DE60315658T2

DE60315658T2 - Fingerabdrucksverifikationsmethode und -system

Info

Publication number: DE60315658T2
Application number: DE60315658T
Authority: DE
Inventors: Lorenz Müller; Hans Walter Kramer
Original assignee: BERNER FACHHOCHSCHULE TECHNIK; BERNER FACHHOCHSCHULE TECHNIK und INFORMATIK (TI)
Current assignee: Axsionics Ag Biel Ch
Priority date: 2003-10-17
Filing date: 2003-10-17
Publication date: 2007-12-27
Anticipated expiration: 2023-10-18
Also published as: EP1524620B1; DE60315658D1; ATE370460T1; EP1524620A1; US20050084143A1; US7206437B2

Description

Die Erfindung betrifft ein Verfahren zur Durchführung der Fingerabdruck-Verifikation und ein Fingerabdruck-Verifikationssystem.
Der Stand der Technik offenbart einige verschiedene Ansätze, um Fingerabdruck-Verifikationssysteme mit dem Ziel zu verbessern, die Falschakzeptanzrate (FAR) im Falle von Täuschungen zu vermindern. Ein Ansatz, um bekannte Fingerabdruck-Verifikationssysteme zu täuschen, besteht darin, ihnen künstliche Finger vorzulegen, wie sie in Matsumoto et al. "Impact of artificial 'gummy' fingers an fingerprint systems" in Optical Security and Counterfeit Deterrence Techniques IV, Bellingham, Washington, 2002-01-23/25, Vol. 4677, The International Society of Optical Engineering, Seiten 275/288 beschrieben worden sind.
Fingerabdruck-Erkennungssysteme sind in forensischen Anwendungen in breitem Einsatz. Ursprünglich ist eine konventionelle Technologie eingesetzt worden, die auf gefärbte Fingerabdruck-Clichés und eine auf Papierkarteikarten basierende Datenbank gesetzt hatte, wobei menschliche Experten die Abfrage und den Vergleich durchgeführt hatten. Seit einigen Jahren sind elektronische und auf Computer-Software basierte Datenbank- und Vergleichsverfahren entwickelt und umgesetzt worden.
Kürzlich und mit der erhöhten Verfügbarkeit von Fingerabdruck-Abtastsystemen ist die Fingerabdruck-Technologie eine der am wichtigsten anzusehenden biometrischen Identifikations-Verfahren geworden. Jedoch sind elektronische Fingerabdruckerkennungssysteme, wie jedes Kettenglied in einem Sicherheitssystem, mögliche Ziele von ungesetzlichen Angriffen und Betrug.
In der US 2003/039381 ist ein Verfahren beschrieben, bei dem Minutien-Punkte durch die Abstände klassifiziert sind, wie sie zu den nächsten Nachbar-Minutien-Punkte in winkelmässig quantisierter Nachbarschaft um den originalen Minutien-Punkt klassifiziert sind. Dieses Verfahren liefert einige topologische Informationen für den Minutien-Punkt und seine unmittelbaren Nachbarn. Es liefert jedoch keine globale Information über die Minutien und deren Einbettung in die Minutien-Geometriemuster, um in einer einzigartigen Weise zwei entsprechende Minutien-Punkte zu identifizieren. Das Verfahren gestattet, Kandidaten für die weitere Verarbeitung ausserhalb einer Datenbank zu selektieren.
F. Pernus et al. beschreiben in dem Artikel "Minutiae based fingerprint recognition" in Proc. of the 5th Int. Conf. an Pattern recognition, Miami, 1980, Seiten 1380-1382, ein Verfahren zum Erkennen von entsprechenden Fingerabdrücken durch Minutien-Abgleich, unter Einsatz von spezifischen lokalen Merkmalen der Minutien. Die vorgelegte Merkmalsmatrix der Minutien charakterisiert jedoch nicht die topologische Einbettung der spezifischen Minutien in das geometrische Muster von allen Minutien, noch liefert es eine standardisierte Darstellung dieser topologischen Einbettung in das globale Minutien-Geometriemuster.
Basierend auf diesem Stand der Technik ist es ein Ziel der vorliegenden Erfindung, ein verbessertes Fingerabdruck-Verifikationssystem zu liefern, welches fähig ist, detaillierte Abgleichsinformationen, unter Einschluss von präziser Registrierung des Templates und des Abfragens des Fingerabdruck-Abtastbildes wiederzugeben.
Dieses Verfahren wird mit einem Verfahren mit den Merkmalen des Anspruchs 1 erreicht.
Die Abgleichsarchitektur nutzt einen Zweistufen-Abgleich, d.h. einen ersten topologischen Abgleich, gefolgt von einem geometrischen Abgleich. Dieses Konzept zeigte sich als sehr effizient und transparent. Ein besonderer Vorteil des Verfahrens gemäss der Erfindung liegt darin, dass die durch den Abgleichsprozess zurückgegebenen Ergebnisse eine präzise Registrierung des Templates und der Abfragebilder gestattet.
Weitere vorteilhafte Ausführungsbeispiele sind durch die in den abhängigen Ansprüchen genannten Merkmale gekennzeichnet.
Durch diese Offenbarung hindurch werden die folgenden Definitionen benutzt. Fingerabdruck-Erkennung ist ein allgemeiner Begriff für die Fingerabdruck-Identifikation wie auch die -Verifikation.
Während die Fingerabdruck-Identifikation auf das Verfahren zum Abgleich eines Abfrage-Fingerabdruckes gegen eine Template-Fingerabdruck-Datenbank bezogen wird, um die Identität eines Individuums festzustellen, bezieht sich die Fingerabdruck-Verifikation auf die Bestimmung, ob zwei Fingerabdrücke vom selben Finger stammen oder nicht. Da die Verifikation einen Vergleich eines Abfrage-Fingerabdrucks gegen einen aufgezeichneten Template-Fingerabdruck ist, wird er auch als 1-zu-1-Abgleich bezeichnet. Die Identifikation wird auf der anderen Seite als 1-zu-vielen_Abgleich benannt.
Eine Fingerabdruck-Abtastung ist eine digitale Darstellung eines Fingerabdrucks als Ergebnis eines Datenerfassungs-Prozesses mit einem einen Fingerabdruck abtastenden Gerät. In dieser Arbeit ist das typische Datenformat eines rohen oder ursprünglichen Fingerabdruck-Abtastorgans das BMP-Bilddatei-Format, aber es gibt viele andere gültige Formate.
Ein lebendiger Finger ist ein Originalfinger, der Teil des lebenden Körpers einer Person ist, deren Identität verifiziert werden sollte. Ein Gummifinger oder ein künstlicher Finger ist nicht original. Er ist künstlich hergestellt worden, um Fingerabdruck-Systeme zu täuschen.
Von einer Fingerabdruck-Abtastung liefert ein Extraktionsprozess Merkmale in den Erhöhungen und Vertiefungen der Papillarleisten, so genannten Minutien. Es werden Punkte festgestellt, an denen die Papillarleisten enden oder sich aufteilen und verzweigen und ihr Ort, Typ, ihre Orientierung und Qualität werden gespeichert und für die Suche eingesetzt.
Es sind ungefähr 30–50 Minutien bei einer typischen Sensor-Abtastung vorhanden und der Abgleich findet auf diesen Punkten anstatt auf allen Pixeln des Fingerabdruck-Bildes statt. Mit dem oben erwähnten Sensor von Infineon umfasst das Fingerabdruck-Bild 288 mal 224 = 64'512 Bildpunkte, so dass eine Bildpunktgrösse ungefähr 0.05 mm für solche Sensoren typisch ist.
Die Bild-Registrierung ist das Verfahren, zwei oder mehrere Bilder derselben Szene auszurichten. Ein Bild, welches das Basisbild genannt wird, wird als Referenz angesehen, zu dem andere Bilder, so genannte Eingabe-Bilder, verglichen werden. Das Ziel der Bild-Registrierung liegt darin, das Eingabe-Bild in Übereinstimmung mit einem Basis-Bild zu bringen, indem eine räumliche Transformation auf das Eingabe-Bild angewandt wird.
Die Erfindung wird nun beispielhaft auf der Basis der beigefüg ten Zeichnungen beschrieben:
1 zeigt ein Ziel, welches um einen Minutien-Punkt gemäss einem ersten Ausführungsbeispiel der Erfindung konstruiert worden ist, und
2 zeigt ein Ziel, welches um einen Minutien-Punkt gemäss einem zweiten Ausführungsbeispiel der Erfindung konstruiert worden ist, und
3 zeigt ein Diagramm des gesamten Graufeld-Bildes, welches durch einen Gummifinger erzeugt wird, welches gemäss einem anderen Ausführungsbeispiel der Erfindung erfasst werden kann.
Ein Verfahren für eine automatische Fingerabdruck-Identifikation und/oder Verifikation als System umfasst mindestens drei Hauptverarbeitungs-Schritte, nämlich:

a) Fingerabdruck-Abtastung,
b) Merkmals-Extraktion, beispielsweise Fingerabdruck-Minutien-Extraktion, und
c) Abgleich.

Die folgende Beschreibung erklärt kurz die notwendigen Schritte, die sich auf a) und b) beziehen, bevor sie weitgehender den Schritt c), unter Bezugnahme der beigefügten Zeichnungen beschreibt.
Die Erfindung kann mit jeglichem konventionellen Fingerabdruck-Abtastverfahren eingesetzt werden, d.h. das Ziel des Abtast-Verfahrens ist die Erzeugung von Fingerabdruck-Bildern. Typische Fingerabdruck-Abtastsysteme sind in dem oben genannten Dokument von Matsumoto et al. beschrieben. Ein kapazitiver Fingerabdruck-Sensor, wie er mit den Ausführungsbeispielen der Vorrichtung gemäss der Erfindung eingesetzt worden ist, ist in "Microsystems for Biometrics FinterTIP-FTF 1100 MF1 V2. 0 CMOS Chip and System Data Book 3.3", München, Deutschland, 2000, Status 05.00, Infineon Technology AG, CC Applications Group, Seiten 38 ff. beschrieben. Solch ein System kann eingesetzt werden, um Bilder zu liefern, beispielsweise so genannte BMP-Bilder mit einer gegebenen Graustufen-Palette.
Es bestehen verschiedene unterschiedliche Herangehensweisen, um Merkmal-Extraktionen durchzuführen, beispielsweise Fingerabdruck-Minutien-Extraktion. Eine hervorragende Beschreibung der Merkmal-Extraktionstechnologie kann in Garris et al. "User's Guide to NIST Fingerprint Image Software (NFIS)", Gaitherburg, MD, USA, 2001–04, National Institute of Standards and Technology, Seiten 186 ff. gefunden werden. Die besagten Autoren haben ein Software-Modul für die Fingerabdruck-Merkmal-Extraktion veröffentlicht, die so genannte NIST/NFIS-Software, die direkt auf die oben erwähnten gespeicherten Fingerabdruck-Bilder eingesetzt werden kann, um Minutien zu extrahieren.
Im Gegensatz zu den standardisierten Minutien-Merkmal-Extraktionen hat sich die Minutien-Merkmal-Abgleichstechnologie in verschiedene Richtungen entwickelt. Beispiele des Standes der Technik sind die US-Patente von Ferris-Powers US 5,631,972 , Kovacs-Vajna US 2001/0040989, Lo-Bavarian US 5,960,101 , Riganati et al. US 4,135,147 und Sparrow US 5,631,971 . Die folgende Beschreibung liefert eine unterschiedliche Lösung für die mit dem Minutien-Merkmal-Abgleich in Verbindung stehenden Probleme.
Fingerabdruck-Abtastungen unterliegen einer Translation, einer Rotation und der Verzerrung. Es liegt an der Vorrichtung und am Verfahren gemäss dieser Erfindung, eine bessere Lösung als die Korrelation oder die Faltungsmuster-Abgleichsverfahren anzubieten, wie sie aus dem Stand der Technik bekannt sind. Üblicherweise benutzen Fingerabdruck-Erkennungen Singularitäts-Punkte eines Fingerabdrucks, die so genannten Kern- und Delta-Merkmale. Der Einsatz dieser Merkmale ist jedoch nicht immer einfach oder möglich. Schaltkreis-Sensor-Abtastungen können nur einen Teil des Fingerabdruck-Bereichs aufnehmen. Die auf Kern/Delta (core/delta) beruhende Erkennung bewältigt nicht die Fingerabdruck-Verzerrung.
Wie erwähnt, kann das verfügbare Fingerabdruck-Minutien-Punktmuster einer Translation, einer Rotation oder einer Verzerrung unterworfen werden, abhängig davon, wie genau die Fingerspitze tatsächlich auf die Abtast-Vorrichtung positioniert und gedrückt worden ist. Auch aufgrund des Fehlens von Minutien oder zusätzlicher Minutien in einem der Punkt-Sätze (genannt Abfrage- und Template-Satz) ist ein vollständiger Abgleich von allen Minutien im allgemeinen nicht möglich.
Fingerabdruck-Minutien haben zusätzliche Punkt-Attributs-Informationen als Minutien-Typ (Leisten-Ende oder Verzweigung und Minutien-Richtung), die das Abgleichen vereinfachen. Die relative Richtungsorientierung und die relative Position von benachbarten Minutien sind fast vollständig invariant gegenüber Translation, Rotation und in gewissem Ausmass gegenüber Verzerrung.
Das für die Verifikation eingesetzte Verfahren basiert auf der Einsicht, dass nur korrespondierende Paare von Template-Minutien und Abfrage-Minutien abzugleichen sind. Dieses Paaren wird durch Abgleich der lokalen Umgebung der Minutien erreicht.
Der Ergebnis-Satz wird auf seine Konsistenz hin überprüft, um die Wahrscheinlichkeit von falsch abgeglichenen Minutien-Paaren zu minimieren.
Die Ergebnisse werden dann eingesetzt, um das Abfrage- und das Template-Bild zu registrieren, die wiederum für ein iteratives geometrisches Abgleichen der Minutien-Paare eingesetzt werden. Schliesslich gibt der Abgleichschritt einen Satz von gepaarten Minutien-Paaren zurück.
Um den Einsatz eines Gummifingers festzustellen, wird eine nachfolgende Filterstufe eingesetzt, um die mit einem Tiefpass gefilterte Graustufen-Intensität der Abfrage im Vergleich zum Template zu eruieren.
Das Ausführungsbeispiel gemäss der Erfindung benutzt lebende Fingerabdruck-Daten von einem Fingerspitzen-Sensor, der ein Bild von 224 mal 288 Bildpunkten mit einer 8 Bit-Grauskala und einer Auflösung von 513 dpi liefert.
Das Abtasten des Templates ist als BMP-Bild abgespeichert, aber auch ein transformiertes Format könnte eingesetzt werden.
Die Abtastung der Abfrage ist eine ursprüngliche zweite Fingerabdruck-Abtastung und liegt als BMP-Bild vor.
Beide Bilder werden in dem NIST/NFIS-Mindtct-Package der oben genannten Autoren Garris, Watson, McCabe and Wilson vorgelegt, was ein in Binärform vorliegendes Bild, Minutien-Merkmalsdaten und Minutien-Qualitätsinformation liefert. Alle Minutien werden durch drei Werte Bildpunkt-Koordinaten, Richtung und Qualität dargestellt. Die Bildpunkt-Koordinaten sind in x- und y-Koordinaten gegeben, obwohl auch andere Darstellungssysteme eingesetzt werden können. Ein Bildpunkt eines binären Bildes gemäss diesem Ausführungsbeispiel umfasst nur die Werte schwarz oder weiss, Grauwerte werden nicht benutzt.
Das Verfahren gemäss dieser Erfindung umfasst zwei Stufen:

– einen topologischen Abgleicher,
– einen geometrischen Abgleicher.

Der topologische Abgleicher vergleicht die lokale Umgebung der Template- und Abfrage-Minutien. Dies gestattet das Finden der relativen Position der Template- und Abfrage-Bilder, die das weniger effiziente Kern/Delta-Verfahren ersetzt, welches beim Stand der Technik eingesetzt worden ist. Das Ergebnis ist ein Satz von gepaarten Template-Abfrage-Minutien-Paaren. Die topologische Abgleicher-Funktion gibt die notwendigen Parameter für die nachfolgende Bild-Registrierung durch den geometrischen Abgleicher zurück.
Der topologische Abgleicher beginnt mit den Daten der Abfrage-Minutien, die in 1 dargestellt sind, mit einer überlagernden Zielstruktur 101. Jeder Vektor der Abfrage-Minutien umfasst einen Positionshinweis und einen Winkelhinweis. Der Positionshinweis 102 kann die zentrale Bildpunkt-Position der Minutie in der Matrix des Sensors sein (hier: eine Matrix von 224×288). Der Winkelhinweis 110 kann als der Winkel eines intrinsischen Merkmals der Minutie oder als seine umgebende Linienstruktur in Bezug auf einen vordefinierten 0-Grad-Winkel der Matrix des Sensors definiert sein.
Dann wird ein erster Minutien-Vektor 102 des Abfrage-Templates (innerhalb des Beispiels mit 6 nummeriert) ausgewählt.
Eine Abschnitt-Verteilung, die auf der Position 102 und dem Winkel 110 des ersten Minutien-Vektors basiert, wird definiert. Dies kann eine einfache quadratische Bereichsverteilung sein (in den Zeichnungen nicht dargestellt), beispielsweise mit einer Seitenlänge von 20 Pixeln mit der Position des ersten Minutien- Vektors an der relativen Position (0, 0), wobei die Quadrate entlang dem Winkelhinweis 110 ausgerichtet sind.
Eine andere einfache Abschnitt-Verteilung ist in 1 dargestellt. Dies ist ein Ziel 101, welches um einen Minutien-Punkt 102 konstruiert ist, was per Definition im Zentrum an den relativen Koordinaten (0, 0) angeordnet ist. Die Verteilung wird durch konzentrische Kreise 103 um den besagten Punkt 102 und Radiallinien 104 definiert, die von der relativen Position des ersten Minutien-Vektors 102, d.h. (0, 0) ausgehen. Innerhalb des in der 1 erwähnten Ausführungsbeispiels bestehen 16 Abschnittszonen 104, die eine Winkelöffnung von 22,5° haben, und die konzentrische Kreise haben einen Radius von 20 Pixeln. Bei anderen (nicht dargestellten) Ausführungsbeispielen kann der Radius bei beispielsweise 10, 20 oder 30 Pixeln liegen und in einer monotonen Weise ansteigen oder abfallen. In der 1 hat jeder Abschnitt 105 denselben relativen Radius von 20 Pixeln. Daher liefert die Verteilung der 1 160 unterschiedliche Abschnitte 105. Die x-y-Koordinaten in Bezug auf das Sensor-Bild, welches als Rechteck 119 dargestellt ist, wird mit den Linien 120 und 121 bezeichnet. Die Nummerierung der Bild-Punkte beginnt in der Ecke 122. Die Ring-Abschnitte 109 ausserhalb des Rechtecks 119 beziehen sich auf Abschnitte, die als "nicht gültig" bezeichnet sind, d.h. der Wert des Validitäts-Vektors der besagten Abschnitte ist 0 und nur solche Abschnitte werden im Skalarprodukt eingesetzt, die Teil des Abfrage-Bildes 119 sowohl als auch des Template-Bildes sind.
Nun wird die Anzahl der weiteren Minutien-Vektoren in jedem anderen Abschnitt 105 der Abschnitt-Verteilung bestimmt. Einige Abschnitte 106 sind leer (0 Minutien) und Abschnitte 107 haben einen weiteren Minutien-Vektor erhalten (nummeriert 0 und 1 und 3). Abschnitte 108 haben Paare von zwei weiteren Minutien- Vektoren (nummeriert 11 und 13, 15 und 18; 27 und 29). Mit anderen Worten, jeder Ring-Abschnitt 105, 106, 107 und 108 wird als ein Behälter betrachtet und alle Nachbar-Minutien werden in ihren Ring-Abschnitten eingelagert. Die in der 1 dargestellten Minutien sind nur diejenigen, die eine minimale Zuverlässigkeit aufweisen, d.h. beispielsweise 0,2 auf einer Skala zwischen 0 und 1.
Das Ziel, welches r = 10 Ringe und s = 16 Abschnitte aufweist, entspricht einem r × s dimensionalen Merkmal-Vektor, der diese Treffer enthält. Im Falle einer quadratischen Verteilung entspricht dies r-Spalten und s-Zeilen. Dieser Vektor, der P genannt wird, ist der Vektor der gewählten Minutien (hier nummeriert mit 6). Es wird angenommen, dass dieser Vektor gegen Translation, Rotation, Verzerrung oder Unvollständigkeit des Fingerabdruck-Bildes robust ist.
Die Ring-Abschnitte 109, die ausserhalb der Bild-Kanten 119 liegen, werden als ungültig gekennzeichnet.
Anstelle des direkten Abgleichens des Minutien-Musters werden die lokalen Umgebungen, gekennzeichnet durch die Abschnitt-Verteilung, abgeglichen.
Der Abfrage-Satz mit m Minutien (m = 29 in 1) erzeugt einen Merkmal-Vektor Pqk (k = 1 bis m). In derselben Art und Weise erzeugt der gespeicherte Template-Satz mit n Minutien einen Merkmal-Vektor Pti (l = 1 bis n).
Vorzugsweise wird jeder Merkmals-Vektor durch einen Validitäts-Vektor Pvti und Pvqk begleitet, wobei die Komponenten gleich zu 1 sind, wobei das Abschnitt-Element (beispielsweise 106, 107, 108) innerhalb der Bild-Elemente 119 liegt, oder gleich zu 0 ist, falls das Abschnitt-Element (beispielsweise 109) ausserhalb der Bild-Kanten 119 liegt. Solche Validitäts-Vektoren werden eingesetzt, um ungültige Elemente der Merkmals-Abschnitte in dem Abgleichungs-Prozess zu maskieren.
Weiterhin wird die Verlässlichkeit der Minutien eingesetzt. Üblicherweise werden alle Minutien mit einer Verlässlichkeit von weniger als 20% ausgeschieden, d.h. der jeweilige Merkmals-Vektor P wird auf 0 gesetzt. Die Zuverlässigkeit kann aus der mindtct-Routine der NFIS/NIST-Software ausgelesen werden.
Das Abgleiche-Verfahren besteht in der Berechnung des normalisierten (und Validitäts-maskierten) Skalarproduktes für jede Kombination von Pti und Pqk. Dies ergibt eine Abgleiche-Matrix M.
Für jegliche gegebene Minutie v im Abfrage Minutien-Satz wird die entsprechende Minutie u im Template-Satz durch das Suchen des maximalen Elements in der Spalte v von M gefunden.
Um nicht erwünschte falsche Abgleichungen zu einem frühen Stadium festzustellen und zu verwerten, muss das maximale Element grösser sein als ein Schwellwert t1 und der zweitbeste Wert muss kleiner sein als ein zweiter Schwellwert t2 mal das maximale Element in der Spalte. Typische Werte sind t1 = 0;5 und t = 0,8. Falls diese Bedingung erfüllt ist, ist ein abgeglichenes Paar gefunden: Minutie v des Abfrage-Satzes kann mit Minutie u des Template-Satzes abgeglichen werden, wobei u der Index des Maximal-Elementes der Spalte v ist.
Alle anderen Elemente in der Spalte v von M werden nachfolgend auf Null gesetzt und die sich ergebende Matrix kann dann als Abfrage-Tabelle für die gepaarten Minutien-Paare eingesetzt werden, unter Einsatz von Matrix-Sortier- und Index-Funktionen.
Dann wird eine Konsistenz-Prüfung durchgeführt gemäss allen der folgenden Kriterien:

– Das abgeglichene Paar muss von demselben Minutien-Typ sein (entweder Verzweigung zu Verzweigung oder Ende zu Ende),
– die relative Minutien-Orientierung im Ergebnis-Satz muss dieselbe sein sowohl im Template als auch in der Abfrage und
– das Berechnen des Skalar-Produkts der Vektoren, die von den abgepaarten Minutien wegführen zu den gepaarten gelisteten Nachbarn muss innerhalb gewisser Toleranzgrenzen im Template und der Abfrage sein.

Paare, die nicht diesen Kriterien genügen, werden aus dem Satz herausgeworfen.
Der topologische Abgleicher liefert daraufhin einen Satz von gepaarten Minutien-Paaren (Template/Abfrage). Die jeweiligen Bild-Koordinaten werden in einfacher Weise mit dem von dem Merkmals-Extraktions-Verfahren erzeugten Ergebnis nachgeschaut.
Der geometrische Abgleicher nutzt die Bild-Koordinaten der Minutien des Ergebnis-Satzes des topologischen Abgleichers, um das Abfrage-Bild, das Eingabe-Bild, mit dem Template-Bild, dem Basis-Bild, zu registrieren. Mit anderen Worten, das Abfrage-Bild wird in demselben Rahmen für die Referenz wie das Template-Bild transformiert.
Der topologische Abgleicher hat Sätze von angepassten Minutien geliefert, um die Bildtransformationsparameter des Bildregistrierungsprozesses zu berechnen. Die Transformation wird die Verzerrung innerhalb der konvexen Hülle der bereits angepassten Minutien kompensieren. Die folgenden Transformationstypen werden eingesetzt: "Linearkonform" mit mindestens zwei Paaren von angepassten Minutien, wobei gerade Linien gerade bleiben und parallele Linien immer noch parallel sind, "affine Transformation" mit mindestens drei Paaren von angepassten Minutien, wobei gerade Linien gerade bleiben und parallele Linien immer noch parallel sind, aber Rechtecke Parallelogramme werden; und "projektiv" mit mindestens vier Paaren von angepassten Minutien, wobei gerade Linien gerade bleiben aber parallele Linien in Punkten zum Verschwinden kommen, die innerhalb des Bildes liegen können oder nicht. Solche Transformationsfunktionen können beispielsweise mit dem Software-Paket Matlab und der Funktion cp2tform realisiert werden. Solche Transformationsfunktionen cp2tform finden in exakter Weise die Transformationskoeffizienten, falls die Anzahl der Steuerpunkte die minimale Anzahl ist. Falls zusätzliche Punkte bestehen, wird eine Lösung des geringsten Abstands gefunden.
Das transformierte Bild wird dann mit dem Template-Bild verglichen. Für jede Abfrage-Minutie wird dann bestimmt, falls die nächstkommende Template-Minutie innerhalb einer gewissen Bildpunkt-Abstandstoleranz liegt. Mit dem Einsatz eines 288 × 244 Bildpunkt-Sensors mit dem Ausführungsbeispiel der Erfindung wird eine Abstands-Toleranz-Prüfung zwischen 1 bis 7 Pixel, vorzugsweise 3 bis 5 Pixel, eingesetzt. Diese stellt eine genehmigte Abweichung (Schwellwert zwischen 0.3% und 3%, vorzugsweise zwischen 1% und 2% dar).
Nach dem Finden eines Kandidaten-Abgleichs und der oben genannten Abstands-Toleranz-Überprüfung wird eine Vielzahl von Konsistenz-Überprüfungen durchgeführt:

– Vergleich des Minutien-Typs (Papillenende oder Verzweigung)
– Vergleich der Minutien-Richtung,
– Evaluation der ausreichenden Gewährleistung des abgleichenden Templates (beispielsweise > 20%), und
– Evaluierung der ausreichenden Zuverlässigkeit des Abfrage-Templates, beispielsweise Evaluierung der Qualität der verbleibenden Minutie, die für den Registrierungsprozess vorgesehen worden ist (beispielsweise > 20%).

Falls ein Kandidat alle diese Überprüfungen übersteht, wird er zu dem Ergebnissatz hinzugefügt. Das geometrische Abgleichen ist ein iterativer Prozess, der so lange wiederholt wird, bis kein zusätzlich anzupassendes Minutien-Paar mehr gefunden werden kann.
Weiterhin können Abschnitts-Verteilungen ein hexagonales Gitter oder rechteckige Abschnitte auffassen etc..
2 zeigt ein Ziel, welches um einen Minutien-Punkt gemäss einem zweiten Ausführungsbeispiel der Erfindung konstruiert worden ist. Gleiche Merkmale erhalten die gleichen Bezugszeichen über alle Figuren hinweg. Innerhalb 2 sind 31 Minutien dargestellt, wobei die Minutie mit der Nummer 4 die gewählte Minutie mit der intrinsischen Richtung 110 ist. Dieselben Prinzipen werden angewandt, um Minutien-Paare zu erfragen. Es ist festzuhalten, dass natürlich identische Ziele für Template- und Abfrage-Analyse eingesetzt werden müssen. Weiterhin kann aus der 2 ersehen werden, dass Minutien 113 bestehen können, die nicht innerhalb eines der Abschnitte 105 liegen. Diese werden einfach ausgesondert.
Das generelle Funktionsprinzip für das Ausführungsbeispiel, welches in den 1 und 2 dargestellt ist, basiert auf identischen topologischen Strukturen, die um jede Minutie definiert sind, welche auf einer algebraischen Struktur abgebildet ist. Die algebraischen Strukturen können in solch einer Weise verglichen werden, dass identische oder ähnliche topologische Strukturen um Minutien erfasst werden können.
Die Effizienz des Verfahrens und der Vorrichtung selbst kann verbessert werden, falls ein Verfahren und eine Vorrichtung für die Erfassung von Gummi-Fingern eingesetzt wird.
Die Erfassung von Gummi-Fingern ist ein Verfahrensschritt, der in eine alleine stehende Realisierung für jegliche Fingerabdrucks-Abgleichverfahren und -Vorrichtungen eingesetzt werden kann; oder das Verfahren kann in einfacher Weise mit dem Fingerabdrucks-Verfahren wie oben beschrieben als zusätzlichen Schritt eingesetzt werden.
3 zeigt ein Diagramm des gesamten Graustufen-Bildes, hergestellt durch einen Gummi-Finger, der gemäss einem anderen Ausführungsbeispiel der Erfindung erfasst worden ist. Die X- und Y-Achsen 201 und 202 beziehen sich auf die Absolut-Koordinaten der Bild-Punkte des Bildes, welches durch den Sensor geliefert wird. Die Z-Achse 203 bezieht sich auf die relativen Grauwerte der Bild-Punkte.
Eine Anpassungsfläche 204 zweiter Ordnung ist eingesetzt worden, um die Hauptkrümmungen der Oberfläche, auf die BMP Grauniveaus abzubilden. Es ist klar, dass es möglich ist, dieses Verfahren für jegliche graphische Bilddatei einzusetzen, welche Fingerabdruck-Graustufen-Werte enthält, beispielsweise TIF-Bilder, GIF-Bilder oder komprimierte Formate wie JPEG oder PNG. Neben den Template- und Abfragebild-Koordinaten der angepassten Minutien (beispielsweise ihre Gesamtanzahl) sind die Hauptkurven der angepassten Oberfläche der Bildgrau-Elemente vorgesehen.
Die Grauniveau-Verteilung ist mit einem Tiefpass gefiltert worden, beispielsweise mit einem gleitenden Nachbarschaftsfilter aus dem MATLAB mit einer Blockgrösse von 20 × 20 Bildpunkten und nachfolgend einer Oberfläche zweiter Ordnung, die mit den gefilterten Bilddaten angepasst worden ist. Die besagte Zweit-Niveau-Oberfläche ist fast eben, d.h. die Hauptkrümmungen sind fast Null für Fingerabdruck-Abtastungen von echten Fingern. Typische Werte der Krümmungen für echte Finger liegen zwischen 0.0001 und 0.0002.
Die Oberfläche zweiter Ordnung 204 zeigt die angepasste Oberfläche. Die dunkleren Bereiche 207 zeigen die mit dem Tiefpass gefilterten Graustufen-Verteilungen der Abtastung. Nur Graustufen von solchen Bereichen werden in Betracht gezogen, die in Kongruenz gebracht werden können und eine ausreichende Qualität im Template wie auch in der Abfrage haben, ein Wert, der durch die mindtct-Routine des besagten NFIS/NIST-Packages erzeugt werden kann.
Es kann jedoch aus der 3 durch Vergleich mit der Krümmung von Abfrage und Template gesehen werden, dass im Falle eines Fingerabdrucks, der durch einen Gummi-Finger hergestellt worden ist, eine negative Krümmung der Graustufen-Verteilung im Vergleich zum lebenden Gegenstück festgestellt werden konnte. Typische Werte der Krümmungen von falschen Fingern liegen zwischen –0.0001 und –0.0030.
In Richtung der X-Achse 201 liegt der Grauwert in der Mitte der erfassten Oberfläche über einem Unterschied 205, der grösser ist als die Grenzen. Dies kann auch festgestellt werden in der Richtung der Y-Achse 202, da der Grauwert in der Mitte der erfassten Oberfläche um die Differenz 206 grösser ist als an den Grenzen.
Diese Wirkung kann eingesetzt werden, um Abfragen auszusondern, die durch den Einsatz von Gummi-Fingern erzeugt worden sind. Es ist möglich, auf nur einen von zwei Unterschiedswerte abzustellen, um die Existenz von sowohl negativen Krümmungen zu sehen, als auch die Entscheidung in Bezug auf die Echtheit des vorgelegten Fingers zu fällen.
Das Verfahren nutzt die folgende Funktion: z = b₁ + b₂x + b₄x² + b₅y² + b₆xy, wobei x und y die freien Koordinaten und z die Graustufe darstellen. Die Hauptkrümmungen k₁ und k₂ können als Wurzeln k von
dargestellt werden. Die Entscheidung, eine Gummi-Finger-Warnung herauszugeben, wird dann getroffen, falls die hauptsächlichen Krümmungen k₁ und k₂ des Abfragebildes im Wesentlichen negativ sind, insbesondere selbst bei Vergleich mit den relativen Hauptkrümmungen k₁ und k₂ des echten Gegenstücks. Dieses Verfahren basiert auf der Einsicht, dass das Rohbild eines Gummi-Fingers dunkler an den Kanten und heller in der Mitte ist. Dies liegt an der Tatsache, dass ein Gummi-Finger gegen den Sensor mit ungleichen Kräften gedrückt werden muss, um die Krümmung des elastischen Materials des künstlichen Fingers zu kompensieren.
Vorzugsweise wird die Regression nur auf die Teile des Templates und der Abfrage-Bilder berechnet, die in beiden Bildern vorhanden sind und deren Zone einen gewissen Qualitätsanspruch hat. Dennoch ist es möglich, Rohbilddaten ohne Einsatz von Template-Daten zu berechnen. In einem solchen Fall kann der Schwellwert der Krümmungen k₁ = k₂ = 0 gewählt werden.

Claims

Fingerabdruck-Verifikationsverfahren, umfassend: a) Bereitstellen eines ersten Templates mit einem ersten Minutiensatz aus m Minutien und einem zweiten Template mit einem zweiten Minutiensatz mit n Minutien, wobei jeder Minutienvektor m oder n einen Positionshinweis oder einen Winkelhinweis aufweist, b) Auswählen eines Minutien-Vektors i eines Templates k, c) Bereitstellen einer Abschnittsverteilung (101) basierend auf der Position (102) und dem Winkel (110) des Minutien-Vektors i, d) Bestimmen der Anzahl von weiteren Minutien-Vektoren des Templates k in jedem Abschnitt (105) der Abschnittsverteilung (101), e) Erzeugen eines eine Topologie darstellenden Vektors, der die Topologie der Nachbarschaft des Minutien-Vektors i des Templates k darstellt, f) Durchführen der Schritte b) bis e) für jeden Minutienvektor i von beiden Templates k, um zwei Merkmal-Topologien darstellende Matrizen zu erzeugen, g) Abgleichen der zwei Merkmal-Topologie darstellenden Matrizen durch eine Operation, die die Ähnlichkeit der unterliegenden Topologie misst, was in einer Abgleichsmatrix M resultiert, und h) Bestimmen von zusammenpassenden Paaren von Minutien aus dem ersten und Minutien aus dem zweiten Template durch Suchen der Maximalelemente von M, um Werte auszugeben, die eine Registrierungsinformation zwischen den zwei Templates darstellen.
Verfahren nach Anspruch 1, bei dem die Erzeugung eines eine Topologie darstellenden Vektors innerhalb des Schrittes e) umfasst: e) Erzeugen eines Merkmal-Vektors Pki für den Minutienvektor i des Templates k, wobei die Erzeugung der Merkmal-Topologie darstellenden Matrizen innerhalb des Schrittes f) umfasst: f) Durchführen der Schritte b) bis e) für jeden Minutien-Vektor i von beiden Templates k (k = 1, 2), um die Merkmalsmatrizen P1i und P2j (i = 1, .... m; j = 1, ..., n) zu erzeugen, wobei die Operation, mit der die Ähnlichkeit zum Abgleich der die Merkmal-Topologie darstellenden Matrizen innerhalb des Schrittes g) gemessen wird, umfasst: g) Abgleichen der zwei Merkmalsmatrizen durch Berechnen des Skalarproduktes für jede Kombination von P1i und P2j (i = 1, .... m; j = 1, ..., n), was in einer Abgleichsmatrix M resultiert und wobei die Bestimmung der zusammenpassenden Paare innerhalb des Schrittes h) umfasst: h) Bestimmen von angepassten Paaren von Minutien v aus dem ersten und Minutien u aus dem zweiten Template durch Suchen des Maximalelementes (= u) in der Spalte v von M.
Verfahren nach Anspruch 1 oder 2, bei dem die Matrix M normalisiert und/oder validitätsmaskiert und/oder zuverlässigkeitsmaskiert ist, bevor das skalare Produkt berechnet wird.
Verfahren nach einem der Ansprüche 1 bis 3, bei dem im Schritt h) ein zusammenpassendes Paar nur akzeptiert wird, falls das besagte maximale Element grösser ist als ein erster Schwellwert t1 und falls der zweitplatzierte Wert kleiner ist als ein zweiter Schwellwert t2, wobei t1 vorzugsweise grösser als 0,5 und t2 kleiner als 0,8 ist.
Verfahren nach einem der Ansprüche 1 bis 4, bei dem eine Nachschlagetabelle erzeugt wird durch Setzen von allen nicht ausgewählten Elementen neben dem Maximalelement u in jeder Spalte v des M auf Null nach Durchführen des Schrittes h).
Verfahren nach einem der Ansprüche 1 bis 5, bei dem eine Übereinstimmungskontrolle für jedes abgeglichene Paar nach Schritt h) durchgeführt wird, umfassend einen oder mehrere der folgenden Vergleiche: – das abgeglichene Paar muss vom selben Minutien-Typ sein, – die relative Minutien-Orientierung im Ergebnissatz muss gleich sein im Template wie in der Anfrage, oder – das berechnete Skalarprodukt der Vektoren, welches von einer abgeglichenen Minutie zu seinen abgeglichenen aufgelisteten Nachbarn führt, innerhalb derselben Toleranzgrenzen in dem Template wie in der Anfrage sein muss.
Verfahren nach einem der Ansprüche 1 bis 6, bei dem ein geometrischer Transformationsschritt durchgeführt wird, um die Verzerrung innerhalb der konvexen Hülle von bereits abgeglichenen Minutien kompensiert wird, um die Bildregistrierung zu ermöglichen.
Ein Computerlesbares Medium, auf dem eine oder mehrere Befehlssätze gespeichert sind, die konfiguriert sind, um zu bewirken, dass ein Mikroprozessor Schritte durchführt, die zu einer Fingerabdruck-Verifikation führen, wobei diese Verfahrensschritte a) bis h) gemäss einem der Ansprüche 1 bis 7 umfassen.
Fingerabdruck-Überprüfungssystem, umfassend einen Fingerabdruck-Sensor und einen Mikroprozessor, wobei der Fingerabdruck-Sensor fähig ist, ein Abtasten eines Fingerabdrucks durchzuführen und Abtast-Informationen an den besagten Mikroprozessor zu übermitteln, wobei der Mikroprozessor Mittel umfasst, um Vektoren der Fingerabdruck-Minutien durch Fingerabdruck-Minutien-Extraktion zu erzeugen, und der Mikroprozessor weiterhin Mittel umfasst, um die Verfahrensschritte a) bis h) gemäss einem der Ansprüche 1 bis 7 durchzuführen, um einen Wert herauszugeben, der eine Identifikationsinformation zu dem Fingerabdruck darstellt.