CN100524360C - 阈值确定设备和个人鉴别系统 - Google Patents
阈值确定设备和个人鉴别系统 Download PDFInfo
- Publication number
- CN100524360C CN100524360C CNB2006800026838A CN200680002683A CN100524360C CN 100524360 C CN100524360 C CN 100524360C CN B2006800026838 A CNB2006800026838 A CN B2006800026838A CN 200680002683 A CN200680002683 A CN 200680002683A CN 100524360 C CN100524360 C CN 100524360C
- Authority
- CN
- China
- Prior art keywords
- threshold value
- data
- individual
- threshold
- distribution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/1365—Matching; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Human Computer Interaction (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Collating Specific Patterns (AREA)
Abstract
提供了一种用于确定阈值的阈值确定设备,在该阈值,小于要求值的每个数据的假匹配率是要求的保证值或者更大。阈值确定设备包括个体阈值评估单元、个体阈值分布评估单元和整体阈值确定单元。阈值确定设备针对每个数据确定每个数据相对于其它数据的相似性,针对每个数据确定满足预定假匹配率的相似性的阈值,针对每个数据的每个阈值确定数据的个体阈值分布,并且根据个体阈值分布将全部数据共用的阈值确定为整体数据。
Description
技术领域
本发明涉及一种阈值确定设备等,该设备用于确定关于诸如指纹等每个数据的相似性的验证评估值的阈值。
背景技术
作为一种用于鉴别个体的方法,已知采用物理特性的生物鉴别。这是检查每个个体所特有的诸如指纹或者面部等物理特性是否与已经录入的特性相同,从而如果确定是相同的,则鉴别为相同的人。例如,在指纹鉴别的情况下,想要鉴别的人录入他/她的指纹数据(模板),用于预先在鉴别系统中验证,并且当需要鉴别该人时,将所输入的指纹数据与模板进行比较,然后确定其是否是录入的人,或者采用在相似性等验证评估值和规定的阈值之间的相关度对其进行处理。
然后,如果将该阈值设置为太大的值,假非匹配率(相同的东西被确定为不同的东西的误差率)变高,这对于鉴别的录入者是不方便的。相反,如果将阈值设置为较宽范围的值,假匹配率(不同的东西被确定为相同的东西的误差率)变高,这提高了可能会鉴别为非录入的人的风险。如上所述,当阈值固定时确定假匹配率和假非匹配率,并且它们是折中的关系。
需要根据要求的鉴别系统的质量来确定希望的阈值。鉴别系统错误地接受非录入的人属于严重的错误,从而在要求安全性的验证系统中需要假匹配率低于规定值。因此,需要确定阈值以便达到要求的假匹配率。
通过验证大量用于实际测试来检查具有各种阈值情况的假匹配率的数据,来得到阈值和假匹配率之间的关系,如非专利文献1所示。如果确定阈值来满足鉴别系统中要求的假匹配率,接受非录入的人的误差率小于等于要求的值。
然而,确定如上所述确定的阈值,以便所有数据的平均假匹配率小于等于要求的值,同时用于每个数据的假匹配率因数据而不同。因此,需要确定阈值,以便评估用于每个数据的假匹配率。在如专利文献1所描述的个体鉴别方法中,得到每个个体的在阈值和假匹配率/假非匹配率之间的关系,并且确定该阈值,从而解决了假匹配率或者假非匹配率因个体而变得不同的问题。
非专利文献1:日本工业标准委员会(JITS),TS/TR号为“X0053”,TS/TR名称为“Evaluation method for accuracy of fingerprintauthentication systems”
专利文献1:日本专利申请待审公开号No.2001—21309
发明内容
本发明要解决的问题
第一个问题是当如非专利文献1来评估验证精度时,不能知道每个数据的验证精度。原因是采用非专利文献1所示的方法评估的精度是所有数据的平均精度,从而当采用一个相同的阈值来确定匹配/非匹配时,假匹配率因每个数据而不同。
第二个问题是当采用专利文献1的方法设计系统时,不能确定阈值。采用该方法,需要采用多个在用户在鉴别系统中录入模板数据的每个录入处理中的验证来确定阈值。原因是采用在每个个体的验证试验来得到阈值。因此,不能预先确定阈值,需要在录入处理中输入验证所要求的多个数据是麻烦的,并且在录入处理中需要花费时间来对多个数据执行验证处理。
因此,本发明的一个目的是提供一种能确定个体阈值的阈值确定设备等,能保证每个录入的数据的假匹配率小于具有特定比例的规定值。另外,本发明的另一目的是提供一种能在设计时确定阈值的阈值确定设备等等。
解决该问题所采用的手段
为了达到上述目的,根据本发明的一种阈值确定设备包括:个体阈值评估单元,用于针对每个数据获得多个数据之间的验证评估值,并且针对每个数据获得用于满足规定的假匹配率的验证评估值的阈值,作为个体阈值;个体阈值分布评估单元,用于关于由个体阈值评估单元得到的每个数据的个体阈值,获得每个个体阈值数据个数的个体阈值的分布;和计算单元,用于根据由个体阈值分布评估单元得到的个体阈值的分布来获得整体阈值。
根据本发明的阈值确定设备包括个体阈值评估单元、个体阈值分布评估单元和阈值确定单元,并且运算以确定阈值,采用该阈值,能得到特定的比例的假匹配率。应用上述结构,从而确定阈值,采用该阈值,每个数据的假匹配率不是所有数据的平均值,可以达到规定的值。因此,能够实现本发明的第一目的。而且,在系统设计时利用测试数据确定阈值,从而能实现本发明的第二目的。
另外,计算单元需要具有以下功能之一:基于由个体阈值分布评估单元得到的个体阈值的分布,获得对所有多个数据共用的阈值,作为整体阈值,或者获得整体阈值和具有满足整体阈值的个体阈值的数据相对于所有数据的比例之间的关系。
另外,验证评估值是相似性或者距离,数据是识别个体的生物信息,并且生物信息是指纹数据。
根据本发明的个人鉴别系统基于由根据本发明的阈值确定设备而得到的关系,通过利用根据本发明的阈值确定设备而得到的整体阈值来执行个人鉴别,或者通过利用根据上述鉴别中要求的安全级别的整体阈值来执行个人鉴别。
根据本发明的阈值确定方法包括:个体阈值评估步骤,获得多个数据中每个数据相对于其它数据的验证评估值,并且针对每个数据获得用于满足规定的假匹配率的验证评估值的阈值,作为个体阈值;个体阈值分布评估步骤,关于由个体阈值评估单元得到的每个数据的个体阈值,获得每个个体阈值数据个数的个体阈值的分布;和计算步骤,根据由个体阈值分布评估单元得到的个体阈值的分布来获得整体阈值。
根据本发明的一种阈值确定程序,使包括用于确定阈值的阈值确定设备的计算机执行以下功能:针对每个数据获得多个数据之间的验证评估值,并且针对每个数据获得用于满足规定的假匹配率的验证评估值的阈值,作为个体阈值;关于由个体阈值评估单元得到的每个数据的个体阈值,获得每个个体阈值数据个数的个体阈值的分布;和根据由个体阈值分布评估单元得到的个体阈值的分布来获得整体阈值。
另外,本发明可以构造成如下。即,本发明可以(1)评估测试数据的一个数据和与该数据不同的其它多个数据之间的相似性,得到用于每个数据的阈值,采用该阈值,该阈值的相似性的比例不超过要求的假匹配率,并且评估每个数据的阈值的出现分布,从而得到整体阈值和超过每个数据的该阈值的整体阈值的比例之间的关系。同时,本发明可以(2)根据超过每个数据的阈值的整体阈值的比例,确定整体阈值,以便超过每个数据的阈值的整体阈值的比例满足要求的保证率。
本发明的有益效果
第一有益效果是实现了对于每个数据保证特定比例的假匹配率。原因是没有得到阈值和假匹配率之间的关系作为所有数据的平均关系,但是可以得到在每个数据能实现规定的非匹配率的阈值,并且得到了该阈值的出现分布,从而确定包括数据的规定比例的整体阈值。
第二有益效果是在设计时能确定阈值。原因是根据阈值的分布确定阈值,采用该阈值,能实现具有测试数据的规定阈值,并且在录入处理时不需要每个个体的信息。
附图说明
图1是示出了根据本发明的阈值确定设备的第一实施例的方框图;
图2是示出了图1的阈值确定设备的操作的流程图;
图3是示出了根据本发明的阈值确定设备的第二实施例的方框图;
图4是示出了图3的阈值确定设备的操作的流程图;
图5是示出了采用根据本发明的阈值确定设备的个人鉴别系统的一个示例的方框图;
图6A是示出了对于每个指纹数据的个体阈值出现频率分布的一个示例的图;
图6B是示出了在确定了整体阈值的情况下,个体假匹配率大于等于规定值的指纹数据与个体假匹配率小于规定值的指纹数据的比例的示例的图;和
图6C是示出了对于每个指纹数据的个体阈值、出现频率分布的一个示例的图。
具体实施方式
图1是示出了本发明的阈值确定设备的第一实施例的方框图。接下来,将参考该附图来描述本发明。
根据本实施例的阈值确定设备10基本上包括:个体阈值评估单元11、个体阈值分布评估单元12和整体阈值确定单元13。个体阈值评估单元11获得多个数据中每个数据相对于其它数据的相似性,并且得到满足每个数据的预定假匹配率的相似性的阈值,作为个体阈值。相对于在个体阈值评估单元11得到的每个数据的个体阈值,个体阈值分布评估单元12对于每个个体阈值得到具有多个数据的个体阈值的分布。整体阈值确定单元13根据由个体阈值分布评估单元12得到的个体阈值的分布来得到所有多个数据共有的阈值作为整体阈值。在该实施例中,整体阈值确定单元13用于计算单元,以便基于通过个体阈值分布评估单元得到的个体阈值的分布来得到整体阈值。
以下将更加详细地阐述本发明。在运行程序控制的计算机17中实现阈值确定设备10。计算机17与诸如显示器等的输出设备18连接。计算机17包括个体阈值评估单元11、个体阈值分布评估单元12和整体阈值确定单元13、以及测试数据存储单元14、要求的假匹配率输入单元15和要求的保证率输入单元16。这些单元中的每一个基本上按如下方式运行。
个体阈值评估单元11彼此验证存储在测试数据存储单元中的测试数据,以便对于每个数据评估阈值,采用该阈值,可以得到由要求的假匹配率输入单元15输入的要求的假匹配率。个体阈值分布评估单元12评估相对每个数据的个体阈值评估事件分布,采用该个体阈值,可以获得由个体阈值评估单元11得到的要求的假匹配率。整体阈值确定单元13确定整体阈值,以便基于通过个体阈值分布评估单元12得到的个体阈值分布,以由要求的保证率输入单元16输入的比例来获得要求的假匹配率。从输出设备18输出由整体阈值确定单元13确定的阈值。
图2是示出了阈值确定设备10的操作的流程图。以下,将参考图1和2来阐述阈值确定设备10的操作。
首先,测试数据存储单元14存储测试数据(步骤A1),并且要求的假匹配率输入单元15输入要求的假匹配率(步骤A2)。步骤A1或A2中的任意一个均可以在顺序上在先。接下来,已经验证了测试数据的数量,个体阈值评估单元11得到比由在每个数据要求的假匹配率输入单元输入的假匹配率小的阈值(步骤A3)。然后,个体阈值分布评估单元12相对于由个体阈值评估单元11得到的每个数据的个体阈值,检查事件分布(步骤A4)。接下来,要求的保证率输入单元16输入小于要求的假匹配率的、作为每个数据的假匹配率的保证比例的要求值(步骤A5)。在步骤A6之前的任何时间执行步骤A5,步骤A5可以在步骤1到4之间,并且可以在步骤1之前。接下来,整体阈值确定单元13得到阈值,采用该阈值,要求的假匹配率可以基于由个体阈值分布评估单元12得到的个体阈值的分布来以要求的保证率得到要求的假匹配率(步骤A6)。最后,输出设备18输出得到的阈值(步骤A7)。
根据该实施例的阈值确定设备10,其包括个体阈值评估单元11、个体阈值分布评估单元12和阈值确定单元13,以便确定能实现特定比例的规定的假匹配率的阈值。也就是说,确定该阈值,以便可以通过每个数据的非匹配率来达到规定的值,并不是所有数据的平均值,从而可以实现本发明的第一目的。另外,通过采用测试数据在系统设计时确定阈值,从而可以实现本发明的第二目的。
图3是示出了根据本发明的阈值确定设备的第二实施例的方框图,接下来,将参考该附图阐述本发明。在这方面,对于与图1相同的部件将采用相同的附图标记,以简化描述。
根据该实施例的阈值确定设备20包括个体阈值评估单元11、个体阈值分布评估单元12和阈值保证率关系确定单元21。基于由个体阈值分布评估单元12得到的个体阈值的分布,阈值保证率关系确定单元21得到整体阈值和具有满足整体阈值的个体阈值的数据相对于所有数据的比例之间的关系。在该实施例中,将阈值保证率关系确定单元用于计算单元,以便基于通过个体阈值分布评估单元得到的个体阈值的分布得到整体阈值。
接下来将更详细地阐述本发明。在运行程序控制的计算机17内实现阈值确定设备20。计算机17与诸如显示器等的输出设备18连接。计算机17具有个体阈值评估单元11、个体阈值分布评估单元12和阈值保证率关系确定单元21,此外,还包括测试数据存储单元14和要求的假匹配率输入单元15。
这些单元中的每一个通常按如下方式运行。个体阈值评估单元11。个体阈值分布评估单元12、测试数据存储单元14和要求的假匹配率输入单元15与第一实施例的每个单元相同地运行。基于由个体阈值分布评估单元12得到的个体阈值的分布,阈值保证率关系确定单元21得到阈值和可以保证为小于由要求的假匹配率输入单元15输入的要求的匹配率的数据的比例之间的关系。输出设备18输出评估值和由阈值保证率关系确定单元21得到的保证率之间的关系。
图4是示出了阈值确定设备20的操作的流程图。接下来,将参考图3和4来阐述阈值确定设备20的操作。
省略了关于步骤A1到A4中的每个单元的操作的描述,因为这些操作与图2中步骤A1到A4的每个步骤的操作相同。首先,阈值保证率关系确定单元16得到比率与阈值之间的关系(步骤B5),采用该比率,可以保证小于要求的假匹配率的每个数据的假匹配率。随后,输出设备18输出所得到的阈值与保证率之间的关系(步骤B6)。
根据该实施例的阈值确定设备20,,除了与第一实施例等同的效果外,可以实现根据所需级别采用整体阈值的鉴别。
图5是采用根据本发明的阈值确定设备的个人鉴别系统的示例的方框图。接下来,将参考该附图阐述本发明。
个人鉴别系统30采用用于生物信息识别个体的指纹,包括验证设备31和判定部分34,用于采用通过第一实施例的阈值确定设备10得到的整体阈值来执行个人鉴别。验证设备31包括指纹图像部分32和指纹验证部分33。指纹图像部分32是诸如具有电子输入指纹功能的指纹扫描仪等。指纹验证部分33采用包括在其中的验证算法预先录入的指纹来验证最新输入的指纹。判定部分34采用通过阈值确定设备10输入的整体阈值和从指纹验证部分33输出的验证结果来确定是否是同一人。除了采用通过阈值确定设备10得到的整体阈值的点外,个人验证系统30与传统的个人验证系统相同,因此,省略其详细描述。
在这方面,基于通过阈值确定设备20得到的关系,采用第二实施例的阈值确定设备20代替阈值确定设备10,用于采用根据鉴别中要求的安全级别的整体阈值来执行个人鉴别。另外,在指纹验证部分33和判定部分34的外部提供阈值确定设备10和20,然而,这只是一个示例。例如,阈值确定设备10和20可以在指纹验证部分33或者判定部分34的内部。
实施例1
本实施例对应于上述第一实施例。接下来,将参考图1、2和5来阐述该实施例。在该实施例中,采用计算机17作为个人计算机。采用个人计算机中的存储器作为测试数据存储单元14。在要求的假匹配率输入单元15和要求的保证率输入单元16中,从与个人计算机连接的键盘来输入值。采用指纹数据作为数据,并且输出在个人鉴别系统中采用的阈值,以便采用指纹数据执行个人鉴别。
在要求的假匹配率输入单元15中,输入要求的假匹配率(要求的假匹配率)。要求的假匹配率是规定的值。对于采用由该实施例确定的阈值的指纹鉴别设备,需要在将不同的指纹误认为相同的指纹的错误发生率(即要求的假匹配率)小于规定值。例如,在确定用于指纹鉴别设备的阈值的情况下,其中,从要求的假匹配率输入单元15输入的要求将不同的指纹数据确定为相同指纹数据的可能性小于1/10000,从要求的假匹配率输入单元15输入1/10000。在要求的假匹配率输入单元15中,可以采用键盘输入规定值,而且可以预先存储在存储器中,同时通过通信或者外部记录介质输入。
测试数据存储单元14存储指纹测试数据。测试数据存储单元14不仅可以将指纹测试数据存储在个人计算机内的存储器中,而且可以存储在诸如硬盘、DVD介质等的记录介质中。另外,当将数据存储在个人计算机外的存储设备中时,通过网络执行通信,并且测试数据存储设备14可以按顺序只存储在采用输入验证所要求的数据时所需要的数据的一部分。
在要求的保证率输入单元16中,输入要求的保证率。要求的保证率是在采用多个指纹验证各个指纹数据的情况下、保证每个数据的假匹配率小于整体数据中要求的假匹配率的比例。例如,在要求的假匹配率是1/10000的情况下,当需要将指纹数据的99%或者更多保证为具有小于1/10000的假匹配率时,即,当需要将大于要求的值的假匹配率的可能性控制为低于1%时,要求的保证率是99%。在要求的保证率输入单元16中,采用键盘输入规定值,而且预先存储在存储器中,同时通过通信或者外部记录介质输入。
在个体阈值评估单元11中,得到阈值,采用该阈值,在每个指纹测试数据的假匹配率是要求的假匹配率。即,评估每个指纹数据与其它测试数据的相似性。然后,对每个指纹得到阈值,采用该阈值,超过该阈值的相似性的可能性低于要求的假匹配率。
例如,假设要求的假匹配率是1/10000,并且采用60000指纹数据来验证某一指纹数据(指纹数据1)。在采用不多于6个指纹的验证中,将指纹数据1的阈值确定为在相似性大于等于某一值的范围内,其中在其余不少于59994个指纹的验证中,相似性不小于某一值。例如,假设采用60000指纹数据验证指纹数据1,并且按顺序是6个较高的相似性,0.22、0.20、0.19、0.18、0.18、0.17,并且其余与59994个指纹的相似性是小于0.17。这里,数值越大,数据越相似。在这种情况下,指纹数据1的阈值大于0.17。将每个数据的阈值确定为在该任意范围内,当时,因为高的阈值提高了假非匹配率(将相同的指纹确定为不同的指纹的比率),因此高的阈值是不方便的,因此,阈值是在该范围内最小的0.17。
每个数据的阈值根据数据而不同。例如,假设采用60000指纹数据验证指纹数据2,并且6个较高的相似性按顺序是0.34、0.32、0.30、0.29、0.28、0.25,其余与59994个指纹的相似性小于0.25。然后,指纹数据2的个体阈值是在大于等于0.25的范围内。因为个体阈值因数据而不同,因此在每个数据确定数据的阈值,如表1所示。
表1:在每个指纹数据的个体阈值的一个示例
《指纹数据》 《阈值》
指纹数据1 0.17
指纹数据2 0.25
指纹数据3 0.10
… …
指纹数据N 0.23
下文中,将每个数据的阈值称作个体阈值。在个体阈值分布评估单元12中,得到通过个体阈值评估单元而得到的每个数据的个体阈值的频率分布。个体阈值的频率分布表示每个个体阈值与全部数据的比例,例如,小于0.01的个体阈值与全部数据的比例是1%,从0.01到小于0.1是14%,从0.1到小于0.2是60%,从0.2到小于0.29是14%,以及大于0.29是1%,如图6A所示。
在整体阈值确定单元13中,根据通过个体阈值分布评估单元12得到的个体阈值的分布,得到阈值,采用该阈值,可以以要求的保证率来保证要求的假匹配率。例如,假设要求的假匹配率是1/10000,要求的保证率是1%,在个体阈值的分布中,具有个体阈值是大于等于0.29的数据是1%,如图6A所示,整体阈值是大于等于0.29。在这种情况下,小于1/10000的每个指纹数据的个体假匹配率的比例是1,如图6B所示,并且超过要求的假匹配率1/10000的每个数据的假匹配率的比例是小于等于1%。
从输出设备18输出由整体阈值确定单元13确定的整体阈值。在输出设备18中,可以在诸如显示器等显示设备上显示整体阈值,并且在将其记录在存储设备中后输出整体阈值。当设计指纹鉴别设备时,输入在显示设备上显示的整体阈值,或者通过指纹鉴别设备读出记录在存储设备中的整体阈值,从而可以采用大于等于要求的保证率或者小于等于要求的假匹配率的每个数据的假匹配率来设计指纹鉴别设备。
实施例2
本实施例对应于上述第二实施例。接下来,将参考图3、4和5来阐述该实施例。该实施例与实施例1不同,因为不具有要求的保证率输入单元15(图1),而是具有阈值保证率关系确定单元21。
在阈值保证率关系确定单元21中,根据由个体阈值分布评估单元12得到的个体阈值的分布而得到阈值和保证率之间的关系。阈值和保证率之间的关系是意味着相对某一阈值、假匹配率小于要求的假匹配率的某一级别的关系。
例如,如图6C的个体阈值分布,假设从0.25到小于0.29的个体阈值的比例是4%,从0.29到小于0.295是0.5%,以及大于等于0.295是0.5%,也就是说,个体阈值大于等于0.25是5%(小于0.25是95%),大于等于0.29是1%(小于0.29是99%),大于等于0.295是0.5%(小于0.295是0.5%)。在这种情况下,如表2所示,当阈值是0.25时,保证小于要求的假匹配率的每个数据的个体假匹配率是95%,当阈值是0.29时,保证小于要求的假匹配率的个体假匹配率是99%,和当阈值是0.295时,保证小于要求的假匹配率的每个数据的个体假匹配率是99.5%。
表2:在阈值和保证率之间的关系的一个示例。
《阈值》 《保证率》
… …
0.25 95%
0.29 99%
0.295 99.5%
… …
在输出设备18中,输出阈值和保证率之间的关系。利用阈值和保证率之间的关系,根据鉴别目的,通过改变阈值来以可变的保证率操作指纹识别设备。例如,当在内部信息系统中执行指纹识别时,采用能保证99.9%的阈值来鉴别对诸如关于人事关系等高保密级信息的访问,和采用能保证99%的阈值来识别对不是高保密级别的信息的访问,正如所描述的,可以根据要访问的信息的保密级别来改变阈值。
在实施例1和2中,所描述的内容已经采用指纹数据作为数据。与验证指纹的方法相同,提供一种利用诸如沟槽的端点或分支等细节的方式。细节的数量依指纹而不同,并且每个指纹数据的假匹配率由于细节的数目而不同。在这种情况下,采用本发明的实施例来评估每个数据的假匹配率,从而建立指纹鉴别系统,其中,即使细节的数量在每个指纹之间不同,也能将假匹配率保证在要求的保证率。
在实施例1和2中,所描述的内容采用指纹数据作为数据,但是,也可以采用诸如面部数据、虹膜数据、血管数据等能识别个体的其它生物信息数据。与人工创建的诸如编码号等鉴别数据不同的生物信息依个体而具有很大的变化。因此,对于每个个体,假匹配率有很大不同。如果采用本发明的实施例设计鉴别系统,可以建立能保证在要求的保证率的假匹配率的生物信息鉴别系统。另外,不仅可以采用诸如指纹数据等生物信息,而且可以采用其它鉴别数据。
在实施例1和2中,将相似性用作两个指纹数据之间的比较结果的评估值,其表明相似性越大意味着两个指纹数据越相似,并且阈值的数值越大意味着需要更严格的条件。但是,对于评估值,可以采用测量来表示具有较小数值的更大相似性,诸如两个数据之间的距离,然后,较小的阈值使得条件更加严格。
工业实用性
可以将本发明用于一种阈值确定设备,用于确定能保证要求的假匹配率在要求的保证率处的阈值。可以采用该设备所确定的阈值来设计个人鉴别系统。
Claims (5)
1.一种阈值确定设备,包括:
个体阈值评估单元,用于针对每个数据获得多个数据之间的验证评估值,并且获得用于满足规定的假匹配率的验证评估值的阈值,作为对于每个数据的个体阈值;
个体阈值分布评估单元,用于关于由个体阈值评估单元获得的每个数据的个体阈值,获得每个个体阈值数据个数的个体阈值的分布;和
计算单元,用于根据由个体阈值分布评估单元获得的个体阈值的分布来获得整体阈值;
其中,计算单元包括功能:基于由个体阈值分布评估单元获得的个体阈值的分布,获得对于所有数据共用的阈值,作为整体阈值;以及
计算单元包括功能:基于由个体阈值分布评估单元获得的个体阈值的分布,获得整体阈值和具有满足所述整体阈值的个体阈值的数据相对于所有数据的比例之间的关系。
2.根据权利要求1的阈值确定设备,其中,验证评估值是相似性或者距离信息。
3.根据权利要求1的阈值确定设备,其中,数据是识别个体的生物信息。
4.根据权利要求3的阈值确定设备,其中,生物信息是指纹数据。
5.一种基于鉴别目标的生物数据执行鉴别的个人鉴别系统,包括:
个体阈值评估单元,用于获得多个数据之间的验证评估值,并且获得用于满足规定的假匹配率的验证评估值的阈值,作为每个数据的个体阈值;
个体阈值分布评估单元,用于关于由个体阈值评估单元获得的每个数据的个体阈值,获得每个个体阈值数据个数的个体阈值的分布;和
计算单元,用于根据由个体阈值分布评估单元获得的个体阈值的分布来获得整体阈值;和
鉴别单元,用于采用由计算单元获得的整体阈值来执行个人鉴别;
其中,计算单元包括功能:基于由个体阈值分布评估单元获得的个体阈值的分布,获得对于所有数据共用的阈值,作为整体阈值;以及
计算单元包括功能:基于由个体阈值分布评估单元获得的个体阈值的分布,获得整体阈值和具有满足所述整体阈值的个体阈值的数据相对于所有数据的比例之间的关系。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP013493/2005 | 2005-01-21 | ||
JP2005013493 | 2005-01-21 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101107627A CN101107627A (zh) | 2008-01-16 |
CN100524360C true CN100524360C (zh) | 2009-08-05 |
Family
ID=36692154
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2006800026838A Active CN100524360C (zh) | 2005-01-21 | 2006-01-12 | 阈值确定设备和个人鉴别系统 |
Country Status (5)
Country | Link |
---|---|
US (1) | US7991204B2 (zh) |
EP (1) | EP1847959B1 (zh) |
JP (1) | JP4899868B2 (zh) |
CN (1) | CN100524360C (zh) |
WO (1) | WO2006077764A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8412950B2 (en) * | 2007-12-20 | 2013-04-02 | Koninklijke Philips Electronics N.V. | Defining classification thresholds in template protection systems |
CN101960662A (zh) | 2008-02-29 | 2011-01-26 | 三菱化学株式会社 | 非水电解液及非水电解质电池 |
JP5753966B2 (ja) * | 2010-08-05 | 2015-07-22 | パナソニックIpマネジメント株式会社 | 顔画像登録装置および方法 |
JP4962813B1 (ja) * | 2012-01-23 | 2012-06-27 | 日本テクノ株式会社 | アラーム出力装置、アラーム出力方法 |
CN103093209B (zh) * | 2013-01-23 | 2015-07-29 | 深圳市亚略特生物识别科技有限公司 | 指纹验证系统 |
CN105404807B (zh) * | 2015-12-08 | 2019-02-05 | Oppo广东移动通信有限公司 | 提升指纹识别性能的方法、装置及移动终端 |
TWI806030B (zh) * | 2021-03-31 | 2023-06-21 | 瑞昱半導體股份有限公司 | 應用於人臉辨識系統的處理電路及處理方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06208611A (ja) * | 1993-01-11 | 1994-07-26 | Toshiba Corp | 個人認証装置 |
JPH06274628A (ja) * | 1993-03-18 | 1994-09-30 | Fujitsu Ltd | 本人照合推定方法 |
JP3439359B2 (ja) * | 1998-12-18 | 2003-08-25 | 日本電気株式会社 | 個人識別方法、個人識別装置および記録媒体 |
JP2000215313A (ja) * | 1999-01-22 | 2000-08-04 | Mitsubishi Electric Corp | デ―タ識別方法およびその装置 |
JP2001021309A (ja) | 1999-07-12 | 2001-01-26 | Toshiba Tec Corp | 個体認証方法及び個人認証方法 |
JP2003067340A (ja) * | 2001-08-28 | 2003-03-07 | Mitsubishi Electric Corp | 認証の選択システム、認証システム |
-
2006
- 2006-01-12 WO PCT/JP2006/300284 patent/WO2006077764A1/ja active Application Filing
- 2006-01-12 US US11/792,840 patent/US7991204B2/en active Active
- 2006-01-12 EP EP06711607.9A patent/EP1847959B1/en active Active
- 2006-01-12 JP JP2006553865A patent/JP4899868B2/ja active Active
- 2006-01-12 CN CNB2006800026838A patent/CN100524360C/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN101107627A (zh) | 2008-01-16 |
WO2006077764A1 (ja) | 2006-07-27 |
US7991204B2 (en) | 2011-08-02 |
JPWO2006077764A1 (ja) | 2008-08-07 |
EP1847959A1 (en) | 2007-10-24 |
US20080089562A1 (en) | 2008-04-17 |
EP1847959B1 (en) | 2013-11-27 |
JP4899868B2 (ja) | 2012-03-21 |
EP1847959A4 (en) | 2011-10-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100524360C (zh) | 阈值确定设备和个人鉴别系统 | |
CN100388312C (zh) | 生物测量信息登记装置、校验装置、登记/校验系统和登记方法 | |
US8310372B2 (en) | Fingerprint acquisition system and method using force measurements | |
RU2267159C2 (ru) | Способ и система для генерирования набора параметров ключа доступа, а также для аутентификации человека на основании его биометрического параметра | |
AU2019200711B2 (en) | Biometric verification | |
US20050058325A1 (en) | Fingerprint verification | |
CN101197676A (zh) | 认证系统的管理方法 | |
CN111625792B (zh) | 一种基于异常行为检测的身份识别方法 | |
US20200334346A1 (en) | Using biometric user-specific attributes | |
CN100374976C (zh) | 验证移动计算机用户的身份的方法和移动计算机 | |
KR100837002B1 (ko) | 패턴 식별 시스템, 패턴 식별 방법, 및 패턴 식별 프로그램을 기록한 기록매체 | |
US20060177108A1 (en) | Method and apparatus for evaluating authentication algorithm using biometrics data | |
US20070233667A1 (en) | Method and apparatus for sample categorization | |
Hadler et al. | An improved version of a tool mark comparison algorithm | |
Garris et al. | NIST fingerprint evaluations and developments | |
Faizabadi et al. | Efficient Region of Interest Based Metric Learning for Effective Open World Deep Face Recognition Applications | |
Hong | Performance evaluation metrics for biometrics-based authentication systems | |
KR100670244B1 (ko) | 양쪽 동시 지문입력기 및 그 지문 매칭 방법 | |
Yao et al. | Fingerprint quality assessment: Matching performance and image quality | |
JP6199470B1 (ja) | 署名認証システム | |
Lazarick et al. | Evaluation of ‘non-traditional’fingerprint sensor performance | |
CN117787970B (zh) | 基于身份认证及芯片识别的银行卡管理装置、方法及系统 | |
CN113553888B (zh) | 人员身份验证方法、装置、设备及存储介质 | |
RU2774046C1 (ru) | Способ и система определения наличия критических корпоративных данных в тестовой базе данных | |
Otti et al. | Introduction to the biometric access control systems for managers: which error indicator matters in the selection? |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |