臧亞麗 楊鑫 中國科學院自動化研究所

一、引言

指紋識別技術有著悠久的歷史，早在中國宋朝時期，就有將指紋應用于訴訟審理的記錄。但直到20世紀中期，學者們才開始從科學的角度分析和闡述指紋。之后，隨著計算機技術的發(fā)展，指紋在現(xiàn)代刑偵中開始發(fā)揮作用。而直到20世紀90年代，個人計算機的普及終于將指紋自動識別系統(tǒng)（Automatic Fingerprint Identification System，AFIS）推到了公眾面前。2013年9月蘋果公司推出帶有指紋識別芯片的手機iPhone 5S，帶動了一系列指紋手機的問世；2014年10月Apple Pay上線，使指紋支付進入一個全新時期。指紋識別技術一時間成為了社會關注的焦點，這其中有新奇、有驚喜，有新問題、新思路，也有質(zhì)疑和攻擊。

國內(nèi)從2011年開始推行第二代身份證錄入指紋，至今已建成了規(guī)模較大的公民指紋數(shù)據(jù)庫。帶有指紋信息的身份證和全民化的指紋數(shù)據(jù)庫，對于指紋識別技術在我國的進一步推廣應用有著里程碑式的作用。本文以指紋識別精確性研究和安全指紋識別系統(tǒng)為主要切入點，匯總和分析了近兩年指紋識別技術研究和應用的熱點內(nèi)容和特色技術，旨在給研究者和技術人員以啟發(fā)，并傳播一個對指紋更理智、更客觀的認識，以期促進指紋識別技術的健康、合理發(fā)展。

二、指紋識別系統(tǒng)精確性研究

指紋自動識別系統(tǒng)AFIS利用計算機技術實現(xiàn)對指紋圖像的自動采集、處理和匹配。經(jīng)過幾十年的發(fā)展，AFIS形成了一套完整、典型的算法框架，可以滿足大部分應用需求。其中，基于細節(jié)點的匹配是目前最常用、識別率最好的指紋匹配方法。但由于存在大量低質(zhì)量和大形變的指紋圖像，單純細節(jié)點匹配的性能有時不能滿足要求。因此研究人員從提取細節(jié)點聯(lián)合結(jié)構如MCC（Minutiae Cylinder-Code）[1]和細節(jié)點旋向性（Minutia Handedness）[2]、聯(lián)合多種特征以及先進的匹配算法等多角度研究提高基于細節(jié)點的匹配方法的性能。但在某些特殊的系統(tǒng)要求或應用情景下，AFIS的精確性仍然有待提高。

（一）大規(guī)模系統(tǒng)指紋識別

當AFIS應用于大規(guī)模系統(tǒng)中進行身份識別時，會面臨匹配次數(shù)和時間無限增長及系統(tǒng)性能呈現(xiàn)負指數(shù)下降兩個嚴峻問題。系統(tǒng)匹配時間過長的問題可以通過分布式并行計算、GPU計算加速等方法解決。針對匹配次數(shù)增加和匹配性能下降，現(xiàn)行的解決方案是指紋分類和索引技術。隨著用戶規(guī)模變大，相似度高的假匹配出現(xiàn)的概率越大，真匹配被淘汰的概率越大。分類和索引可以一定程度上降低這種概率，但就目前的技術水平而言，這種降低仍然十分有限。提高大規(guī)模系統(tǒng)指紋識別的準確率，需要從提高AFIS自身識別精度和優(yōu)秀的分類索引策略兩方面考慮。

（二）自動現(xiàn)場指紋識別

現(xiàn)場指紋也叫潛指紋（Latent fingerprint），是指遺留在物體表面的指紋經(jīng)過顯像等技術處理后拍照或掃描得到的指紋圖像?，F(xiàn)場指紋識別最主要的用途是刑偵取證，將犯罪現(xiàn)場遺留指紋與指紋數(shù)據(jù)庫中的指紋進行比對，從而識別犯罪嫌疑人的身份。由于現(xiàn)場指紋質(zhì)量差、有效面積小、背景復雜、非線性形變大等特點，識別難度較大。目前在現(xiàn)場指紋識別過程中，需要專家人工介入才能得到較為準確的匹配結(jié)果，而自動現(xiàn)場指紋識別研究的目的就是盡量減少甚至消除人為介入，提高現(xiàn)場指紋識別的自動化和精確度。

為了評估現(xiàn)場指紋識別技術的水平，美國國家標準與技術研究院NIST分別于2009年和2011年組織了兩次評測。其中2011年帶擴展特征集的現(xiàn)場指紋技術評估中，參加評估的算法獲得了Rank-1的最高精度71.4%。可見現(xiàn)場指紋識別算法與常規(guī)平板指紋識別精度的差距。需要注意的是，此次評估中使用了擴展特征集，即人工標定的指紋特征。如果不結(jié)合人工標定，算法性能還會差很多。

近兩年自動現(xiàn)場指紋識別的研究工作集中在前景區(qū)域精確分割、重疊指紋分離、方向場提取和圖像增強、融合多種特征進行匹配以及識別流程及算法設計等幾個方面。其中不少研究使用了先進的機器學習方法，如稀疏表示和字典查詢用于方向場平滑，專家知識用于分數(shù)融合等。隨著技術的不斷進步，未來全自動高性能的現(xiàn)場指紋識別技術一定可以為刑偵取證帶來更多的可靠性和便捷性。

三、安全指紋識別系統(tǒng)

指紋識別系統(tǒng)安全性一直受到質(zhì)疑和關注，尤其是假指紋可能對系統(tǒng)造成的威脅。但是除了來源于系統(tǒng)外部的假指紋攻擊外，系統(tǒng)內(nèi)部指紋模板的安全性更應該受到關注。

（一）假指紋檢測技術

我們在日常生活中很容易留下指紋，而這些殘留的指紋可以被提取并用于制造假指紋。2013年蘋果手機推出指紋識別功能后，歐洲黑客組織立刻宣稱可以對其進行假指紋的攻擊。實際上，就指紋而言，通過提取殘留指紋制作假指紋的技術和材料并不容易掌握，而對假指紋的檢測和抵御反而是更容易實現(xiàn)的事。

假指紋檢測方法分為基于硬件的方法和基于軟件的方法兩大類。基于硬件的方法主要檢測生理或生物電信號，也有研究通過超聲或光學相干斷層掃描等醫(yī)學成像技術對皮下組織進行成像并通過其光譜性質(zhì)、顏色紋理等甄別真假指紋?；谟布姆椒ㄐ枰谙到y(tǒng)中集成相應的檢測芯片，只要配置合理，可以充分起到抵御假指紋的作用。而基于軟件的方法不需要額外的硬件設備，在指紋系統(tǒng)中采集的圖像提取具有區(qū)分性的特征，從而對真假指紋進行甄別。相比于需要硬件集成的假指紋檢測系統(tǒng)，基于軟件的方法具有更低的成本和更高的可移植性。基于軟件的假指紋檢測方法主要通過分析指紋圖像的動態(tài)特征或靜態(tài)特征來實現(xiàn)對真假指紋的甄別。其中基于靜態(tài)特征的方法對用戶的操作要求更低，對系統(tǒng)改造和實時性影響更小，因此是假指紋檢測的更好選擇。但目前基于軟件的假指紋檢測方法對真假指紋甄別的正確率還有待進一步提高，還需要解決普適性問題：一方面是制作材料和采集設備不同帶來的假指紋檢測精度下降，另一方面是如何將假指紋檢測算法集成到AFIS中，以及如何系統(tǒng)標準化地評估系統(tǒng)抗假能力。

（二）指紋模板保護技術

用戶的指紋模板會在系統(tǒng)內(nèi)進行存儲以用于匹配。一般認為，模板存儲的是指紋細節(jié)點等特征信息，不是原始指紋圖像，不會造成指紋信息泄露。然而，已有研究表明，可以從指紋細節(jié)點模板重構出原始指紋圖像，而且重構攻擊成功率超過95%[3]。指紋模板保護技術正是為了解決指紋存儲模板的安全性而提出的。

理想的指紋模板保護算法需要滿足四個要求[4]：1）不可逆，任何情況下都不能從指紋模板得到原始指紋數(shù)據(jù)；2）可撤銷，可以隨時撤銷某個指紋模板并使用同一個指紋重新發(fā)布一個不同的模板；3）無關聯(lián)，同一個指紋在不同系統(tǒng)中生成的模板不同，各模板之間不能匹配，模板與原始指紋之間也不能直接匹配；4）精確性，滿足以上三個條件的指紋模板的認證性能必須達到系統(tǒng)應用要求。

目前比較主流的指紋模板保護方法有模糊承諾和模糊保險箱等。其中模糊保險箱是指紋模板保護領域最為經(jīng)典的實用化方案。算法最大的特點就是模糊，這個特點很好地把指紋的模糊性和密碼算法的精確性相結(jié)合，之所以適用于指紋數(shù)據(jù)，是因為它使用無序集（如指紋的細節(jié)點）工作，并且能夠處理集合之間的誤差。而指紋模糊承諾由于結(jié)合了漢明距和糾錯碼等來處理模糊性，在指紋模板保護中也有一定的發(fā)揮空間。但是由于經(jīng)過模板保護處理后算法性能的顯著下降，指紋模板保護技術盡管已經(jīng)過20多年的研究，至今仍然沒有獲得上規(guī)模的應用。

四、指紋識別其他研究內(nèi)容

除了上述內(nèi)容，指紋識別技術的研究還有一些新方向。它們或針對某種典型應用，或關注指紋研究深度探討，對于指紋識別技術的長遠發(fā)展都有一定的意義。

（一）指紋采集新方向

指紋采集技術從根本上影響指紋圖像質(zhì)量和有效面積。近幾年采集技術的發(fā)展主要有三個方向：一是非接觸式和3D指紋采集設備，可以減少指紋采集時的彈性形變；二是高分辨率的指紋采集設備，可以采集更多指紋細節(jié)；三是皮下采集技術，可以采集手指表皮以下的組織特性，以抵御假指紋攻擊和輔助匹配。這些新型的采集設備由于成本較貴，目前還難以普及。另一個新興的指紋采集熱點技術是小面積嵌入式的采集芯片，主要是為了迎合智能手機能輕薄終端指紋應用的需求：一方面要求集芯片體積??；另一方面為了保證使用次數(shù)和穩(wěn)定性，需要對采集表面加以保護，如藍寶石覆蓋。兩種需求本身技術難度不高，但是前者需配合開發(fā)可有效識別小面積指紋的算法，而后者會對指紋成像質(zhì)量帶來嚴重影響。因此也帶動了小面積指紋識別算法和特殊低質(zhì)量指紋增強技術的研究。

（二）嬰幼兒指紋識別

可靠地識別嬰幼兒的身份對于跟蹤嬰幼兒防疫計劃、失蹤兒童識別、防止新生兒抱錯等有重要意義。生物特征是公認安全可靠的身份識別手段。但是由于嬰幼兒自身的特點，如指端皮膚面積小、紋理不清晰、生長發(fā)育快、采集配合度差等，生物特征在嬰幼兒身份識別中的適用性需要驗證。為此，密歇根州立大學Anil K. Jain教授等人展開了專題研究[5,6]。他們認為指紋是最適合應用于嬰幼兒的生物特征，這是因為：指紋采集不需要嬰幼兒的特別配合；指紋相對穩(wěn)定，不像人臉隨年齡快速變化；家長不用擔心指紋采集會給孩子帶來傷害?；谶@樣的前提，他們先后組織了兩批嬰幼兒指紋數(shù)據(jù)的采集，分別用于研究嬰幼兒指紋的識別算法和持續(xù)性。實驗結(jié)果發(fā)現(xiàn)，嬰幼兒指紋的識別率較成人指紋有顯著的下降，地域差異極其明顯，不過經(jīng)過上采樣、分數(shù)融合和模板融合等處理后可以一定程度提高嬰幼兒指紋的識別率；此外，6個月內(nèi)的嬰兒指紋持續(xù)性較差，1歲以上的幼兒其識別率和持續(xù)性已經(jīng)相對穩(wěn)定。

（三）指紋唯一性和穩(wěn)定性分析

指紋用于身份認證有一個基本前提：指紋具有唯一性和穩(wěn)定性。所謂唯一性，即每個人的指紋都不相同；所謂穩(wěn)定性，即指紋終生保持不變。比如，當我們用4位十進制數(shù)字代表身份的時候，可以編碼出104種不同的編號。這說明4位十進制數(shù)字可以在10000個對象中保持絕對唯一性。同一個編號任何時間都可以得到100%的相似度，這是絕對穩(wěn)定性。由于指紋本身具有模糊性，很難定量地說指紋在多大得用戶群體中可以保持絕對唯一性；不同時期得到的指紋圖像也無法始終保持高度相似性；因此指紋唯一性和穩(wěn)定性的定量分析非常具有挑戰(zhàn)性。

蘋果公司曾宣稱Touch ID可以在50000個手指中準確地區(qū)分每一枚指紋，換言之，Touch ID可以使指紋的唯一性達到4位十進制編碼的五倍，但僅有6位密碼唯一性的1/20。即使是這樣不十分令人滿意的結(jié)論，目前也只能通過統(tǒng)計得到，其可靠性需實際驗證。密歇根州立大學的Anil K. Jain教授等人在指紋穩(wěn)定性分析方面做了一些有益的嘗試[7]。他們將15597個對象在至少5年間不同時期采集的指紋數(shù)據(jù)進行了對比分析，結(jié)果表明指紋并非終生完全不變，但其穩(wěn)定性確實是存在且持續(xù)的。

除此之外，還有一些特色研究方向，如指紋3D打印[8]和改變指紋檢測等。通過3D打印制作指紋模型，與2D合成指紋圖像相比，可以實現(xiàn)對各種AFIS系統(tǒng)從采集到匹配的全程監(jiān)測，尤其是彌補了合成指紋不能分析采集過程的缺憾，可以研究不同采集系統(tǒng)之間的差異。改變指紋則主要用于甄別對指紋的主動破壞和改變，防止不法分子鉆空子，在刑偵和邊境控制的特定領域有重要作用。

五、總結(jié)

盡管已經(jīng)有了數(shù)十年的研究歷史，指紋自動識別技術依然存在許多不完善的地方。隨著新應用的不斷出現(xiàn)，新的問題也不斷被提出。關于指紋識別技術的安全性和精確性數(shù)度被質(zhì)疑，但指紋仍是目前應用最為廣泛的生物特征。研究人員也從未放棄對指紋識別技術的熱點和難點問題進行攻關，總有新突破。在各種生物特征識別技術中，指紋識別技術的精確性不是最好，安全性也沒有更多優(yōu)勢，但是指紋具有采集方便、設備成本低、體積小等特點，在很多領域有著其它生物特征不可替代的作用和地位。相信隨著技術的不斷完善，指紋識別技術的行業(yè)定位也會越來越清晰，精確性和安全性都將不斷提高。

[1] Cappelli R, Ferrara M, Maltoni D. Minutia cylinder-code: A New Representation and Matching Technique for Fingerprint Recognition[J]. Pattern Analysis and Machine Intelligence, IEEE Transactions on, 2010, 32(12): 2128-2141.

[2] Kai Cao, Xin Yang, Xinjian Chen, Xunqiang Tao, YaliZang,Jimin Liang, JieTian*. Minutia Handedness: A Novel Global Feature for Minutiae-based Fingerprint Matching[J]. Pattern Recognition Letters. Vol. 33, No. 10, pp.1411-1421, 2012.

[3] Cappelli R, Maio D, Lumini A, et al. Fingerprint Image Reconstruction from Standard Templates[J]. Pattern Analysis and Machine Intelligence, IEEE Transactions on, 2007, 29(9): 1489-1503.

[4] 李鵬, 田捷, 楊鑫, 等. 生物特征模板保護[J]. Journal of Software, 2009, 20(6): 1553-1573.

[5] K. Jain, K. Cao, and S. S. Arora. Recognizing Infants and Toddlers using Fingerprints: Increasing the Vaccination Coverage[C]//In IEEE International Joint Conference on Biometrics (IJCB), pages 18,2014.

[6] Jain A K, Cao K, Arora S S. Recognizing Infants and Toddlers Using Fingerprints: Increasing the Vaccination Coverage[C]//Biometrics (IJCB), 2014 IEEE International Joint Conference on.IEEE, 2014: 1-8.

[7] Yoon S, Jain A K. Longitudinal Study of Fingerprint recognition[J].Michigan State University Technical Report, 2014.

[8] Arora S S, Cao K, Jain A K, et al. 3D Fingerprint Phantoms[C]//Pattern Recognition (ICPR), 2014 22nd International Conference on. IEEE, 2014: 684-689.