-
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 = b
1 +
b
2x + b
4x
2 + b
5y
2 +
b
6xy, wobei x und y die freien Koordinaten
und z die Graustufe darstellen. Die Hauptkrümmungen k
1 und
k
2 können
als Wurzeln k von
dargestellt werden. Die Entscheidung,
eine Gummi-Finger-Warnung herauszugeben, wird dann getroffen, falls
die hauptsächlichen
Krümmungen
k
1 und k
2 des Abfragebildes
im Wesentlichen negativ sind, insbesondere selbst bei Vergleich
mit den relativen Hauptkrümmungen
k
1 und k
2 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.