Содержание к диссертации
Введение
Глава 1. Анализ проблематики 7
1.1 Автоматическая дактилоскопическая идентификация 7
1.1.1 Обзор методов дактилоскопической идентификации 7
1.1.2 Критерии точности дактилоскопической идентификации 14
1.1.3 Искажающие факторы 16
1.1.4 Деформации отпечатков пальцев 20
1.2 Обзор существующих способов моделирования, учета деформаций отпечатков пальцев 21
1.2.1 Модель тонкой металлической пластины и её варианты 22
1.2.2 Глобальная модель деформаций 25
1.2.3 Упругие модели 27
1.3 План исследования 28
Выводы из первой главы 29
Глава 2. Математическая модель процесса деформаций отпечатков пальцев 31
2.1 Уравнения деформаций 31
2.2 Решение уравнений деформации изображений отпечатков пальцев
2.2.1 Метод решения уравнений деформации 35
2.2.2 Алгоритм вычисления деформации изображений отпечатков пальцев 38
2.2.3 Вычислительная схема алгоритма решения уравнений деформации 42
2.2.4 Примеры решения уравнений деформации 44
2.3 Критерии точности моделирования деформаций 45
2.3.1 Статистические критерии идентичности отпечатков пальцев 45
2.3.2 Проблема выбора нормализующих поправок 50
2.3.3 Точность вычисления деформаций 53
Выводы из второй главы 63
Глава 3. Синтез деформаций отпечатков пальцев 65
3.1 Главные компоненты деформаций 65
3.2 Линейная модель деформаций 70
3.3 Точность линейной модели деформаций
3.3.1 Разница линейной и эластичной модели деформаций 71
3.3.2 Точность приближения линейной модели деформаций 74
3.4 Статистические свойства деформаций на различных массивах
отпечатков пальцев 81
Выводы из третьей главы 87
Глава 4. Учет деформаций в задачах дактилоскопической идентификации ... 88
4.1 Программное обеспечение анализа деформаций отпечатков пальцев...88
4.2 Технология синтеза искусственных приложений отпечатка пальца
4.2.1. Модель эксплуатационных условий 92
4.2.2. Оценка силы естественных деформаций 94
4.2.3. Эксперименты с синтезом искусственных деформаций 97
4.3 Синтез «недеформированного» отпечатка пальцев 100
4.3.1. Методы априорного вычисления деформации 100
4.3.2. Эксперименты 102
Выводы из четвертой главы 105
Заключение 106
Список литературы
- Деформации отпечатков пальцев
- Метод решения уравнений деформации
- Линейная модель деформаций
- Технология синтеза искусственных приложений отпечатка пальца
Введение к работе
Актуальность работы.
В настоящее время биометрические (использующие физические и поведенческие характеристики человека) технологии идентификации личности и системы на их основе получили широкое распространение в различных областях: от допуска в помещения до электронной коммерции и государственных систем различного назначения.
Наиболее распространенным методом биометрической идентификации является идентификация по отпечаткам пальцев. Несмотря на многочисленные исследования в области дактилоскопии, проводимыми такими учеными как В.Ю. Гудков, СО. Новиков, О.В. Черномордик, A. Bazen, R. Cappelli, S. Dass, М. Eleccion, A. Erol, S. Gerez, U. Halici, А.К. Jain, М. Kucken, D. Maio, D. Maltoni, D. Monro, S. Pankanti, S. Prabhakar, N. Ratha, A.Ross, B. Sherlock, M. Trauring, P. Vizcaya, J. Wegstein и др., точность дактилоскопической идентификации не достигла своего потенциала. Основной причиной является сложность моделирования, учета и компенсации многочисленных искажающих факторов, среди которых следует выделить шумы, малые области пересечения предъявляемых к сравнению отпечатков пальцев, эластичные деформации. Деформации являются одним из самых сильных и наименее изученных факторов. В этой связи тематика, связанная с исследованием деформаций отпечатков пальцев является актуальной.
Наиболее важными применениями моделей деформаций отпечатков пальцев являются: (1) синтез искусственных приложений пальца для имитации технологических испытаний в системах гражданской идентификации; (2) априорное устранение деформации за счет вычисления «недеформированного» состояния отпечатка пальца по множеству приложений на этапе регистрации.
Целью исследования является разработка методов моделирования, анализа и синтеза деформаций изображений отпечатков пальцев и их применение в задачах автоматической дактилоскопической идентификации.
Для достижения поставленной цели необходимо решение следующих задач:
Разработка математической модели процесса деформации отпечатка пальца.
Разработка методов анализа деформаций дактилоскопических изображений.
Статистический анализ характера и структуры деформаций.
Разработка методов синтеза деформаций дактилоскопических изображений.
Разработка алгоритма моделирования деформации отпечатка пальца.
Разработка алгоритма априорного учета деформации отпечатка пальца.
Методы исследования. В работе использованы современные методы обработки изображений и распознавания образов, теории вероятностей и математической статистики, теории упругости, методы программирования и моделирования на ЭВМ.
На защиту выносятся следующие результаты:
Модель деформаций изображений отпечатков пальцев.
Метод вычисления деформаций изображений отпечатков пальцев.
Система количественных признаков структуры деформаций.
Методы анализа и синтеза деформаций на основе разложения по базисным деформациям.
Информационная технология синтеза искусственных деформаций.
Информационная технология априорного учета деформаций отпечатков пальцев.
Научная новизна работы состоит в разработке информационных технологий анализа и синтеза деформаций дактилоскопических изображений.
Практическая ценность работы заключается в применении разработанных методов, алгоритмов и информационных технологий в дактилоскопических идентификационных системах.
Реализация результатов работы. Результаты диссертации реализованы в Программе фундаментальных исследований ОНИТ РАН (проект 1.5), Проектах РФФИ (№07-07-00031), в работах НОЦ ИПИ РАН - ВМК МГУ «Биометрическая информатика», в продуктах компании «Биолинк Солюшенс».
Апробация работы. Материалы диссертации излагались и обсуждались в тематическом «биометрическом» выпуске журнала «Информатика и ее применения» (2010, вып.1), и на следующих научно-технических конференциях: Графикон-2009 (Москва, 2009 г.), «Распознавание-2010» (Курск, 2010 г.), «Кибернетика и высокие технологии XXI века» (Воронеж, 2010 г.), Школа молодых ученых ИБРАЭ РАН (г. Москва).
Публикации. Материалы диссертации содержатся в отчетах ИПИ РАН, использованы в работах по грантам РФФИ 07-07-00031, 10-07-00433, отчетах по проектам ОНИТ РАН, в тематических выпусках журнала «Информатика и ее применения» (№1, 2010). В открытой печати по теме диссертации опубликовано 6 работ, из них в изданиях, входящих в Перечень ВАК, 2 работы.
Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и приложения.
Деформации отпечатков пальцев
В работе [32] предложен принципиально отличный от TPS подход к моделированию деформаций. Предложена эмпирическая модель деформаций, которая не является интерполяцией. Модель основана на наблюдении, что при движении пальца по поверхности сканера наблюдаются неподвижная область отпечатка в месте наиболее плотного контакта кожи и сканера и область жесткого (ортогонального) движения в дистальной зоне отпечатка. Между этими областями наблюдается некоторое нелинейное преобразование (рис. 1.23).
Если жесткое движение задано параметрами R (матрица поворота) и d (вектор сдвига), то в регионе нелинейного движения деформация вычисляется как u(x) = ((R.0 -Е)х + d)brake(shapedistD(х),к), (1.4) где brake - «передаточная» функция, позволяющая сгладить переход от неподвижной области к области движения, D - неподвижная область, shapedist - функция расстояния до неподвижной области, к - коэффициент, характеризующий упругости кожи (в [32] его предлагается подбирать эмпирически).
Предложено в качестве неподвижной области использовать эллипс. Соответственно функция shapedist характеризуется параметрами: с - центр эллипса, А - положительно определенная матрица, определяющая размер и направления осей эллипса. Точный вид shapedist задается следующим уравнением: shapedist Ас(х)= так 0, /(Х-С)А-1(Х-С) -1 . (1-5)
Примерный вид функции brake представлен на рис. 1.24. Примеры деформаций изображены на рис. 1.25. В целом деформации выглядят искусственными. Также к проблемам модели (кроме ее сугубо эмпирического характера) следует отнести при последовательно применении операторов движения, композиция которых дает неподвижный отпечатков, смещения (1.4) в композицию дают существенно смещенную и искаженную среднюю область.
Примеры деформаций Упругие модели деформаций изображений по методологии схожи с TPS. Только вместо бигармонического уравнения металлической пластины в основу положено уравнение динамики бесконечного изотропного упругого материала. Несмотря на то, что упругие модели были предложены ранее модели TPS [31], они получили меньшее распространение в научной литературе. Содержательно упругие модели можно представить следующим образом. Изображение наносится на резиновый материал (т.н. rubber mask). После чего приложением усилий в некоторых точках материал начинает деформироваться. Соответственно деформируется изображение. Такой подход широко применяется для моделирования изменений выражения лица [34,65].
Для отпечатков пальцев упругие модели используются только в работах [53,54]. В целом полученные результаты указывают на то, что такой подход является в целом перспективным. В частности, одним из следствий [53] является способ моделирования деформаций путем свертки с радиальной функцией: u(x) = rZ(p,-q,) Mx) i=i (1.6) где у - масштабирующий коэффициент, h(x) - является образом обратного преобразования Фурье следующего функционала в частотной области: н(сох,соу)= (\ + 4со2х+со2 со2 + (і + к)со2 - Кениейу ксохсоу {\ + к)с02х+СОу; (1.7) где к для кожи пальца примерно равен 2.5.
Вид «импульсного отклика» h(x) представлен нарис. 1.26.
В целом упругие модели методологически более обоснованы, чем модели TPS и глобальная модель деформаций. Основным недостатком работ [53,54] является предположение об изотропности отпечатка.
В целом предшествующий опыт (раздел 1.2) исследований в области моделирования отпечатков пальцев можно охарактеризовать следующим образом. Существуют несколько моделей деформаций отпечатков пальцев. В качестве основы для дальнейшего развития наиболее целесообразно использовать методологию упругих деформаций. Представляют интерес, и при этом в литературе практически не освещены, следующие прикладные вопросы учета и моделирования деформаций: 1. Численная оценка характера деформаций (для других искажающих факторов: малые области пересечения, шумы, - такие оценки существуют). 2. Методы синтеза искусственных деформаций со свойствами естественных деформаций. 3. Синтез минимально деформированного («недеформированного») состояния отпечатка пальца. В этой связи предлагается следующий план дальнейшего исследования: 1. Разработка математической модели процесса деформации отпечатка пальца, максимально точно учитывающей особенности кончиков пальцев и процесса сканирования отпечатков. 2. Статистический анализ деформаций на различных публично доступных базах отпечатков пальцев. 3. Определение численных критериев деформаций. Определение границ критериев для естественных деформаций. 4. Разработка информационной технологии синтеза искусственных деформаций с учетом численных критериев естественности деформаций. 5. Разработка информационной технологии синтеза «недеформированного» изображения отпечатков пальцев.
Метод решения уравнений деформации
Рассмотрим нормализующую поправку a\L (u)+a2Ln(u). Найдем элемент, которому принадлежит контрольная точка рЛ. Пусть значения индексов равны i(h) и j{h). Если контрольная точка совпала с одним из узлов решетки, то выберем один из элементов. Компоненты вектора рА+и(рЛ)-яЛ представляются как линейная комбинация РЛ +и(Р/г)-Ч/г =B/zu/(/0;(/0 -Ч/г (2-28) Невязка по точкам вычисляется по следующей формуле: 40 2(u)=y (вАи/(Л)у(Л) -qh)\ hui(h)jXh) -4h)= (2.29) 1 I і = - Z \и/(Л)7(Л)ВЛВЛи»(Л)ЛЛ) _2ЧЛВЛи/(АЖЛ) +члЧлу /г=1 Аналогично представляется компонент выражения для невязки нормалей: и(Чй) 3(рЛ+іі(рА)) = П(ЧА) Э(рА) + %-(РА) %W ox qy %У Зи„ , ч ди дх (РЛ) -Т-(РЛ) ду д(рн) = П(ЧЛ) Вйиі(Л)./(А) (2.30) В сумме компоненты смещения точек и касательных к потоку (2.29) и (2.30) можно записать как I (2.31) t h=\ + T I i«2n(q ) в -2аіЧАвй)»і(А)./(А) +т ЕЯАЧА Л=Г " l k=\ Аналогично (2.26) нормализующую поправку можно собрать по всем элементам в единую форму: a1Z2(u)+a2 (u) = u B]U + b2u + 63- (2.32) Соответственно, полная энергия представляется в следующем виде D(u)=u (B1+W)u + b2U + &3. (2.33) Функционал D(u) достигает минимума, т.к. матрица В, + W квадратичной части (2.33) положительно определена по способу ее построения. Во-первых, она является суммой положительно определенных квадратичных форм, поэтому неотрицательно определена. Во-вторых, входящие в (2.33) слагаемые (2.25) определены на всех элементах, поэтому нет направлений с нулевой производной. Точка минимума находится из условия равенства нулю производных: 2(B!+w)u + b2=0. (2.34) Решение (2.34) можно искать методами численного решения линейных уравнений с разреженными матрицами [5]. Полученное решение характеризуется значением целевого функционала (2.34) в найденной точке минимума. При этом функционал допускает физическую интерпретацию своих составляющих. Слагаемое (2.27) является силой деформации, а (2.33) невязкой решения.
На вход функции решения уравнений деформации подаются два изображения отпечатка пальца Imj и Іпі2. Для каждого изображения вычисляется: 1. Координаты контрольных точек ISO-совместимым алгоритмом. В частности, все алгоритмы, представленные в испытаниях NIST MINEX [51] ISO-совместимы. В настоящей работе использовался алгоритм BioLink MST. 2. Поле направлений локального потока папиллярных линий в контрольных точках градиентным методом [55]. Могут использоваться и другие известные методы извлечения линейчатой структуры [45]. Далее выполняются следующие шаги по вычислению коэффициентов формы (2.27). 3. Поле направлений экстраполируется на все изображение Im,. Нами использовалась модель [52]. В каждой точке вычисляется тензор С(х,у). 4. Для каждого элемента разбиения вычисляются коэффициенты формы (2.27). Интегралы вычисляются как попиксельная сумма подинтегральных выражений. 5. Находятся наборы соответствующих контрольных точек {р/г})2=1 и \ \h\=\- В настоящей работе используется аккумулятор [60], в котором голосуют отрезки. А именно, пусть на первом изображении найдено п\ контрольных точек с координатами и направлениями папиллярного потока ur ,j ,aH Аналогично на втором изображении «2 точек с координатами \xf, у?, af ). Аккумулятором является матрица размера щхп2, где каждый элемент характеризует степень соответствия точки первого изображения точке второго изображения. При работе алгоритма поиска соответствия обрабатываются всевозможные пары точек на двух изображениях (отрезки). Каждую из пар характеризует расстояние и два угла между направлением потока и отрезком (рис. 2.4). Каждый из отрезков первого изображения сравнивается с отрезком из другого изображения. Если отрезки достаточно похожи по взвешенной сумме разности длин и углов, то два элемента (по одному на каждый конец отрезка) аккумулятора увеличиваются на единицу. В конце соответствие определяется как построчный максимум.
Константами, определяющими результат работы алгоритма, являются: (1) решетка, по которой проводится интерполяция; (2) нормализующие константы а, и а2. Вопрос выбора констант рассмотрен в разделе 2.3. Шаг решетки был выбран в 16 точек. При таком шаге вычисление относительной деформации занимает менее 0.1с на процессоре PIV 2,4 GHz.
Примеры результатов вычисления деформаций приведены на рис. 2.5. С точки зрения задач исследования оптимальным результатом является нахождение деформации, которая переводит одно изображение отпечатка в другое изображение того же отпечатка. Поэтому в качестве одной из оценок точности вычисления деформаций используется прямое наложение Imav изображений: Imav Л(іт2 + и(іті)). (2.35)
Примеры наложения с учетом оптимальной по (2.34) деформации в сравнении с оптимальным движением приведены на рис. 2.5. Контрастная часть результатов наложения указывает на резонанс папиллярных линий. Серая часть соответствует неточному наведению.
Из рис. 2.5 видно, что предложенная модель позволяет с высокой точностью преобразовывать изображения отпечатков пальцев друг в друга. При этом отсутствуют краевые эффекты, характерные для эмпирических моделей деформаций на основе тонкой металлической пластины3 или модели Cappelli et al .
Линейная модель деформаций
Основные уравнения деформаций (2.6)-(2.7) являются линейными. Поэтому его решения образуют линейное пространство. В частности, для деформаций можно определить операцию проекции друг на друга. Поэтому структуру деформаций можно изучать путем линейного разложения по проекциям на ортонормированный набор базисных деформаций: u = c,b,+r, (3.1) где Ь( - базисные деформации, сг - коэффициенты разложения по базису, г остаток.
Одним из способов представления (3.1) является свертка с функцией Грина уравнений деформации. Однако очевидным недостатком такого способа является необходимость использования плотной сетки для импульсных сил и, как следствие, большого числа базисных деформаций для приближения реальных деформаций. Для получения описания естественных деформаций с меньшим числом параметров отпечатков пальцев применим метод главных компонент. В качестве исходных данных используются апостериорно вычисленные деформации в «своих» сравнениях на массивах FVC2002DB1/DB2/DB4 (всего три набора по 2800 апостериорных деформаций, каждая деформация определена на сетке с шагом 16 пикселов, всего 450 узлов).
На рис. 3.1 показана зависимость накопленной дисперсии первых главных компонент в зависимости от их количества п. Как видно из рисунка график довольно быстро сходится. Первые 10 компонент объясняют 95% дисперсии деформаций. Т.е. внутренняя размерность «пространства деформаций» относительно незначительно и сравнима с количеством движений, приводящим к дополнительным деформациям отпечатков.
На рис. 3.2 представлены карты смещений, соответствующие первым четырем главным деформациям, вычисленным на трех различных базах: FVC2002DB1/FVC2002DB2/FVC2002DB4. Как видно из рисунка, главные компоненты деформаций по своему виду практически не зависят от выбранного массива отпечатков пальцев. Это косвенно указывает на то, что такое разложение является достаточно универсальным.
Карта смещений главных деформаций, полученных на различных массивах отпечатков пальцев (сверху вниз - FVC2002DB1, FVC2002DB2, FVC2002DB4) Вторым важным свойством разложения по главным деформациям является наглядная физическая интерпретация. На рис. 3.3 показаны основные способы приложения пальца к сканеру, приводящие к первым четырем деформациям главным деформациям: деформационные вращения (когда приложенный к поверхности сканера палец поворачивается) и деформационные сдвиги (вдоль и поперек направления приложения пальца). Примеры возникающих при этом деформаций в динамике представлены на рис. 3.4. (а) (б) (в) (г)
В базисе главных деформаций деформацию можно представить в виде бесконечной суммы: -Х А „ (3-2) 1=1 с, =(u,b,), (3.3) где (,) - операция скалярного произведения.
Для деформаций, определенных на равномерной дискретной сетке, скалярное произведение вычисляется по следующей формуле: пт ,=1 7=] Рисунок 3.4. Примеры моделирования процесса первых четырех главных деформаций (слева - исходное состояние, справа - деформированное) Преимуществом главных деформаций относительно других базисов в пространстве деформаций является в среднем самая быстрая сходимость приближения по первым п векторам разложения [44]: й„=2 . (3.5)
С точки зрения реального применения использование разложения (3.5) вместо точного решения не принесет дополнительного выигрыша в производительности или точность, т.к. (3.2) является заменой базиса в линейном пространстве.
Рассмотрим задачу оценки коэффициентов (3.3) без вычисления деформации путем решения уравнений (2.6)-(2.7). Пусть, как и в главе 2, известны наборы соответствующих друг другу контрольных точек на двух изображениях: рг- и q/. Требуется найти оптимальное преобразование, в которое входят первые п главных деформаций: /?\х У)=а0 +ахх + ауу+ 2сгЬ (х, ) (3.6) fy(x,y)=b0+bxx + byy+Zcibyj(x,y) (3.7) /=1 Распишем систему (3.5)-(3.6) для каждой контрольной точки в отдельности: fx \Pj ) = «О + axPxj + ayPyj + Ё сфХу (3.8) 1=1 fx \Pj ) = b0 + bxPxj + byPyj + Zcibyij (3-9) J=l где {pxlJ,bylj) - смещения 7-й контрольной точки py под действием z -й главной деформации bt. При точной интерполяции уравнения (3.8) и (3.9) следует дополнить условиями Л" (py )= /; (3-ю) fyipjhbj- (зл1)
Уравнения (З.Ю)-(З.П) устанавливают 2/ (/-размер наборов контрольных точек) условий на 6+2п параметров. В общем случае, когда используется незначительное число главных деформаций, система уравнений (З.Ю)-(З.П) неразрешима. Более того, как показано в главе 1, попытка получить точную интерполяцию в задаче вычисления деформации является нецелесообразной.
Аналогично смещениям запишем преобразования локальных потоков папиллярных линий: Sx(Pj)= axdx{vj)+aydy{vj)+ ltci{Jxxij{vj)&x{vj)+Jxyijdy (ру)); (3.12) gy{pj)=bxdx{pj)+bydy{pj)+Zci{jyxij{vj)dx{pj)+Jyyij8y(pj)); (3.13) где (дх,ду) - касательная к локальному потоку папиллярных линий, (J J Л XXI] xyij г , - якобиан деформации Ьг- в точке ру. Уухр Jyyij) Будем искать приближенное решение (3.8),(3.9), (3.12), (3.13) методом наименьших квадратов, т.е. как минимум следующего функционала, аналогичного (2.14): Dn= Z fai/(py)-qy 2+a2\\g{pj)-d{qj]2)\ (3.14) i=\Vi=A J) Z Z y=iu=i При решении используется известные методы линейной алгебры.
Технология синтеза искусственных приложений отпечатка пальца
Одной из частных задач синтеза деформаций является создание «недеформированного» усредненного изображения по нескольким отпечаткам пальцев. Пусть есть к+1 изображений: Im0, Im,, ..., lmk. Обозначим деформации Imy- относительно Im0 через uy-. Рассмотрим два Uflv=5 ./. (4-12) подхода к синтезу средней деформации. Первый заключается в формальном вычислении средней карты смещений uav: к
Соответственно, среднее изображение определяется, как Im =иот(іш0). Второй подход заключается в вычислении такого состояния отпечатка, при котором собственная энергия деформаций к изображениям из коллекции была минимальна, т.е.: «mm = nun г к л 5X(«-u ,(u) (4.13) Среднее по такому условию изображение определяется как Immin =umin(lm0). Получаемое таким образом «недеформированное» изображение может быть использовано для увеличения точности идентификации. При регистрации на основе нескольких предъявлений отпечатка пальца вычисляется среднее состояние (рис.4.14). Функционал (4.13) квадратичен и по своим свойствам идентичен функционала энергии главы 2. Поэтому поиск его решения осуществляется аналогичными методами.
Оба преобразования (4.12) т (4.13) являются в некотором смысле проекциями. При добавлении «недеформированного» состояния к коллекции изображений новое «недеформированное» состояние и , ИЛИ u min не отличается от старого. Для усреднения (4.12) это достаточно очевидно и доказывается следующей выкладкой:
Для усреднения (4.13) можно показать, что любая отличная от umin деформация имеет большую внутреннюю энергию. Запишем разницу внутренних энергий: Х (и-иу)+ (и-итіп)+ (и) /-1 определению минимальной деформаций. Если umin u, то член ,,(u umm) 1 строго положителен. Поэтому минимальная деформация на расширенной коллекции изображений Im0, Imj, ..., lmk, Immin совпадаете u .
Рассмотрим схему эксперимента. Каждая из баз FVC2002 и FVC2004 содержит по 8 отпечатков каждого пальца. Обозначим их через Im/ і - номер субъекта, j-номер отпечатка. В стандартных технологических испытаниях для каждой пары вычисляется функция:
Match(CreateTemplate( Im, ),CreateTemplatel( Im2)).
В такой схеме при «своем» сравнении первого и второго отпечатка из восьми доступных для идентификации, остается шесть для пополнения шаблона. Т.е. максимально усредненный шаблон можно собрать из семи отпечатков. Это определяет дальнейшую схему эксперимента. for j=l to 8 do begin for і 1: = 1 to 99 do begin // Сформировать шаблоны отпечатков пальцев GTpl.Clear; Tpll[l] =CreateTemplate(Im[il][l])y Tpll[2] =CreateTemplate(Im[il][2])/ Tpll[3] = CreateTemplate(Im[il][3]), Tpll [4] = CreateTemplate(Im[il][4]); Тр11[5] =CreateTemplate(Im[il][5]) ТрИ[6] =CreateTemplate(Im[il][6]) Тр11[7] =CreateTemplate(Im[il][7]) Тр11[8] =CreateTemplate(Im[il][8]) // Сформировать у средненный шаблон for q: = : L to 8 do if (qoi) GTpl.Add(Tpll[q]); ATpll: = AverageTemplate(GTPI); for І2: = il to 100 do begin 102 Tpl2:=CreateTemplate(Im[i2][j]); // Сравнить отпечатки MatchScore: = Match(ATpll,Tpl2); // Протоколировать результаты if (il=i2) then GenuineList.Add(Matchscore) else ImpostorList.Add(Matchscore) end; end;end; MST без регистрации деформаций MST с регистрацией деформаций MST с усреднением AV О MST с усреднением MIN
На рис. 4.15-4.17 представлены графики ошибок EER, FRR@FAR=0,01 и FRR@FAR=0,001 алгоритма BioLink MST для различных массивов отпечатков пальцев. Как видно из графиков, наблюдается значительное улучшение точности за счет использования усреднения (4.13). Формальное усреднение отпечатков (4.12) дает менее значительное улучшение. Увеличение точности от усреднения шаблона составляет 75% увеличения точности от апостериорного учета деформаций упругой моделью. Таким образом можно сказать, что в среднем априорно устраняется 75% искажений вызванных этим негативным фактором. ш MST без регистрации деформаций BMST С регистрацией деформаций BMST с усреднением AV DMST с усреднением MIN Рисунок 4.16. FRR@FAR=0,01 для различных баз отпечатков пальцев О 18 0.16 MST без регистрации деформаций MST с регистрацией деформаций в MST с усреднением AV п MST с усреднением MIN
1 Разработано программное обеспечение анализа деформаций отпечатков пальцев, реализующее основные методы и алгоритмы глав 3 и глав 3.
2 Разработана информационная технология синтеза искусственных деформаций отпечатков пальцев. На основе этой технологии разработана методика оценки чувствительности алгоритма распознавания отпечатков пальцев к силе деформаций.
3 Разработана информационная технология синтеза «недеформированного отпечатка» пальцев, которая позволяет повысить точность идентификации за счет априорного подавления деформации на этапе создания шаблона. По точности идентификации априорное усреднение изображение относительно упругих деформаций практически эквивалентно апостериорному учету деформаций. Для технологии Biolink MST наблюдается практически двухкратное уменьшение ошибки первого рода
