viele Ergebnisse sind undokumentiert (keine Auswertung der Diagramme)

keine konsitente nummerrierung der Algorithmen (GRRR)

ROC Kurven beginnen ab FAR = 0,1% sollten frueher beginnen


Ziel

moegliche Integration von Fingerabdruecken in deu. Personaldokumente zur Verbesserung der Verifikation der Ausweisinhaber Langzeitstabilitaet weil Dokumente 10 Jahre Nutzungsdauer Einfluss Alterungsprozess auf Algo-performance Faehigkeit Unterscheidung biometrischer Zwillinge

verwendete Algorithmen

unterschiedlichste:

  • nur Ridges (R) und Endings (E)
  • zusaetzlich Core (C) und Delta (D),
  • auch Bildinfos (Grauton) der Minutienumgebung (U) (mit Gabor Filter)
  • Papillarlinienbreite (B)
  • Papillarlinienkruemmung in der Minutie (K)
  • Ridgedichte (RD)
  • Minutien min. 5 bis min. 63?
  • Abdruckrotation moeglich?
  • Musterklassifizierung nur in daktyloskopischen Systemen (AFIS des BKA) nicht bei Zutrittskontrolle


nach Tabelle S.60 (anders als Aufzaehlung S.48)

  • A1: Siemens: R und E, U, B, min. 3 Minutien
  • A2: Dermalog: R und E, C und D, min 10-12 Minutien
  • A3: NEC: R und E, K und RD min 63 Minutien
  • A4: Idencom: R und E, U
  • A5: IdentTechnologies: keine Angaben
  • A6: IKENDI: R? (E von Bergen oder Taelern == R) und E (von Bergen und Taelern), min 5 Minutien
  • A7: Neurotechnologija: R und E, K,


Durchfuehrung

Sensor- Algorithmentests:

  • 11 Sensoren
  • 7 Algorithmen
  • 30! Personen nehmen teil
  • 8 Finger (alle ausser kleinen)
  • 9 Aufnahmen (3 Aufnahmen in 3 Durchgaengen) pro Finger und Sensor
  • -> pro Sensor 2160 Fingerabdruecke in DB


Bilder mit schlechter Qualitaet (niedrige Matchscores) wurden entfernt

RIP Count: Anzahl der Linien zwischen Core und Delta bzw. zwischen zwei Minutien und dient zur Bewertung des Sensors (Papillarleisten von Taelern zu unterscheiden)

Unterscheidbarkeit von Abdruecken

BKA Datensaetze. 7 Listen mit unterschiedlicher Zahl Abdruecken von verschiedenen Personen, bei denen AFIS eine signifikante aehnlichkeit feststellte

Alterung

Abdruecke von 183 Personen ueber laengeren Zeitraum (10 Jahre: 65, 20 Jahre: 55, 30 Jahre: 26 Personen) verwendet: 3 angepasste Algorithmen (aber dann 6 Diagramme) (ARRG)

Sensorflaeche

Verkleinerung von 780x780 auf 416x416 Pixel, 183 Personen, vermutet: Erhoehung von FAR & FRR

Ergebnisse

Sensor- Algorithmentests

Haelfe der Systeme EER < 5%, 1/3 < 3%, 8% < 1%

fuer FAR = 0,1% Haelfte der Systeme mit FRR < 10%, 23% < 3%

FTA: 7 Systeme mit 0%, sonst zwischen 0,1 und 1,2%

FTE: 4 Algorithmen mit 0%, sonst zwischen 0,05% und 23%

RIP Count: 7 Sensoren mit maessiger Trennung, 3 mit guter und 1 mit sehr guter Trennung

EER fuer Sensoren (gemittelt aus allen Algorithmen): von 0,15 (Sen1) bis 0,52 (Sen3) (S.67)

beste EER Sen1 und Algo7 = 0,004 wohingegen beste EER fuer Sen3 mit Algo4 = 0,15 (S.66)

EER fuer Algorithmen (gemittelt aus allen Sensoren): von 0,20 (Algo4) bis 0,39 (Algo3) (S.67)

Sensor 1 und 8 sind OK, liefern bei FAR = 0,1% FRR ~ 1%


Unterscheidbarkeit

biometrische Zwillinge unterscheiden sich von einander, wenn auch nur im niedrigen einstelligen Prozentbereich (S.84)


Alterung

(S.90) (ARG, wahrscheinlich Farben im Diagramm fuer 8-12 und 18-22Jahre vertauscht) und bei Algorithmus 4 viel ZU konstante ROC

bei FAR = 1% > FRR 1-5Jahre=19% 8-12Jahre~21% 18-22Jahren~23% 28-32Jahren~30% (Algo 1)

bei FAR = 1% > FRR 1-5Jahre~3% 8-12Jahre~6% 18-22Jahren~7% 28-32Jahren~10% (Algo 6)

verschlechterung der FRR um Faktor 1,4 (bei 10 Jahren Differenz) bzw. 2,5 (bei 30 Jahren)


Sensorflaeche

keinen Einfluss auf Erkennungsleistung (fuer alle Algorithmen)


Technologe bietet wirksame Verbesserung gegenueber Vergleich des Gesichts mit Passfoto durch einen Menschen

bester Sensor 10fach kleiner Fehlerrate als schlechtester

beste Ergebnisse mit optischen Sensoren

bester Algo 3fach besser als schlechtester

!FRR verdoppelt sich wenn Referenz 10 Jahre alt!


Verbesserungsvorschlaege

im Fall einer Rueckweisung weitere Verifikationen zulassen

Qualitaetskontrolle beim Enrollement

BioFiner2 soll Verbesserung durch Einsatz mehrerer Finger zeigen

Bemerkungen zu Templatestandards

Aenderung im Template auch aenderung der Algorithmen

kleinster gemeinsammer Nenner > Interoperabilitaet und erhoehte Fehlerraten (geringere Performance)

Standard 19794 (Austausch biom. Daten) sagt, auf Grund von Alterungsprozessen sollte bei Gesichtserkennung keine Daten aelter als 6 Jahre verwendet werden (S.108)