2.3 指纹识别算法性能

指纹识别算法综合能力除了由FRR、FAR、FPIR、TPIR、前N识别率、EER（错误率）等性能指标体现外，还由FMR100（误识率为1%时的拒识率）、FMR1000（误识率为0.1%时的拒识率）、ZeroFMR（误识率为零时的拒识率）等指标体现。指纹识别数据库一般分为训练集（training set）、原型图像集合（gallery set）和测试图像集合（probe set）。训练集是用于训练指纹识别算法的图像；原型图像集合与测试图像集合都用于测试指纹识别算法的性能。在测试时，用测试图像集合中的指纹图像对原型图像集合中的指纹图像进行识别，根据测试需求计算出对应的性能指标以体现指纹识别算法的能力。

目前，指纹识别算法的国际测试主要有：PFT2003（Proprietary Fingerprint Templates 2003）、MINEX（Minutiae Interoperability Exchange）、FpVTE（Fingerprint Vendor Technology Evaluation）、FVC（Fingerprint Verification Competition）等，其中PFT2003、FpVTE与MINEX由美国国家标准与技术研究院（National Institute of Standards and Technology，NIST）举办，具有较高的权威性与全面性。

PFT2003测试是由美国NIST举办的第一项与指纹相关的测试，目前演变为PFTII，仍在持续测试中。PFTII是针对1∶1确认测试的评测，重点关注指纹识别核心算法的准确率。MINEX项目起始于2004年，是基于细节点特征的指纹特征提取和比对的1∶1验证平台，支持INCITS378标准。FpVTE项目重点关注1∶N指纹搜索比对，FpVTE分别于2003年和2012年举办过两届。由于1∶N搜索比对在刑事案件调查、犯罪鉴定、身份辨认中具有广泛的应用，FpVTE受到了越来越多的关注。

FpⅤTE2003是NⅠST举办的第一届1∶N指纹识别算法评测。此次评测共有18家研究机构参与，进行了34个系统测试。FpⅤTE2003在NⅠST位于马里兰州的办公室内进行集中测试，各参赛单位自备硬件与软件。FpⅤTE2003测试图像集共有来自25309个个体的393370枚不同的指纹图像。FpⅤTE2003测试结果表明：NEC、SAGEM和Cogent公司的AFⅠS具有最高的准确率，这些系统具有较好的鲁棒性，在面对不同类型与来源的数据图像时均能展现良好的性能；指纹图像质量与可提供的同一个体对应指纹图像数量对AFⅠS识别准确率有很大的影响。除采集设备外，手指磨损程度、干湿度、清洁度均为影响指纹图像质量的因素；最准确的AFⅠS的准确率优于人脸识别系统的准确率。

随着信息技术的高速发展，应用部门对AFIS支持的数据规模有了更高的要求。为了比较各算法供应商在海量数据规模下的算法性能，NIST于2012年举办了FpVTE2012指纹1：N辨认识别算法性能评测。FpVTE2012改变了FpVTE2003由算法供应商自备硬件与软件的做法，FpVTE2012要求各参赛算法供应商提交按照NIST规定API开发的算法SDK，使用NIST提供的硬件设备进行统一算法测试，以便更好地评价各算法的性能与效率，并避免作弊现象发生。FpVTE2012的测试数据主要由来自AZDPS、DHS、FBI、LACNTY、TXDPS的指纹数据库的指纹图像，实际应用场景获得的单指扫描图像和多指扫描图像、历史资料留存的墨水印迹指纹图像，以及移动设备采集的指纹图像等构成。

FpVTE2012采用的数据集类型复杂，可以很好地模拟实际使用场景，体现不同识别算法的鲁棒性。NIST于2015年1月3日发布了FpVTE2012的最终测试报告NIST.IR.8034。该报告指出，在10万规模的数据库中，使用单手食指进行辨认测试，FPIR最好的算法的FNIR可以达到1.97%；在160万规模的数据库中，使用双手拇指进行辨认测试，FPIR为0.1%时最好的算法的FNIR可以达到0.27%，具有较高的识别准确率。此外，使用更多的手指可以有效地提高识别准确率。

除了NIST举行的多项指纹识别测试外，由波罗尼亚大学、密歇根州立大学、圣何塞州立大学等机构联合发起的FVC测试同样具有代表性，在最新的FVC-onGoing测试中，单指一对一确认测试，FMR10000达到0.036%，展示出了较好的准确性。测试结果如表2-1所示。

表2-1 FVC-onGoing测试结果（截至2018年5月）

（续）