指纹识别中的图像处理研究------背景与基础名词解释

人体特征产生特征的原始信息，为了减少生物特征信息的存储量、节省存储介质、方便后续的特征模式匹配过程，这些原始信息一般需要进行进一步处理，压缩信息量，提取最有效的特征信息（一般称之为模板Template），最后根据不同的应用工程的需要，将特征信息存入用户数据库或用户IC卡上；生物特征认证模块用于在访问控制中验证人的身份。在这个阶段，同样需要用采集器来获取人体的生物特征，然后使用类似于登记模块中的处理方法，用一种更紧凑的形式来描述获取的信息。最后匹配子模块使用模板数据库中的模板与获取的压缩生物特征信息进行比较，并且给出判断结果。

如图1.1所示的生物识别系统，根据其应用目的的不同，可以分为两大类，即验证（Verification）和辨识（Identification）。验证就是通过把现场采集到的生物特征与一个己经登记的模板进行"一对一的比对（one-to-one matching）"来确认身份的过程。这种一对一的验证回答了这样一个问题：他是他自称的这个人吗？。辨识则是把现场采集到的生物特征同数据库中的模板逐一对比，从中找出与现场特征相匹配的模板。这也叫"一对多匹配（one-to-many matching）"，记作"1：N"比对。辨识这种比对方式回答了这样一个问题：他是谁？验证和辨识在比对算法和系统设计上各具特点。例如：验证系统对比对算法的速度要求不如辨识系统高，但更强调易用性；另外在辨识系统中，一般要使用分类技术来加快查询的速度或采用快速的比对算法。

基于信物或口令的系统，由于人为的造假或者验证人的疏忽，会引起验证的错误，这些错误主要表现在误识别上面。生物识别系统作为一种典型的模式识别系统，它的判断结果是一个有一定置信度的结果，这个有一定置信度的结果有可能出现两种错误判断，一是把正确的匹配当成错误的而拒绝（拒真率False Reject Rate， FRR），又叫拒识率；另一种则是把原本不匹配的当成正确的而接纳（误识率False Accept Rate， FAR），又叫误识率。对于一个实际的应用系统，如果系统的拒识率FRR较大，就会造成用户多次输入而无法确认其身份，使用户感到不便，进而对该系统产生不信任和厌恶感；如果系统的误识率FAR较大，就会降低系统的安全性，对合法的用户造成损失。在一个生物识别系统中，系统的拒识率和误识率是一对相互矛盾的参数，不可能使两个参数同时达到最低。一个参数的减少必然会导致另外一个参数的增加。因此在实际的应用工程中，我们只能根据用途的不同，调整系统的参数，使其满足不同目的的需求。对于高度机密的访问控制，则可适当提高拒识率，把误识率降到最小；反之，一般安全等级用途的用户，适当的降低拒识率。

对于一个生物识别系统，我们一般用ROC（Receiver Operating Curve）曲线来描述系统的整体性能。曲线上的每一点，都对应了一定安全阈值下系统的FRR和FAR.图1.2给出了ROC曲线的一个实例。在实际应用中，因为各厂商和研究机构实际只是给出了最好的FRR和FAR，而这两个参数并不是对应同一个安全阈值，所以，一个更为科学的评估参数---等错误率（ERR）被广泛应用，所谓等错误率，是指FRR与FAR相等时的FRR和FAR的取值（如图1.2所示）。很显然，ERR越小，系统的整体安全性越高。另外，系统的匹配速度也是系统性能的一个重要指标，该指标通常是能够影响ROC曲线的。特别是对于辨识系统，由于做"一对多"的指纹匹配，速度就显得格外重要。