[论文解读] Fingerprint Analysis with Marked Point Processes

Peter Forbes, Steffen L. Lauritzen+1 more|arXiv (Cornell University)|Jul 22, 2014

Biometric Identification and Security参考文献 24被引用 3

一句话总结

本文提出了一种基于标记泊松点过程的贝叶斯指印匹配框架，用于建模纹线末端和分叉点（包含位置、方向和类型）。该方法采用高效的马尔可夫链蒙特卡洛算法计算检方与辩方假设下的似然比，在NIST-FBI数据库的258对指印中表现出色。

ABSTRACT

We present a framework for fingerprint matching based on marked point process models. An efficient Monte Carlo algorithm is developed to calculate the marginal likelihood ratio for the hypothesis that two observed prints originate from the same finger against the hypothesis that they originate from different fingers. Our model achieves good performance on an NIST-FBI fingerprint database of 258 matched fingerprint pairs.

研究动机与目标

• 开发一种统计上严谨、概率化的指印鉴定框架，通过似然比量化证据权重。
• 解决尽管指印鉴定在法医学中已有超过一个世纪的应用历史，但其区分能力与错误率仍缺乏科学研究的问题。
• 将指印纹线特征建模为包含空间位置、方向和类型（末端、分叉或未观测）的标记点过程。
• 通过完全贝叶斯的配准程序，实现自动化指印鉴定与法庭可用的证据评估。
• 在现有模型基础上，通过整合相似变换（平移、旋转、缩放）并处理低质量指印中的稀疏纹线特征，实现改进。

提出的方法

• 将指印建模为复平面上的标记泊松点过程，其中每个纹线特征表示为三元组（ℂ中的位置，𝕊¹上的方向，类型∈{−1,0,1}）。
• 使用复正态分布与冯·米塞斯分布，分别建模检方与辩方假设下纹线的空间与角度分布。
• 将似然比定义为同一手指（Hp）与不同手指（Hd）假设下边际似然之比。
• 通过引入辅助变量，实现吉布斯采样，联合抽样匹配配置ξ、变换参数(ψ, τ)与噪声精度σ。
• 采用马尔可夫链蒙特卡洛算法中的Metropolis–Hastings步骤，设计高效提议分布，仅更新B中随机选择的纹线的匹配关系，利用基于空间与角度对齐的条件概率。
• 通过舍弃公共项对提议密度进行归一化，从而实现MCMC算法中转移概率的快速计算。

实验结果

研究问题

• RQ1 如何构建一个概率模型，利用标记点过程量化指印比对中的证据权重？
• RQ2 在具有不同打印质量的真实数据上，贝叶斯似然比框架在指印匹配中的表现如何？
• RQ3 在贝叶斯框架中，如何一致地建模并边缘化相似变换（平移、旋转、缩放）以实现指印配准？
• RQ4 能否设计一种高效的马尔可夫链蒙特卡洛算法，以避免对所有可能匹配进行完整枚举，从而计算边际似然比？
• RQ5 该模型如何处理纹线稀少的低质量指印，其对缺失或噪声数据的鲁棒性如何？

主要发现

• 所提出的标记点过程模型在NIST-FBI指印数据库上表现优异，能有效区分匹配对与非匹配对。
• 马尔可夫链蒙特卡洛算法通过积分变换与匹配配置，高效计算边际似然比，使该方法具备实际法医学应用潜力。
• 通过联合建模空间与角度特征，并采用复正态与冯·米塞斯分布，该模型有效应对任意坐标系与低质量指印的挑战。
• 借助辅助变量与定制化的Metropolis–Hastings采样器，MCMC链实现快速采样与高接受率，确保收敛与良好混合性。
• 该框架为启发式指印匹配提供了原则化的贝叶斯替代方案，通过似然比提供可量化的证据权重。
• 该方法对缺失纹线具有鲁棒性，在仅存在少量特征时仍表现良好，这在包含258对匹配样本的NIST-FBI数据集中已得到验证。