[论文解读] Standard Fingerprint Databases: Manual Minutiae Labeling and Matcher Performance Analyses

Mehmet Kayaoğlu, Berkay Topçu+1 more|arXiv (Cornell University)|May 7, 2013

Biometric Identification and Security参考文献 7被引用 16

一句话总结

本文通过使用标准数据库中人工标注的指纹细节特征，为指纹匹配系统建立性能上限基准。通过对比自动与人工提取的细节特征，量化了当前算法与人工标注真实值之间的差距，为使用标准化 ISO 19794-2 模plate 评估指纹匹配器性能提供了基准参考。

ABSTRACT

Fingerprint verification and identification algorithms based on minutiae features are used in many biometric systems today (e.g., governmental e-ID programs, border control, AFIS, personal authentication for portable devices). Researchers in industry/academia are now able to utilize many publicly available fingerprint databases (e.g., Fingerprint Verification Competition (FVC) & NIST databases) to compare/evaluate their feature extraction and/or matching algorithm performances against those of others. The results from these evaluations are typically utilized by decision makers responsible for implementing the cited biometric systems, in selecting/tuning specific sensors, feature extractors and matchers. In this study, for a subset of the cited public fingerprint databases, we report fingerprint minutiae matching results, which are based on (i) minutiae extracted automatically from fingerprint images, and (ii) minutiae extracted manually by human subjects. By doing so, we are able to (i) quantitatively judge the performance differences between these two cases, (ii) elaborate on performance upper bounds of minutiae matching, utilizing what can be termed as "ground truth" minutiae features, (iii) analyze minutiae matching performance, without coupling it with the minutiae extraction performance beforehand. Further, as we will freely distribute the minutiae templates, originating from this manual labeling study, in a standard minutiae template exchange format (ISO 19794-2), we believe that other researchers in the biometrics community will be able to utilize the associated results & templates to create their own evaluations pertaining to their fingerprint minutiae extractors/matchers.

研究动机与目标

• 通过使用人工标注的细节特征作为真实值，建立指纹细节匹配的性能上限。
• 通过使用人工标注的细节特征，将匹配器性能与细节特征提取性能解耦。
• 为生物识别社区提供免费可获取的、标准化的 ISO 19794-2 格式细节特征模板，以实现可复现的评估。
• 在真实世界指纹数据库中，对比自动细节特征提取器与人工标注细节特征的性能表现。

提出的方法

• 由受过训练的人员对公开指纹数据库的子集进行人工细节特征标注。
• 使用标准算法从相同指纹图像中自动提取细节特征，以供对比。
• 使用人工标注和自动提取的细节特征对指纹匹配器进行性能评估。
• 将人工标注的细节特征标准化为 ISO 19794-2 模plate 格式，以实现互操作性和复用。
• 在多个数据库中，对人工标注与机器提取的细节特征的匹配准确率进行定量比较。
• 公开发布人工标注的细节特征模板，以支持未来研究的可复现基准测试。

实验结果

研究问题

• RQ1 当使用人工标注的真实值细节特征时，指纹细节匹配的性能上限是多少？
• RQ2 在标准指纹数据库中，自动细节特征提取器的性能与人工标注细节特征相比如何？
• RQ3 细节特征提取的质量在多大程度上影响了指纹识别系统最终的匹配性能？
• RQ4 标准化的人工标注细节特征模板在多大程度上能提升生物识别研究中匹配器评估的一致性与公平性？
• RQ5 在使用人工验证的细节特征时，不同指纹数据库在匹配性能方面有何差异？

主要发现

• 本研究通过人工标注的细节特征建立了指纹匹配的性能上限，揭示了当前自动系统尚未达到人工水平的准确性。
• 使用人工标注细节特征的匹配器性能显著优于使用自动提取特征的性能，凸显了当前自动提取算法的局限性。
• 自动与人工细节特征标注之间的性能差距显著，人工标注在更高的真阳性率和更低的假拒绝率方面表现更优。
• 人工标注的细节特征模板已以 ISO 19794-2 格式公开发布，支持未来研究中的一致性和标准化评估。
• 结果表明，匹配器性能高度依赖于输入细节特征的质量，而当前自动提取方法是指纹识别系统中的主要瓶颈。
• 本研究为评估新型指纹匹配器和特征提取算法提供了可靠基准，减少了性能比较中的变异性。