒng)一為一個參數(shù)，來衡量指紋算法的整體性能。FAR和FRR是同一個算法系統(tǒng)的兩個參數(shù)，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，F(xiàn)RR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(yōu)的指紋算法，希望在相同閾值情況下，F(xiàn)AR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。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(yīng)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(shè)在80%以上，故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。FRR實際上也是系統(tǒng)易用性的重要指標。由于FRR和FAR是相互矛盾的，這就使得在應(yīng)用系統(tǒng)的設(shè)計中，要權(quán)衡易用性和安全性。一個有效的辦法是比對兩個或更多的指紋，從而在不損失易用性的同時，極大地提高了系統(tǒng)安全性。拒登率一般使用較少，在指紋識別術(shù)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(shù)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(zhì)量的挑剔程度，用REJENROLL。表示。在給定的指紋數(shù)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(shù)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(tǒng)（包含指紋采集設(shè)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(shè)備的成像能力的影響。指紋采集設(shè)備輸出的指紋圖像質(zhì)量越好，指紋識別系統(tǒng)的拒登率越低，指紋采集設(shè)備輸出的指紋圖像質(zhì)量越低，其拒登率越高。
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(jù)FVC大賽的結(jié)果，一般的指紋算法注冊時間在0.5秒以內(nèi)，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(jié)果輸出為止的時間。參加算法大賽的絕大多數(shù)算法的匹配時間在0.3秒以內(nèi)，這個參數(shù)與注冊時間最小值一起構(gòu)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(zhì)量影響，故一般取多個指紋庫的平均值，一般拿平均注冊時間和平均匹配時間作為衡量依據(jù)。
相關(guān)文章
精彩評論：
