捺印指纹图像质量NFIQ评分与专家认知规律分析

捺印指纹图像质量NFIQ评分与专家认知规律分析
吴浩;李康;薛静;李孝君;陈子龙;王子政;秦旗
【摘要】目的通过分析捺印指纹图像质量NFIQ评分与指纹专家认知的规律,研究NFIQ在规范捺印指纹图像采集质量工作中的可应用性.方法采用NFIQ对10万余人份十指捺印指纹图像进行评分,统计10个指位的图像质量分数分布情况;每个指位分别抽取3500份捺印指纹图像,分发给100名指纹专家进行图像质量分类;结合NFIQ评分,对指纹专家分类结果进行综合分析.结果捺印指纹图像质量NFIQ评分与指纹专家认知基本一致,即NFIQ评分越高的捺印指纹图像,被指纹专家认定为合格的比例越高.结论本文所得数据可以为公安部应用NFIQ来进一步规范捺印指纹图像采集质量提供基础数据支持.
【期刊名称】《刑事技术》
【年(卷),期】2019(044)003
【总页数】3页(P266-268)
【关键词】捺印指纹;图像质量;NFIQ;专家认知
【作者】吴浩;李康;薛静;李孝君;陈子龙;王子政;秦旗
【作者单位】公安部物证鉴定中心,北京100038;浙江警察学院,杭州310053;公安部物证鉴定中心,北京100038;公安部物证鉴定中心,北京100038;公安部物证鉴定中心,北京100038;公安部物证鉴定中心,北京100038;公安部物证鉴定中心,北京100038
【正文语种】中文
【中图分类】DF794.1
多年来，我国公安刑侦部门利用指纹自动识别系统开展犯罪现场指纹查询、深挖犯罪嫌疑人余罪等工作取得了显著的破案成效。

但是在实际应用过程中，由于没有统一的捺印指纹图像质量评判规范，全国公安刑侦指纹自动识别系统中积累了一定量低质量的指纹数据。

这些低质量的指纹数据不仅影响比中率，还会降低系统比对性能。

为进一步规范新增捺印指纹图像质量，公安部刑侦局计划引入国际刑警组织推荐的指纹图像质量评判软件NFIQ[1-3]（NIST Finger Image Quality），部署在基层科所队采集前端，以便及时对质量不合格的指纹图像进行重新采集。

本文旨在通过分析NFIQ评分与指纹专家认知的规律，为公安部刑侦局确定NFIQ合格分数线（或范围）提供基础的数据支持。

1 材料与方法
1.1 数据样本来源
目前，我国公安刑侦指纹自动识别系统共有7家系统提供厂商，分别为北京市局、莫弗、北大高科、东方金指、众城巨元、汉林信通、海鑫科金。

从上述7家系统
提供厂商的用户省份中各选取1个省份，再在选取的省份系统中抽取约10万余人份十指指纹捺印数据（FPT格式[4]）。

其中，北京（北京市局）10 658人份，天津（莫弗）10 225人份，河北（北大高科）10 320人份，上海（东方金指）10 016人份，安徽（众城巨元）20 032人份，湖南（汉林信通）10 258人份，广东（海鑫科金）30 046人份。

1.2 指纹图像复现及NFIQ评分
将抽取的10万余人份十指指纹捺印数据通过计算机程序进行指纹图像复现[5]，保存为图片文件并进行NFIQ评分。

NFIQ评分规则[1]如下：NFIQ引入了155类相关文献报道中提到的质量特征，采用随机森林方法进行训练，基于训练过程中产生
的“变量重要度”参数进行特征选择，以此去除具有低预测能力或耗费计算时间的质量特征。

NFIQ软件最终选择并实现了其中14类质量特征，包括局部清晰度、
定向确定性、脊谷均匀性、图像灰度算术平均值、特征点个数、特征点质量等。

NFIQ软件通过读取指纹图像数据，计算出上述14类质量特征，再使用经过多个
商业指纹比对算法训练所得的随机森林分类器对图像进行二元分类（0类代表非常低效用的图像，1类代表可用的图像），得到输入指纹图像质量的隶属及概率，所得概率乘以100并舍入到其最接近的整数即为最终的NFIQ评分结果（数值区间：0～100）。

1.3 专家认知样本选取
从上述复现并完成NFIQ评分的指纹图像图片文件中，分指位各随机选取3500个文件（NFIQ分值16分至50分，每个分值各选取100个），共计35 000个图
片文件，分发给100名指纹专家进行质量评判（判定指纹图像质量是否合格）。

1.4 统计分析
由于指纹面积大小及捺印指纹采集动作难易程度等方面的不同，不同指位捺印指纹图像的质量情况存在明显差异。

此外，数据表明，犯罪现场遗留指纹指位以拇指最多，中指食指环指次之，小指最少，可以看出不同指位指纹的应用价值也不同（见图1）。

因此，本文所有统计分析均分指位分别进行。

图1 不同指位指纹历史被比中数量占比Fig.1 Percentage of 10 fingers ever hit in query
2 结果与讨论
2.1 10个指位捺印指纹图像质量NFIQ分值分布
对抽取的10万余人份十指捺印指纹图像质量NFIQ分值进行统计，得图2～5。

从图2、图4可以看出，左右手捺印指纹图像质量均是拇指最好（主要分布在NFIQ分值较高的区间，且数量比例最高），食指、中指次之，环指再次之，小指
最差。

从图3、图5累积分布图也可以得出上述结论，90%以上的拇指捺印指纹图像质量NFIQ分值可以达到28分及以上，即NFIQ分值在28分以下的累积数量占比小于10%，而小指捺印指纹图像质量NFIQ分值在28分以下的累积数量占比则高达40%左右。

图2 右手5个指位捺印指纹图像质量NFIQ分值分布Fig.2 Distribution of fingerprint image quality by NFIQ scoring the right hand's 5 fingers
图3 右手5个指位捺印指纹图像质量NFIQ分值累积分布Fig.3 Cumulative percentage of scores by NFIQ deciding the fingerprint image quality of right hand's 5 fingers
图4 左手5个指位捺印指纹图像质量NFIQ分值分布Fig.4 Distribution of fingerprint image quality by NFIQ scoring the left hand's 5 fingers
图5 左手5个指位捺印指纹图像质量NFIQ分值累积分布Fig.5 Cumulative percentage of scores by NFIQ deciding the fingerprint image quality of left hand's 5 fingers
2.2 专家认知结果
考虑到专家认知的主观差异性，本文约定：对于同一枚捺印指纹图像，半数以上专家（50人及以上）评判为合格即认定该图像的质量合格。

基于上述约定，汇总统计100名指纹专家的评判结果，对照NFIQ分值统计，得图6～7。

可以看出，NFIQ分值越高的捺印指纹图像被专家评判为合格的比例越高。

同时，对于左右手10个指位捺印指纹图像质量，专家评判结果差异性较小（图中曲线大致重合）。

说明NFIQ评分具有较好的稳定性，且能与专家认知基本保持一致。

图6 右手5个指位捺印指纹图像质量专家评判结果Fig.6 Results of fingerprint image quality by experts identifying the right hand's 5 fingers
图7 左手5个指位捺印指纹图像质量专家评判结果Fig.7 Results of fingerprint
image quality by experts identifying the left hand's 5 fingers
3 结论
捺印指纹图像质量NFIQ评分与专家认知基本保持一致，由此可以看出，通过应用NFIQ来进一步规范捺印指纹图像采集质量是切实可行的。

但是，由于不同指位捺印指纹图像质量存在差异，因此，NFIQ合格分数线（或范围）的确定应该分指位进行。

本文所得数据可以为公安部应用NFIQ进一步规范捺印指纹图像采集质量提供基础数据支持。

具体应用思路如下：确定NFIQ合格分数线（或范围）应至少考虑两个方面指标，一是质量不合格指纹图像重采率（re capture rate，以下简称RCR），二是入库指纹图像质量合格率（qualified rate，以下简称QR）。

RCR和QR两
者相互制约，RCR决定NFIQ合格分数范围的最高值，QR则决定NFIQ合格分数范围的最低值。

但是，如果RCR要求过高，则在实际工作中会增加基层民警工作量，会一定程度影响工作积极性，进而影响捺印指纹图像的实际采集质量；如果RCR要求过低，则又不能保证采集入库指纹的图像质量。

因此，为保证每个指位
都有可选的NFIQ合格分数范围，进而确定合理的NFIQ合格分数线（值），本文认为可以在不大幅提高RCR的前提下，根据不同指位应用价值的高低适当提高或
降低QR要求。

例如，如果将RCR设定为不高于20%，QR设定为不低于90%，则右手拇指的NFIQ合格分数线最高为38（图3）、最低为28（图6），即分数范围为28～38。

同理可以得出，右手中指为25～32，而右手小指没有合适的分数范围。

由于拇指应用价值最高，可以将右手拇指NFIQ合格分数线向上定为35，则此时QR能达97%以上，而RCR为15%左右。

鉴于小指应用价值最小，可以将右手小指QR降低为80%，RCR要求不高于25%，此时，右手小指的NFIQ合格分数线可以选定为20。

参考文献
【相关文献】
［1］ TABASSI E, WILSON C, WATSON C. NIST-IR 7151: Fingerprint Image Quality
［R/OL］. ［2004-08-19］.
https:///publication/get_pdf.cfm?pub_id=905710.
［2］ OLSEN M A, TABASSI E, MAKAROV A, et al. Self-organizing maps for fingerprint image quality Assessment［C］. Computer Vision and Pattern Recognition Workshops. IEEE, 2013:138-145.
［3］ TABASSI E, GROTHER P. Fingerprint Image Quality［M］.US:Springer, 2009. ［4］全国刑事技术标准化技术委员会.指纹数据交换格式：GA426-2008［S］.北京：中国标准出版社，2008.
［5］全国刑事技术标准化技术委员会.十指指纹图像数据复现动态链接库接口：GA785-2008［S］.北京：中国标准出版社，2008.。