[论文解读] Matching Fingerphotos to Slap Fingerprint Images

Debayan Deb, Tarang Chugh+5 more|arXiv (Cornell University)|Apr 22, 2018

Biometric Identification and Security参考文献 8被引用 20

一句话总结

本研究评估了使用智能手机应用程序拍摄的指纹照片与光学读取器获取的旧式掌纹指纹图像之间匹配的可行性，通过四指融合实现0.1%假接受率下的95.79%真接受率。该方法利用现有智能手机实现低成本生物特征认证，为发展中国家的国家身份证系统提供可扩展的解决方案。

ABSTRACT

We address the problem of comparing fingerphotos, fingerprint images from a commodity smartphone camera, with the corresponding legacy slap contact-based fingerprint images. Development of robust versions of these technologies would enable the use of the billions of standard Android phones as biometric readers through a simple software download, dramatically lowering the cost and complexity of deployment relative to using a separate fingerprint reader. Two fingerphoto apps running on Android phones and an optical slap reader were utilized for fingerprint collection of 309 subjects who primarily work as construction workers, farmers, and domestic helpers. Experimental results show that a True Accept Rate (TAR) of 95.79 at a False Accept Rate (FAR) of 0.1% can be achieved in matching fingerphotos to slaps (two thumbs and two index fingers) using a COTS fingerprint matcher. By comparison, a baseline TAR of 98.55% at 0.1% FAR is achieved when matching fingerprint images from two different contact-based optical readers. We also report the usability of the two smartphone apps, in terms of failure to acquire rate and fingerprint acquisition time. Our results show that fingerphotos are promising to authenticate individuals (against a national ID database) for banking, welfare distribution, and healthcare applications in developing countries.

研究动机与目标

• 评估通过智能手机拍摄指纹照片并将其与旧式掌纹指纹图像匹配的可行性，以验证普通智能手机作为生物特征读取设备的适用性。
• 在包括体力劳动者在内的不同职业人群的真实环境中，评估指纹照片到掌纹指纹匹配的性能表现。
• 将指纹照片匹配的准确性与两种基于接触式光学指纹读取器之间的匹配基准性能进行比较。
• 分析智能手机指纹照片应用的可用性因素，如失败获取率和采集时间。
• 识别指纹采集中的挑战，包括手指磨损和纹身（如纹身）的影响，并评估其对匹配性能的影响。

提出的方法

• 使用两款智能手机应用（App1 和 App2）采集309名受试者的指纹照片，使用两款基于接触式光学的掌纹读取器（CrossMatch 和 SilkID）完成旧式指纹注册。
• 采用Innovatrics IDKit SDK作为商用现成（COTS）指纹匹配器，计算指纹照片与掌纹图像之间的匹配得分。
• 通过四根手指（两根拇指和两根食指）的得分融合，采用求和规则提升匹配准确性。
• 使用真接受率（TAR）和假接受率（FAR）在不同阈值下的表现评估性能，ROC曲线用于基准对比。
• 使用NIST的指纹图像质量（NFIQ）指标评估指纹图像质量，将图像分类为“良好”（NFIQ 1–3）或“较差”（NFIQ 4–5）。
• 通过视觉检查假拒绝和假接受案例的失败情况，识别导致失败的原因，如对焦不良、运动模糊和图像质量差。

实验结果

研究问题

• RQ1 在真实环境中，使用普通智能手机拍摄的指纹照片能否可靠地与基于接触式光学读取器获取的掌纹指纹图像匹配？
• RQ2 在融合多根手指得分的情况下，指纹照片到掌纹指纹匹配的性能表现如何，特别是在真接受率（TAR）和假接受率（FAR）方面？
• RQ3 与两种基于接触式光学指纹读取器之间的匹配基准性能相比，指纹照片匹配的性能表现如何？
• RQ4 基于智能手机的指纹照片采集在可用性方面面临哪些挑战，如失败获取率和采集时间？
• RQ5 哪些因素（如图像质量、手指状态（如磨损或纹身）以及采集技术）对匹配准确性影响最大？

主要发现

• 四指融合策略在0.1%假接受率下实现了95.79%的真接受率，表明其在实际部署中具有强大潜力。
• 两种基于接触式光学读取器之间的匹配基准性能更高，在0.1%假接受率下达到98.55%的真接受率。
• 单根手指的最佳匹配性能为76.63%真接受率（0.1%假接受率），表明单指匹配无法达到可接受的准确性水平。
• App2显著优于App1，在四指融合下实现99.66%真接受率（0.1%假接受率），而App1仅为72.14%。
• App1的失败获取率高达28.5%，可能由于拍摄前对焦时间不足；而App2的失败获取率仅为13.0%。
• 指纹图像质量分析显示，App1拍摄的图像中质量较差的比例（NFIQ 4–5）显著高于App2和光学读取器。