CN101088097A - 多模生物测量平台 - Google Patents

Abstract

一种多模生物测量识别和认证系统包括多个生物测量客户机。每个生物测量客户机都可以包括用于捕捉多种类型的生物测量图像的设备。该系统包括与各生物测量客户机通信的路由器。路由器接收来自生物测量客户机的生物测量图像并将生物测量得分或结果返回给各生物测量客户机。该系统包括与路由器通信的多个生物测量匹配引擎。每个生物测量匹配引擎都包括多个生物测量处理器。每个生物测量处理器都适用于处理一特定类型的生物测量数据。各生物测量匹配引擎向路由器发送数据并接收来自路由器的数据。

Description

多模生物测量平台

发明背景

本发明一般涉及生物测量识别和认证领域，尤其涉及多模生物测量系统和方法。

生物测量是可用于尤其通过使用数字设备将一个体与另一个体区别开来的各种特征的通称。生物测量的一个示例是指纹。受过训练的分析人员很早就能够匹配各指纹以识别个体。近来，已开发了计算机系统用于自动匹配指纹。已经或正用于识别或认证个体身份的生物测量的示例包括2D脸部、3D脸部、手部几何形状、单指指纹、十指现场扫描、虹膜、手掌、全手、签名、耳部、手指静脉、视网膜、DNA和嗓音。其他生物测量还可以包括特有的步态、唇部运动等。正在不断研究或开发新的生物测量。

生物测量已用于识别和认证。识别是识别或检测未知个体的存在的过程。识别通常涉及对所存储的生物测量信息的一对N或完全搜索。识别的常见用途是执法脸部照片或指纹搜索、为确保不向一特定个体颁发一张以上驾驶执照的驾驶执照脸部照片或指纹搜索、以及侦查罪犯或恐怖分子的各种人群扫描方案。

认证是验证一个体是其所声称的个体的过程。个体提供用于识别其身份的某些东西，诸如卡或计算机登录名。随后将获取自该个体的生物测量与存储的生物测量相比较以认证该个体的身份。认证可用于安全场所和系统的访问控制以及信用卡的使用控制等。

在安全性日渐提升的今天，生物测量正变得越来越重要。生物测量的目标之一是增强精确性以减少虚假否定和虚假肯定指示。每种生物测量都有某些限制。某些生物测量固有地比其他生物测量更为精确。据估计在大多数人口中约有5％的个体不具有清晰指纹。某些脸部辨别系统的精确性可能依赖于周围环境的照明和对象的姿势。

当前生物测量识别和认证的一个问题是欺骗生物测量捕捉装备的“电子欺骗(spoofing)”。通过将先前捕捉的可信图像呈现给捕捉设备就可能电子欺骗某些设备。该设备可能捕捉伪造的图像并在随后识别错误的个体。

一种能够同时解决精确性和电子欺骗问题的方案是使用多种生物测量来识别或认证个体的身份。对任何单个生物测量，多个个体与该生物测量匹配的概率是有限的。然而，各生物测量往往是彼此独立的，因此匹配一个生物测量的个体不太可能在多个生物测量上都匹配。因此，一个体在多个生物测量测试中获得虚假肯定的概率很低。为了电子欺骗使用多种生物测量的系统，就必须获取每种生物测量的伪造图像。于是，希望提供一种多模生物测量平台。然而，在当前提供多模生物测量平台的各种尝试中仍面临诸多问题。

发明概述

本发明提供一种多模生物测量识别和/或认证系统。根据本发明的一种系统可以包括多个生物测量客户机。每个生物测量客户机都可以包括用于捕捉多种类型的生物测量图像的设备。生物测量图像捕捉设备的示例是周知的，并且可以包括用于捕捉脸部辨别图像的数码照相机、用于捕捉指纹辨别图像的指纹扫描仪、用于捕捉虹膜辨别图像的虹膜扫描仪、以及手部几何形状传感器等。该系统包括与各生物测量客户机通信的路由器。其中，该路由器接收来自生物测量客户机的生物测量图像并将生物测量得分或结果返回给上述生物测量客户机。该系统包括与路由器通信的多个生物测量匹配引擎。每个生物测量匹配引擎可包括多个生物测量处理器。每个生物测量处理器都适用于处理一特定类型的生物测量数据。其中，生物测量匹配引擎向路由器发送数据并接收来自路由器的数据。

生物测量匹配引擎可以包括借助软件开发工具包(SDK)实现的专有的第三方生物测量应用程序。该第三方应用程序接收并比较生物测量模板对并基于该比较返回专有得分。每个第三方应用程序都适用于执行与一特定生物测量有关的工作。例如，有单独的脸部、指纹和虹膜应用程序，每个应用程序通常都可从一单独的实体中获得。生物测量匹配引擎包括用于每个生物测量应用程序的插件应用程序。这些插件提供多种功能。这些插件既能提供生物测量应用程序和路由器之间的接口，又能够从生物测量图像中创建生物测量模板、优选地在物理存储器中高速缓存这些生物测量模板、提供取样模板(probe template)并且将这些模板向其相关联的生物测量应用程序登记以供比较和评分、并将得分返回给路由器。这些插件还可以正规化或以其它方式处理接收自生物测量应用程序的得分。

各生物测量匹配引擎基于其能力被组织成组。一组内的每个生物测量匹配引擎能处理同种类型的生物测量。一个生物测量匹配引擎可以属于一个以上组。

根据本发明，生物测量客户机和生物测量匹配引擎之间的所有通信都通过路由器进行。生物测量客户机和生物测量匹配引擎都只能看见路由器。在登记阶段期间，生物测量客户机向路由器发送生物测量和人口统计学数据。路由器存储人口统计学数据并向一适当组的生物测量匹配引擎发送生物测量数据。生物测量匹配引擎的插件将生物测量数据的图像转换成模板并将这些模板发回路由器。路由器取决于系统配置将这些模板发回该组中的一个或所有生物测量匹配引擎。该系统可以被配置为用于条带化(striped)操作，在此情况下，各模板被发送给该组中的一个生物测量匹配引擎。在该条带化配置中，路由器使用负载平衡方案来确保一组内每个生物测量匹配引擎在其高速缓存内都具有数目大致相同的已登记模板。或者，该系统可被配置为用于镜像操作。在该镜像配置中，路由器将各模板发送给该组中的每个生物测量匹配引擎。在上述任一配置中，生物测量匹配引擎都将它们从路由器接收的已登记模板优选地高速缓存在物理存储器内。

在搜索期间，生物测量客户机将目标生物测量数据发送给路由器。路由器取决于系统配置向一适当组的生物测量匹配引擎中的一个或所有生物测量匹配引擎发送该目标生物测量数据。如果该系统处于条带化配置，则路由器将目标数据发送给该组中的每个生物测量匹配引擎。如果该系统处于镜像配置，则路由器将目标数据发送给该组中的单个可用的生物测量匹配引擎。在上述任一配置中，生物测量匹配引擎都将目标数据转换成取样模板并在随后将一取样和各已登记模板提供给合适的生物测量应用程序以供比较和评分。生物测量匹配引擎将得分发回给路由器。在条带化配置中，路由器在将得分报告回生物测量客户机之前累加来自所有生物测量匹配引擎的得分。

因为生物测量匹配引擎的生物测量应用程序通常产生专有的非正规化得分，所以本发明提供产生更有意义的组合或正规化得分。在一个实施例中，生物测量匹配引擎实现搜索修剪策略。根据该搜索修剪策略，生物测量匹配引擎将第一类型的取样生物测量模板与第一类型的已登记生物测量模板相比较以产生一组第一得分。生物测量匹配引擎在一匹配集合内保存其数据记录的第一得分大于第一生物测量阈值的生物测量数据记录。生物测量匹配引擎随后在所述匹配集合内比较第二类型的取样生物测量模板与第二类型的已登记生物测量模板以产生一组第二得分。生物测量匹配引擎保存其数据记录的第二得分大于第二生物测量阈值的生物测量数据记录。生物测量匹配引擎重复该过程，直到所有的模板类型都得到处理，从而得到在每一类别中得分都高于阈值的一组数据记录。

在第二实施例中，该系统使用登记数据的统计分析以产生正规化得分。通过为每一个体存储一种类型的多个生物测量模板在生物测量数据库内登记各个体。系统将数据库内的每个生物测量模板与数据库的每个其他生物测量模板进行比较以获得生物测量得分。如果生物测量得分是通过将一个体的一个生物测量模板与同一个体的另一生物测量模板相比较而获得的，则系统就将该得分放入匹配类别内。如果生物测量得分是通过将一个体的一个生物测量模板与不同个体的一生物测量模板相比较而获得的，则系统就将该得分放入不匹配类别内。系统分析匹配类别内的得分以确定一特定得分是匹配得分的概率。该系统还分析不匹配类别内的得分以确定一特定得分不是匹配得分的概率。

附图简述

图1是本发明一个实施例的框图。

图2是根据本发明的生物测量匹配引擎的一个实施例的框图。

图3是根据本发明的生物测量客户机的一个实施例的框图。

图4是示出根据本发明的生物测量匹配引擎的框图。

图5是根据本发明的生物测量匹配引擎登记处理的一个实施例的流程图。

图6是根据本发明的生物测量匹配引擎模板高速缓存的一个实施例的流程图。

图7是根据本发明的生物测量匹配引擎搜索处理的一个实施例的流程图。

图8是根据本发明的路由器登记处理的一个实施例的流程图。

图9是根据本发明的路由器搜索处理的一个实施例的流程图。

图10示出了根据本发明的搜索修剪表的一个实施例。

图11是根据本发明的搜索修剪表的一个实施例的流程图。

图12A和图12B包含了根据本发明的统计正规化的一个实施例的流程图。

图13是匹配和不匹配得分的分布的曲线图。

图14是根据本发明的统计正规化改进的一个实施例的流程图。

较佳实施例的描述

现参考各附图，并首先参考图1，根据本发明的系统的一个实施例一般地由标号11指示。系统11包括多个生物测量客户机13。生物测量客户机13包含其上安装有合适操作系统以及优选地由客户机软件开发工具包(SDK)实现的生物测量软件的计算机。

生物测量客户机13经由诸如互联网协议(IP)网络17之类的合适网络与路由器15通信。路由器15包含其上安装有合适操作系统以及根据本发明编程的生物测量软件的计算机。路由器具有与其相关联的存储19用以存储人口统计学数据。

路由器15经由诸如IP网络23之类的合适网络与多个生物测量匹配引擎21通信。每个生物测量匹配引擎21都包括其上安装有合适操作系统以及根据本发明的生物测量软件的计算机。如以下将详述的，生物测量匹配引擎21适用于处理多模生物测量数据。每个生物测量匹配引擎21都具有与其相关联的优选在物理存储器内实现的高速缓存25。

现参见图2，示出的是根据本发明的生物测量匹配引擎21的一个实施例的框图。生物测量匹配引擎21与路由器15(图15)通信并将各模板移入和移出高速缓存25。生物测量匹配引擎21在登记时将各生物测量图像转换成模板并创建取样模板以便在搜索时与所存储的数据相比较。

在图2的示例中，生物测量匹配引擎21包括脸部辨别SDK 27、虹膜辨别SDK31和指纹辨别SDK 35。SDK 27、31和35通常是由第三方提供的专有应用程序。例如，脸部辨别SDK 27可以是由诸如COGNITEC^TM等厂商提供的专有脸部辨别应用程序。脸部辨别SDK适用于比较脸部生物模板并返回一表示各模板的类似程度的得分。类似地，虹膜辨别SDK 31可以是由诸如IRIDIAN^TM等厂商提供的专有虹膜辨别应用程序。虹膜辨别SDK适用于比较虹膜生物模板并返回一表示各模板的类似程度的得分。指纹辨别SDK 35可以是由诸如IDENTIX^TM等厂商提供的专有指纹辨别应用程序。

本领域普通技术人员应该认识到，生物测量匹配引擎可以包括一个或多个单独的生物测量算法或SDK的任何组合。这些SDK包括可以从几个已知厂处获得的所有2D脸部、3D脸部、手部几何形状、单指指纹、十指现场扫描、虹膜、手掌、全手、签名、耳部、手指静脉、视网膜、DNA、牙齿记录、嗓音或者任何其他生物测量。

每一SDK 27、31和35被包装在一插件内。脸部辨别SDK 27被包装在脸部插件29内。虹膜辨别SDK 31被包装在虹膜插件33内。指纹辨别SDK 35则被包装在指纹插件37内。每一插件29、33和37都是附连至一公共接口的模块，该公共接口允许生物测量匹配引擎21与SDK 27就包装了哪一插件进行通信。因为插件具有一公共接口，所以该插件以极少的设置步骤并且在生物测量匹配引擎21无需知晓包装了哪一个第三方SDK的情况下被“插入”到系统中。

脸部插件29和虹膜插件33可以被称为“常规”插件。常规插件是生物测量匹配引擎21及其相关联的SDK之间的接口。常规插件能够让生物测量匹配引擎21将取样和已登记模板提供给其相关联的SDK用以比较和评分。常规插件还能让生物测量匹配引擎21接收来自其相关联的SDK的得分以便发送给路由器15(图1)  。

指纹辨别SDK 35和指纹插件37的组合与上述脸部和虹膜辨别应用程序有某些程度的不同。历史上，指纹搜索针对的是对用于处理指纹的登记、存储和搜索的自动指纹识别系统(AFIS)系统的行为进行仿真。大多数指纹匹配算法和SDK不提供简单地将一个模板与另一模板进行比较并生成得分的方法。相反，它们提供其自带的必须登记各指纹的特殊“数据库”。为了做出比较，系统传入一取样图像，并且SDK生成一得分。因此，指纹插件37型的插件被称为“通过(pass-through)插件。生物测量匹配引擎21让各指纹模板通过指纹插件用以在指纹辨别SDK的数据库中登记，而不是将其存储在高速缓存25内。

如图2所示，单个生物测量匹配引擎上可以使用多个插件，所以任何单个生物测量匹配引擎都可以负责存储任何数目的不同模板类型。当然，根据本发明，生物测量匹配引擎可以包含不同数目和组合的SDK和插件。

现参考图3，示出了生物测量客户机13的一个示例的高级框图。生物测量客户机13被实现为一个具有合适操作系统以及各种应用程序的计算机。生物测量客户机13包括市场上可买到的生物测量输入和捕捉设备，诸如用于捕捉脸部图像的数码照相机41、指纹扫描仪43和虹膜图像捕捉设备45。捕捉设备一般可以包括2D脸部、3D脸部、手部几何形状、单指指纹、十指现场扫描、虹膜、手掌、全手、签名、耳部、手指静脉、视网膜和嗓音捕捉设备。生物测量客户机13包括用于收集并格式化由捕捉设备捕捉的生物测量数据以便发送到路由器15(图1)并呈现返回自路由器15的信息的客户机SDK 47。生物测量客户机可以包括显示器49和用户输入设备51，诸如小键盘、键盘、鼠标等等。生物测量客户机13还可以包括诸如自动门锁等访问控制设备。

如图4所示，生物测量匹配引擎21可以被组织成组。一个生物测量匹配引擎组包含一个或多个具有相同生物测量能力的一个或多个生物测量匹配引擎。在图4中，第一生物测量匹配引擎组55包含生物测量匹配引擎21a至21d，其中的每个生物测量匹配引擎都适用于处理脸部和指纹生物测量数据。第二生物测量匹配引擎组57包含生物测量匹配引擎21e至21h，其中的每个生物测量匹配引擎都适用于处理虹膜生物测量数据。一个生物测量匹配引擎组可以包含满足系统要求所需数量的生物测量匹配引擎。系统可通过添加或移除生物测量匹配引擎而被扩大或缩小。单个生物测量匹配引擎可以在多个组内。例如，带有脸部、指纹和虹膜能力的生物测量匹配引擎可以同时是两个组55和57的成员。

路由器15可以在速度或并发性方面配置各组以优化性能。路由器15能够针对条带化或镜像操作而配置组。在条带化操作中，各模板以条带化或分布式的方式高速缓存在该组的各生物测量匹配引擎内。每个生物测量匹配引擎仅高速缓存该组的部分模板。路由器15基于将每个生物测量匹配引擎高速缓存的模板数目维持在大致相等的负载平衡方案而将各模板分配给生物测量匹配引擎。在图4的示例中，组55的每个生物测量匹配引擎21a至21d在条带化配置中高速缓存占总数25％的模板。在执行搜索时，每个生物测量匹配引擎21a至21d都执行其搜索例程。于是，该搜索将在单个生物测量匹配引擎对所有模板执行其搜索例程所花费时间的25％内完成。然而在条带化配置中，组一次仅进行一搜索。这样，在有多个并发的搜索请求时，路由器15必须排队各搜索。

在镜像配置中，各模板被镜像到整个查询组。组55的每个生物测量匹配引擎21a至21d都高速缓存分配给该组的每个模板。在镜像配置中，路由器15指示单个生物测量匹配引擎21执行一搜索。这样，在图4的示例中，在镜像配置下可以并发地执行多达四次搜索而无需排队各搜索请求。然而，每次搜索将花费条带化配置下的搜索的四倍的时间来完成。通过比例缩放一组内的生物测量匹配引擎数目并对该组进行配置就能够解决速度和并发性的问题。

现参考图5、6和8来示出根据本发明的模板登记。图5和6示出了从生物测量匹配引擎的观点看来的登记。图8示出了从路由器的观点看来的登记。从生物测量匹配引擎的观点来看，登记包含两个独立的过程。参见图5，在框61处，生物测量匹配引擎接收来自路由器的生物测量图像。生物测量图像可以是路由器能够处理的任何类型。生物测量图像可以是脸部数码照片、指纹扫描、虹膜扫描、嗓音的波形文件或任何其他生物测量图像。在框62处，生物测量匹配引擎从该生物测量图像中创建生物测量模板。随后在框65处，生物测量匹配引擎将生物测量模板返回给路由器并且该过程结束。

从生物测量匹配引擎观点来看的登记的其他部分是模板高速缓存，其一个示例在图6中示出。在框67处，生物测量匹配引擎接收来自路由器的模板。执行图6过程的生物测量匹配引擎可以与执行图5中创建模板的过程的生物测量匹配引擎相同或不同。在判定框68处，生物测量匹配引擎测试模板是否是通过型。如上所述，指纹辨别SDK通常在专有数据库内维护其自身的模板高速缓存。因此，生物测量匹配引擎一般让模板通过指纹SDK以供SDK高速缓存。如果模板适于通过该SDK，则如框69所示，生物测量匹配引擎将让模板从通过插件中通过用以在由SDK维护的数据库内高速缓存。如果该模板不适于通过，则在框70处，生物测量匹配引擎高速缓存该模板并且该过程结束。

在一个较佳实施例中，生物测量匹配引擎将各模板高速缓存为一记录的一部分。该记录含有指定个体的记录ID以及关于该个体的所有生物测量模板。例如，一记录可以含有用于与该记录ID相关联的个体的脸部、指纹和虹膜模板。此外，该记录还可以含有一模板类型的多个实例。例如，在登记时，系统可以捕捉每一生物测量图像类型的多个实例。

现参见图8，示出了从路由器观点看来的登记过程。在框71处，路由器接收来自客户机的人口统计学和生物测量数据。人口统计学数据可以包括个体的姓名、性别、身高、体重、头发颜色、眼睛颜色等等。在框73处，路由器在人口统计学数据库19(图1)内存储人口统计学数据。在框75处，路由器将包括一幅或多幅生物测量图像的生物测量数据发送给生物测量匹配引擎。查询图像返回一个或多个模板需要一段隐含的等待时间。如框77所示，当路由器接收来自生物测量匹配引擎的一个或多个模板时，生物测量匹配引擎在判定框79处检查该组是被配置为用于条带化还是镜像操作。如果该配置不是镜像的(即是条带化的)，则路由器就在框81处基于负载平衡方案将这一个或多个模板发送给该组的一个生物测量匹配引擎。如果在判定框79处确定该配置是镜像的，则路由器就在框83处将这一个或多个生物测量模板发送给该组内的每个生物测量匹配引擎。随后，路由器在框85处向客户机报告OK并且登记处理结束。

现参考图7和图9，其中示出了搜索处理。图7示出了从生物测量匹配引擎观点来看的搜索。图9示出了从生物测量匹配引擎观点来看的搜索。如图7所示，生物测量匹配引擎在框91处接收来自路由器的一幅或多幅目标生物测量图像。在框93处，生物测量匹配引擎为接收到的每幅目标图像创建取样模板。随后，生物测量匹配引擎在框95处将这一个或多个取样模板与其高速缓存内的每一模板进行比较。可以回想，适当的插件使该取样和来自高速缓存的模板通过到达适当的SDK生物测量应用程序。如下将详述的，该生物测量匹配引擎可以如框99大致指示的那样正规化由生物测量应用程序提供的得分。该生物测量匹配引擎随后在框99处将这些通常高于某一阈值的得分返回给路由器并且该过程结束。

现参考图9，路由器在框101处接收来自客户机的目标生物测量数据。路由器在判定框103处确定该适当的组是被配置为用于条带化还是镜像操作。如果该配置不是镜像的，则该生物测量匹配引擎在框105处将目标生物测量数据发送给该组内的每个生物测量匹配引擎。当路由器在框107处接收到来自该组内所有生物测量匹配引擎的结果时，该路由器在框109处将结果发送给客户机并且该过程结束。如果在判定框103处确定配置是镜像的，则路由器在框111处将生物测量数据发送给该组内的一个可用的生物测量匹配引擎。当路由器在框113处接收来自路由器的结果时，该路由器在框109处将结果发送给客户机并且该过程结束。

由专利生物测量算法产生的得分本身是专有的而不是标准化的。从一种生物测量算法中得出的得分范围可以在0至10,000之间，而从另一生物测量算法中得出的得分范围可以在50至100之间。虽然在单模式操作中的得分在有了基础知识的情况下它们能被用于确定一得分是否表示一匹配的意义上是有意义的，但是它们在某种程度上仍具有任意性。为了组合各得分并产生根据本发明的有意义的多模结果，提供了用于正规化或组合各得分的过程。

一种简单的正规化得分的方法是借助加权平均值系统。在这一系统下，每个单独的移动得分(mobile score)都与一加权因子相乘，从而让各得分位于同一范围内。随后可以对加权得分求平均值以获得合成得分。加权平均由于专有记分算法中的各种非线性度和变量的存在而无法完全令人满意。

一种组合得分的方法是参考图10和图11所示的搜索修剪。在图10中，示出了一指定搜索顺序以及用于处理来自根据本发明的多模搜索的结果的各个阈值的表格。搜索顺序在列111中指定。搜索顺序111指定了要修剪搜索结果的顺序。在列113中列出了算法。生物测量在列115中列出。于是，参考图10，要被处理的第一得分是IDENTIX^TM右手拇指算法。对每一生物测量都存在列117中所指示的修剪阈值以及列119中所指示的最终阈值。修剪和最终阈值是参考并了解每种特定专有算法的评分系统来设置的。阈值可被调节以免产生过多或过少的最终候选。

现参考图11，示出了根据本发明的搜索修剪的一个示例的流程图。在框121处初始化一匹配集合。该匹配集合最初是高速缓存内的所有记录ID。在框123处，系统根据搜索表对取样模板排序。例如，如果生物测量是虹膜、脸部和左手拇指，则系统就如图10所示，首先执行左手拇指的搜索，随后是脸部，再是虹膜。系统随后如框125所示地设N等于取样模板数并设索引i等于1。随后，系统在判定框127处测试i是否等于N。如果不等于，则如框129所示，系统将取样模板i与匹配集合中的第一个或下一个模板进行比较。随后，系统在判定框131处确定由上述比较所返回的得分是否小于修剪阈值。如果小于，则系统在框133处从匹配集合中移除该记录。另一方面，如果得分大于修剪阈值，则该记录ID就留在匹配集合中。随后，系统在判定框135处确定匹配集合内是否存在更多的模板。如果存在，则该过程返回到框129以将模板i与匹配集合内的下一个模板相比较。处理继续从框129至133的循环直到在判定框135处确定匹配集合内没有更多的模板。随后，系统在框137处设置i等于i加一并且处理返回到判定框127。如果在判定框127处确定变量i不等于N，则该处理在129处重新开始。然而，如果在判定框127处确定i等于N，则如框139所示，系统将取样模板i与匹配集合中的第一个或下一个模板进行比较。随后，系统在判定框141处确定得分是否小于从图10的表中所确定的最终阈值。如果小于，则在框143处系统从匹配集合中移除该记录。如果得分不小于最终阈值，则该记录ID就留在匹配集合中。随后，系统在判定框145处测试匹配集合内是否存在更多的模板。如果存在，则处理返回到框139。如果不存在，则在框137处系统将该匹配集合返回给路由器并且处理结束。返回给路由器的匹配集合是一组已经通过每一阈值的记录ID的集合。

现参考图12A和12B，示出了一个用于正规化从单独的专有生物测量应用程序中返回的得分的过程。系统在框151处通过设置索引i、j、k和1等于1并设置N等于生物测量匹配引擎组内登记的个体数而被初始化。索引i和k分别表示记录ID数。于是，索引i和k表示系统内登记的独特个体。索引j和1表示为一个体登记的模板实例。于是，模板ij表示与第i个个体相关联地存储的第j个模板。根据本发明，为每个个体登记每一类型的多个模板。

在框153处，系统设置P等于为第i个个体登记的模板数。系统随后在框155处设置N等于为个体k登记的模板数。随后在判定框157处，系统测试索引i是否等于索引k。于是，系统在判定框157处确定受测试的模板是否属于单个个体。如果属于，则系统在判定框159处测试索引j是否等于索引1。如果等于，则如框161所示索引1加一。随后如框163处所示，系统将模板ij与模板k1进行比较。于是，在框163处，一个体的第一模板与该同一个体的第二模板相比较。在框165处，系统将从框163处的比较产生的得分放入匹配类别。匹配类别包含通过将一个体的一模板与同一个体的另一模板相匹配而产生的得分。于是，该匹配类别包含已知用以表示匹配的得分。在框165处将得分放入匹配类别之后，系统如框167所示将1加一并且在判定框169处测试1是否大于M。如果不大于，则处理返回到判定框159。

返回到判定框157，如果索引i不等于索引k，即指示个体i与个体k不是同一个人，则系统在框171处比较模板ij和模板k1。在框173处，系统将来自框171处的比较的得分放入不匹配类别。该不匹配类别包含已知用以表示不匹配的得分。随后，系统在框175处将1加一并且在判定框177处测试索引1是否大于M。如果不大于，则处理返回到框171。处理继续，直到在判定框169或判定框177处确定索引1大于M。随后，在框179处，系统设置索引k等于k加一且索引1等于一。系统随后在判定框181处测试索引k是否大于N。如果不大于，则处理返回到图12A的框155。如果在判定框181处确定索引k大于N，则系统在判定框183处设置索引j等于j加一，k等于一且1等于一。随后，系统在判定框185处测试索引j是否大于P。如果不大于，则系统返回到图12A的框155。如果如判定框185处所确定的索引j大于P，则系统随后如框187所示设置索引i等于i加一，j等于一，k等于一且1等于一，并且随后在判定框189处测试索引i是否等于N。如果不等于，则处理返回到图12A的框153。

处理继续进行上述各循环，直到对每个个体登记的每一模板都已经与该系统内的每个其他模板进行了比较。在上述有关图12A和图12B的处理完成时，匹配类别包含所有已知为匹配的得分。不匹配类别包含所有已知为不匹配的得分。在收集了匹配或不匹配类别中的所有得分之后，系统如框191处所示执行匹配类别的统计分析，并如框193处所示执行不匹配类别的统计分析。

现参见图13，示出了不匹配和匹配类别内的得分的分布的曲线图。不匹配类别内的得分分布由标号201指示。匹配类别内的得分分布由标号203指示。在图13中，对任意分值的范围绘制各得分的数目。各得分的数目在0至9,000之间，而任意得分在0至100之间。该分布的统计分析对本领域普通技术人员而言是已知的。然而通过观察图13，可以发现匹配得分大致位于85至95的范围内。不匹配得分则大致位于10至约80的范围内。于是，约85的得分指示较高的匹配概率和极低的不匹配概率。另一方面，70分则指示极低的匹配概率。这样，本发明的方法提供了一种用于将任意数字得分转换成相对精确的匹配和不匹配概率的方法。从不同生物测量获得的概率可以按已知的方式组合以产生基于多个生物测量的匹配或不匹配概率。

现参考图14，示出了用于改善根据本发明的方法的精确性的动态系统的流程图。生物测量匹配引擎在框211处接收来自路由器的目标生物测量图像。在框213处，生物测量匹配引擎按上述方式创建取样模板。随后，生物测量匹配引擎在框215处将这一模板与高速缓存的各模板进行比较。最后，该生物测量匹配引擎如上所述在框219处将一得分返回给路由器。随后，该生物测量匹配引擎在判定框219处测试该得分是否高于一特定取样阈值。如果不是，则处理结束。然而，如果该得分高于该取样阈值，则系统如框221所示调用取样模板模板xy。随后，系统在框233处设置索引k等于一、索引1等于一并设置N等于个体数。随后，系统在框225处设置M等于为个体k登记的模板数。系统随后在判定框227处测试k是否等于x，这指示该取样模板和模板k属于同一个体。如果是，则系统在框229处将模板xy与模板k1进行比较，并在框231处将得分放入匹配类别。随后，系统在框233处将索引1加一并且在判定框235处测试1是否大于M。如果不大于，则处理返回到判定框229。

如果在判定框227处确定索引k不等于索引x，则该系统随后在框237处将模板xy与模板k1进行比较，并在框239处将得分放入不匹配类别。随后，系统在框241处将索引1递增为1加一并且在判定框243处测试1是否大于M。如果不大于，则处理返回到框237。处理继续，直到在判定框235或判定框243处确定索引1大于M。随后系统如框245所示将索引k递增为k加一并且设置1等于一。系统随后在判定框247处测试k是否大于N。如果不大于，则处理返回到框225。处理继续，直到在判定框247处确定索引k大于N，这指示该取样模板已对照高速缓存在该系统内的所有模板进行了测试。随后，系统在框249处执行匹配类别的统计分析并在框251处执行不匹配类别的统计分析。

从前述可知本发明克服了现有技术的缺点。该系统可以完整并安全地管理关于任何给定个体的的个人信息和图像。该系统能够有效地管理分类生物测量模板的分配和搜索，从而能够取决于所述应用的大小和要求来优化吞吐量、并发性或这两者。该系统通过能够容易地添加或切换生物测量插件的基于插件的体系结构来提供其优点。该系统通过由经简单的TCP/IP网络互连的路由器和至少一个查询组成的分布式体系结构来操作。系统操作由同样经TCP/IP连接而与路由器相连接的客户机SDK控制。命令是在此连接上开展的数据传输，以使得生物测量功能达到该网络基础结构允许的极限范围。

在一个实施例中，一种用于多模生物测量分析的方法允许以有意义的方式聚集来自两个或更多生物测量读取器的测得生物测量读数。每个生物测量读取器都获取测得生物测量读数并产生一指示匹配概率的百分比得分。阈值在常规上是对该生物测量读取器设置的，以使得在该数字之上的得分指示匹配(即，可信用户)而该数字之下的得分则指示不匹配(即，用户不可信)。例如，指纹扫描仪可以将测得生物测量读数与所存储的指示对特定扫描的80％得分的生物测量读数相比较。如果阈值是81％，则该读取器指示该人不匹配。如果阈值是79％，则可得出为真的相反结论。

在此实施例中，统计分布可以基于测试人口的过去读数，或者可以动态地使用新读数来更新统计分布。接收器操作特征(ROC)曲线在累积了更多读数时可以被动态更新。对生物测量读取器而言，环境、人口、用户经历水平都会改变从而ROC曲线也会改变。本发明的一个实施例收集了一特定生物测量读取器和特定生物测量匹配算法的所有得分以形成一统计分布。对于一特定生物测量匹配算法而言，该统计分布可用于单个生物测量读取器、相同生物测量读取器的一个子集或所有相同的生物测量读取器。所使用的读数可以按照地理、位置、组织或其他人口统计学来挑选，以控制在该统计分布中所使用的人口。

某些实施例控制什么读数是统计分布分析的一部分。在各实施例中还可以选择统计分布的周期。另外，还可以对在统计分布中使用的读数数目设上限，例如仅使用最近的5,000个读数。另一实施例还可以对各读数加权以使得较新的读数要优于较老的读数。这些方法的组合还可以适当地强调最佳读数。

使用此实施例中的统计分布，可以确定根据该分布正规化的新得分。例如，对于一特定扫描的80％的得分可以基于该统计分布被正规化为正规化的89％得分。来自两个或更多生物测量客户机的每一得分在平均每一正规化得分之前被正规化以获取合成生物测量得分。将一合成阈值与该合成生物测量得分相比较以确定是否存在匹配。例如，来自指纹读取器的第一正规化得分可能是89％而来自脸部扫描仪的第二正规化得分可能是67％。而将两得分求平均所得的合成生物测量得分则是78％。如果合成阈值是70％，则确定是匹配。

代替简单的平均，还可以根据特定生物测量读取器和生物测量匹配算法的精确性来对平均值加权。例如，如果指纹读取器更精确，则其正规化得分的权重可以比来自脸部扫描仪的正规化得分权重要大。

还存在使用其他算法来校正分布内的各种变化的其他实施例。例如，用于每个特定生物测量读取器和生物测量匹配算法的阈值可能会受到统计分布的影响。可以为每一生物测量读数独立地平均各得分和阈值。平均得分可以与平均阈值进行比较以确定是否存在匹配。某些实施例可以根据每一特定生物测量读取器和生物测量匹配算法的精确性来对各得分和阈值的平均值加权。

本领域普通技术人员将在给出在前描述的可选实施例的情况下认识到替换实施例。因此，以上描述仅出于说明而非限制目的。某些特征可以独立或结合其他特征使用，所有这些对本领域普通技术人员而言都是显而易见的。

Claims (39)

1.一种生物测量系统，包含：

生物测量客户机，所述生物测量客户机包括用于捕捉多种模式下的生物测量图像的装置；

与所述生物测量客户机通信的路由器，用以接收来自所述生物测量客户机的生物测量图像；以及

与所述路由器通信的生物测量匹配引擎，用以接收来自所述路由器的生物测量图像，所述生物测量匹配引擎包括用于处理多种模式下的生物测量图像的装置。

2.如权利要求1所述的生物测量系统，其特征在于，所述生物测量匹配引擎包括：

用于从接收自所述路由器的生物测量图像中创建生物测量模板的装置。

3.如权利要求2所述的生物测量系统，其特征在于，所述生物测量匹配引擎包括：

用于向所述路由器发送生物测量模板的装置。

4.如权利要求1所述的生物测量系统，其特征在于，所述生物测量匹配引擎包括：

用于高速缓存接收自所述路由器的生物测量模板的装置。

5.如权利要求1所述的生物测量系统，其特征在于，所述生物测量匹配引擎包括用于在物理存储器中高速缓存生物测量模板的装置。

6.如权利要求1所述的生物测量系统，其特征在于，所述生物测量匹配引擎包括将所高速缓存的生物测量模板与取样模板相比较的装置。

7.如权利要求1所述的生物测量系统，其特征在于，所述生物测量匹配引擎包括用于正规化从所高速缓存的模板与各取样模板的比较中所得的得分的装置。

8.如权利要求1所述的生物测量系统，其特征在于，所述生物测量匹配引擎包括用于向所述路由器发送从各取样模板与所高速缓存的模板的比较中所得的得分的装置。

9.如权利要求8所述的生物测量系统，其特征在于，所述路由器包括用于向所述生物测量客户机发送接收自所述生物测量匹配引擎的得分的装置。

10.如权利要求1所述的生物测量系统，其特征在于，所述生物测量匹配引擎包括：

第一生物测量处理器，用于比较第一类型的生物测量模板并返回基于所述第一类型的生物测量模板的比较的得分；

耦合至所述第一生物测量处理器的第一生物测量插件；

第二生物测量处理器，用于比较第二类型的生物测量模板并返回基于所述第二类型的生物测量模板的比较的得分；以及

耦合至所述第二生物测量处理器的第二生物测量插件。

11.一种生物测量系统，包含：

多个生物测量客户机，所述生物测量客户机中的每个客户机都包括用于捕捉多种类型的生物测量图像的装置；

与所述生物测量客户机通信的路由器，用以接收来自所述生物测量客户机的生物测量图像；以及

与所述路由器通信的多个生物测量匹配引擎，用以接收来自所述路由器的生物测量图像，每个所述生物测量匹配引擎都包括用于处理多种类型的生物测量图像的装置。

12.如权利要求11所述的生物测量系统，其特征在于，所述生物测量匹配引擎包括：

第一组生物测量匹配引擎，所述第一组中的每个生物测量匹配引擎都包括用于处理第一生物测量图像类型集合的装置；以及

第二组生物测量匹配引擎，所述第二组中的每个生物测量匹配引擎都包括用于处理第二生物测量图像类型集合的装置。

13.如权利要求12所述的生物测量系统，其特征在于，所述路由器包括：

用于向所述第一组中的一个生物测量匹配引擎发送所述第一生物测量图像类型之一的生物测量图像的装置。

14.如权利要求13所述的生物测量系统，其特征在于，所述第一组中的每个生物测量匹配引擎都包括：

用于从所述第一图像类型集合的生物测量图像中创建生物测量模板的装置。

15.如权利要求14所述的生物测量系统，其特征在于，所述第一组中的每个生物测量匹配引擎都包括：

用于向所述路由器发送从所述第一图像类型集合的图像中创建的生物测量模板的装置。

16.如权利要求15所述的生物测量系统，其特征在于，所述路由器包括：

用于向每个生物测量匹配引擎发送从所述第一图像类型集合的图像中创建的生物测量模板的装置。

17.如权利要求16所述的生物测量系统，其特征在于，所述第一组中的每个生物测量匹配引擎都包括：

用于高速缓存从所述路由器接收的生物测量模板的装置。

18.如权利要求16所述的生物测量系统，其特征在于，所述第一组中的每个生物测量匹配引擎都包括用于在物理存储器中高速缓存生物测量模板的装置。

19.如权利要求17所述的生物测量系统，其特征在于，所述第一组中的每个生物测量匹配引擎都包括：

用于将所高速缓存的模板与取样模板进行比较的装置。

20.如权利要求15所述的生物测量系统，其特征在于，所述路由器包括：

用于向所述第一组的所述生物测量匹配引擎中选中的一个发送从所述第一类型的生物测量图像中创建的生物测量模板的装置。

21.如权利要求11所述的生物测量系统，其特征在于，所述路由器可被配置为在镜像模式下操作，其中生物测量模板被发送给所述第一组中的每个生物测量匹配引擎用以高速缓存。

22.如权利要求21所述的生物测量系统，其特征在于，所述路由器被配置为在所述镜像模式下操作以向所述第一组的所述生物测量匹配引擎中选中的一个发送所述第一类型的目标生物测量图像。

23.如权利要求11所述的生物测量系统，其特征在于，所述路由器可被配置为在条带化模式下操作，其中生物测量模板被发送给所述第一组的所述生物测量匹配引擎中选中的一个用以高速缓存。

24.如权利要求23所述的生物测量系统，其特征在于，所述路由器被配置为在所述条带化模式下操作以向所述第一组中的每个所述生物测量匹配引擎发送所述第一类型的目标生物测量图像。

25.一种生物测量匹配引擎，包括：

用于创建第一类型的生物测量模板的装置；

用于高速缓存所述第一类型的生物测量模板的装置；

用于向第一生物测量处理器提供取样模板和高速缓存的所述第一类型的模板的插件装置；以及

用于向路由器发送得分的装置。

26.如权利要求25所述的生物测量匹配引擎，其特征在于，包括正规化从所述第一生物测量处理器中返回的得分的装置。

27.一种处理多模生物测量数据的方法，包括：

在路由器处接收多模生物测量登记数据，所述多模生物测量登记数据包含第一类型的生物测量图像和第二类型的生物测量图像；

将所述第一类型的所述生物测量图像和所述第二类型的所述生物测量图像发送给一组多模生物测量匹配引擎中的一个；

从所述第一类型的所述生物测量图像中创建第一生物测量模板并从所述第二类型的所述生物测量图像中创建第二生物测量模板；以及

将所述第一和第二生物测量模板发送给所述路由器。

28.如权利要求27所述的方法，其特征在于，包括：

在所述组的多模生物测量匹配引擎上条带化生物测量模板。

29.如权利要求28所述的方法，其特征在于，所述条带化包含：

在所述组的单个生物测量匹配引擎中高速缓存一生物测量模板。

30.如权利要求28所述的方法，其特征在于，包括：

将所述第一类型的目标图像和所述第二类型的目标图像发送给所述组的每个生物测量匹配引擎用以处理。

31.如权利要求27所述的方法，其特征在于，包括：

在所述组的多模生物测量匹配引擎上镜像化生物测量模板。

32.如权利要求31所述的方法，其特征在于，所述镜像化包括：

在所述组的每个生物测量匹配引擎中高速缓存每个生物测量模板。

33.如权利要求31所述的方法，其特征在于，包括：

将所述第一类型的目标图像和所述第二类型的目标图像发送给所述组中一选中的生物测量匹配引擎用以处理。

34.一种在多模生物测量系统中产生得分的方法，包含：

形成一组已登记生物测量数据记录，每个生物测量数据记录都包括记录标识符、第一类型的已登记生物测量模板以及第二类型的已登记生物测量模板；

将所述第一类型的取样生物测量模板与所述第一类型的已登记生物测量模板进行比较以产生一组第一得分；

在一匹配集合中保存其中所述数据记录的第一得分大于第一生物测量阈值的生物测量数据记录；

在所述匹配集合内将所述第二类型的取样生物测量模板与所述第二类型的生物测量模板进行比较以产生一组第二得分；以及

保存其中所述数据记录的第二得分大于第二生物测量阈值的生物测量数据记录。

35.一种正规化生物测量得分的方法，包含：

通过在生物测量数据库内为每个个体存储一种类型的多个生物测量模板而在所述生物测量数据库内登记多个个体；

将所述数据库内的每个生物测量模板与所述数据库的每个其他生物测量模板进行比较以获得生物测量得分；

如果生物测量得分是通过将一个体的一个生物测量模板与该同一个体的另一生物测量模板相比较而获得的，则将所述得分放入匹配类别；以及

分析所述匹配类别内的得分以确定一特定得分是匹配得分的概率。

36.如权利要求35所述的方法，其特征在于，包括：

如果生物测量得分是通过将一个体的一个生物测量模板与一不同个体的一生物测量模板相比较而获得的，则将所述得分放入不匹配类别；以及

分析所述不匹配类别内的得分以确定一特定得分不是匹配得分的概率。

37.一种使用来自多个生物测量读取器的读数的生物测量系统，包含：

第一生物测量读取器，它生成指示第一测得的生物测量读数与第一存储的生物测量读数匹配的可能性的第一值，其中：

收集多个第一值，

所述第一值表示一用户的第一生物测量读数，以及

第一阈值与所述第一生物测量读取器相关联；

第二生物测量读取器，它生成指示第二测得的生物测量读数与第二存储的生物测量读数匹配的可能性的第二值，其中：

收集多个第二值，

所述第二值表示所述用户的第二生物测量读数，以及

第一阈值与所述第一生物测量读取器相关联；

以及一处理器，用于：

根据所述多个第一值来正规化所述第一值或所述第一阈值中的至少一个，

根据所述多个第二值来正规化所述第二值或所述第二阈值中的至少一个，

使用所述正规化的值来确定所述第一值和所述第二值是否指示所述客户是可信的。

38.如权利要求37所述的生物测量系统，其特征在于，所述生物测量系统在随时间收集所述多个第一值时进行重新校正。

39.一种随时间提高生物测量系统的精确性的方法，所述方法包含：

随时间收集来自生物测量读取器的读数；以及

根据所述读数更新一生物测量算法，由此从中收集所述读数的人口改善所述生物测量算法。

Images