DE10009538A1 - Verfahren zur Analyse von Fingerabdruckbildern - Google Patents

Abstract

Das Fingerabdruckbild wird gleichzeitig zur Lebenderkennung verwendet, indem Histogramme und Summenhistogramme der Anzahlen der Vorkommnisse verschiedener Grauwerte der Bildpunkte bestimmt werden und für die Klasse der Bilder lebender Finger charakteristische Parameter extrahiert werden, insbesondere die durch ein zu analysierendes Fingerabdruckbild definierbare spezielle Summe der Häufigkeiten gleicher Anzahlen in den Summenhistogrammen zu mehreren vorgegebenen Fingerabdruckbildern dieser Klasse als Kenngröße zum Vergleich mit der entsprechenden Summe eines zuvor erzeugten Musters bestimmt wird.

Description

Biometrische Verfahren für die Personenerkennung können in automatisierten Systemen implementiert werden, so dass sie auf allein elektronischem Weg durchgeführt werden können. Solche Systeme verarbeiten die Eingabedaten, die die biome­ trischen Merkmale enthalten, und extrahieren charakteristi­ sche Merkmale, die anschließend einer Person zugeordnet wer­ den können. Für eine zuverlässige Personenidentifizierung ist jedoch sicherzustellen, dass zwischen dem biometrisch erfass­ ten Subjekt und der Bildaufnahmeeinheit keine Manipulation möglich ist.

Im Beispiel der Erkennung von Fingerabdrücken durch ein auto­ matisches System, das über einen Fingerabdrucksensor verfügt, ist es erforderlich, Mittel bereitzustellen, die garantieren, dass nur Bilder, die von echten, lebenden Fingern erzeugt werden, als Grundlage der Personenidentifikation herangezogen werden. Für eine solche Lebenderkennung sind bereits eine Reihe von Vorschlägen gemacht worden, die in der Regel zu­ sätzlich zu dem Fingerabdruckbild weitere Informationen über den Probanden erfordern. Es kann z. B. die Körpertemperatur, der Auflagedruck des Fingers auf dem Sensor, der elektrische Widerstand der Hautoberfläche oder der pulsierende Blutstrom unter der Hautoberfläche herangezogen werden, um festzustel­ len, dass ein lebendes Glied aufgelegt wurde. Derartige Me­ thoden zur Lebenderkennung machen zusätzliche Sensoren erfor­ derlich. Diese Sensoren müssen ebenfalls mit dem Körper der zu identifizierenden Person in Verbindung gebracht werden, was in der Regel durch das Auflegen der Fingerbeere auf die Sensorfläche geschieht. Daher sind besonders kleine Sensoren erforderlich, die in das Raster der Sensorelemente des Fin­ gerabdrucksensors noch zusätzlich integriert werden können. Das bringt aber technische Schwierigkeiten bei der Herstellung mit sich, abgesehen davon, dass ein Teil der Sensorflä­ che für die Erfassung des Fingerabdruckbildes verloren geht.

Aufgabe der vorliegenden Erfindung ist es, ein Verfahren zur Lebenderkennung bei Fingerabdrucksensoren anzugeben, das be­ reits mit der durch den Fingerabdrucksensor gebildeten Vor­ richtung ausgeführt werden kann.

Diese Aufgabe wird mit dem Verfahren zur Analyse von Finger­ abdruckbildern mit den Merkmalen des Anspruches 1 gelöst. Ausgestaltungen ergeben sich aus den abhängigen Ansprüchen.

Das erfindungsgemäße Verfahren wertet Einzelbilder, die von dem Fingerabdrucksensor erfasst werden, statisch aus. D. h., dass keine Veränderungen aufeinander folgend erfasster Bilder festgestellt und verarbeitet werden müssen. Der große Vorteil dieses Verfahrens liegt darin, dass das erfasste und eigent­ lich interessierende Fingerabdruckbild ebenfalls zur Leben­ derkennung verwendet wird und keine sonstigen Mittel erfor­ derlich sind. Eine Voraussetzung für die Anwendung des Ver­ fahrens ist allerdings, dass das Fingerabdruckbild mit einer Abstufung in den Grauwerten der einzelnen Bildpunkte erfasst wird. Derartige Grauabstufungen ergeben sich dadurch, dass die Furchen der Hautoberfläche nicht gleichmäßig tief sind und dass der Übergang zwischen den Stegen und Furchen nicht abrupt erfolgt.

Erfindungsgemäß werden die Grauwerte der einzelnen Bildpunkte erfasst, deren Anzahl als Histogramm aufaddiert und eine Ana­ lyse des Histogrammes vorgenommen. Wie das im Einzelnen ge­ schieht, wird im Folgenden anhand der bevorzugten Ausfüh­ rungsbeispiele und der beigefügten Fig. 1 und 2 erläutert, von denen Fig. 1 ein Histogramm der Grauwerte und Fig. 2 eine Unterteilung eines typischen Fingerabdruckbildes in Blöcke darstellt.

In einem zu analysierenden Fingerabdruckbild wird die Häufig­ keitsverteilung der Grauwerte berechnet. Das Fingerabdruck­ bild besteht aus einer Vielzahl einzelner Bildpunkte, die je­ weils durch ein einzelnes Sensorelement erfasst werden. Jedem Bildpunkt kann ein Grauwert zugeordnet werden, indem z. B. ein Mittelwert des Grauanteiles des betroffenen Bildpunktes einem bestimmten Helligkeitsintervall einer diskreten Einteilung des gesamten Helligkeitsbereiches von Hell bis Dunkel zuge­ ordnet wird. Man erhält aufgrund einer solchen Einteilung in einander nicht überschneidende Intervalle durch diese Zuord­ nung eine endliche Anzahl von Graustufen, denen jeweils eine bestimmte endliche Anzahl von Bildpunkten zugeordnet ist. Ei­ ne derartige Zuordnung von jeweiligen Anzahlen der Vorkomm­ nisse verschiedener Ausprägungen einer bestimmten Eigenschaft ist aus der Statistik bekannt und wird grafisch als Histo­ gramm dargestellt. Üblicherweise werden auf der Abszisse ei­ nes Koordinatensystems die unterschiedlichen Ausprägungen der Eigenschaft aufgetragen und auf der Ordinate dieses Koordina­ tensystems die Anzahlen markiert. Das Histogramm stellt sich dann als ein Diagramm von Säulen oder vertikal ausgerichteten Balken über der Abszisse dar. In dem vorliegenden Fall ist die Eigenschaft die Helligkeit oder der Grauanteil eines Bildpunktes und die Ausprägung der jeweilige Grauwert.

Zusätzlich zu dem Histogramm lässt sich ein Summenhistogramm bilden, indem längs der Abszisse die in dem Diagramm ver­ zeichneten Anzahlen von der ersten (am weitesten links einge­ tragenen) Ausprägung der besagten Eigenschaft bis zu der je­ weiligen Ausprägung aufaddiert werden. Dieses Vorgehen ist äquivalent damit, dass die Einteilung des gesamten von den Grauwerten eingenommenen Helligkeitsbereiches in Intervalle so vorgenommen wird, dass diese Intervalle eine gemeinsame (zum Beispiel untere) Grenze besitzen. Wird bei einer sehr feinen Unterteilung der Ausprägungen das Histogramm durch ei­ ne stetige Kurve angenähert, lässt sich dieses Summenhisto­ gramm als uneigentliches Integral dieser Kurve auffassen. Im Fall der Grauwerte eines Fingerabdruckbildes stellt das Summenhistogramm über die Anzahlen der Grauwerte eine wesentli­ che Kennlinie dar, die für das erfindungsgemäße Verfahren grundlegend herangezogen wird.

Der Ansatz der statischen Analyse mittels des Summenhisto­ grammes besteht darin, Parameter aus den erfassten Summenhi­ stogrammen zu extrahieren (z. B. die Steigung und die Achsen­ abschnitte einer an die Kurve des Summenhistogrammes ange­ passten Geraden), die für ein Fingerabdruckbild charakteri­ stisch sind, das mit einem lebenden Finger erzeugt wurde. Im Prinzip besteht dieses Verfahren darin, die Grundgesamtheit aller erfassten Bilder in zwei Klassen einzuteilen, nämlich in die Klasse derjenigen Fingerabdruckbilder, die von einem lebenden Finger erzeugt wurden, und die Klasse aller übrigen Bilder.

Das erfindungsgemäße Verfahren kann in einem bevorzugten Aus­ führungsbeispiel in der nachfolgend beschriebenen Weise umge­ setzt werden. Es werden vorab Klassen von Bildern definiert, in die ein jeweils zu analysierendes Bild eingeordnet werden soll. Im einfachsten Fall umfasst eine erste Bildklasse die Bilder, die von einem aufgelegten lebenden Finger erzeugt wurden, und eine zweite Klasse alle sonstigen Bilder, insbe­ sondere diejenigen, die durch eine Fälschung erzeugt wurden. Es ist aber auch möglich, eine feinere Unterteilung zu wäh­ len, um z. B. über Bildklassen zu verfügen, die auf verschie­ dene Typen von Originalvorlagen eingeschränkt sind. Auf diese Weise lässt sich z. B. zusätzlich unterscheiden zwischen Fin­ gerabdruckbildern, die von einem Finger mit trockener oder mit feuchter Haut erzeugt wurden oder mit einem Finger mit typischen Oberflächenveränderungen, wie z. B. Narben, Abschür­ fungen oder dergleichen. Um die nachfolgenden Erläuterungen zu vereinfachen, wird von dem einfachen Beispiel einer Ein­ teilung in eine Klasse von Originalbildern und einer Klasse von Fälschungsbildern ausgegangen.

Die anfallenden verschiedenen Anzahlen in den Grauwertstufen entsprechend den bereits beschriebenen Einteilungen in Grau­ wertintervalle werden zu Summenhistogrammen verarbeitet. Die typischen Eigenschaften dieser Summenhistogramme, anhand de­ rer sie sich den Bildern einer jeweiligen Klasse zuordnen lassen, werden herausgearbeitet. Dazu werden typische Origi­ nalbilder bzw. Fälschungsbilder erzeugt, indem verschiedene Finger auf den Fingerabdrucksensor aufgelegt werden und die damit erzeugten Fingerabdruckbilder als Vorlagen für typische Originalbilder verwendet werden. Die Summenhistogramme für die Klasse der mit Fälschungen erzeugten Bilder werden ent­ sprechend dadurch produziert, dass gefälschte Finger auf den Fingerabdrucksensor aufgelegt werden und die Grauwerte der Bildpunkte ermittelt werden. Die Fälschungen können in einer als typisch angenommenen Weise hergestellt werden, und zwar in verschiedenen Exemplaren, die sich aufgrund der Herstel­ lung geringfügig voneinander unterscheiden, aber die für ihre Fälschungsklasse typischen Eigenschaften aufweisen. Mit die­ sem Vorgehen erhält man eine Reihe von Mustern von Summenhi­ stogrammen, die jeweils einer Originalbildklasse oder einer Fälschungsbildklasse angehören. Diese Muster (templates) die­ nen als Datenbank dazu, weitere Bilder damit zu vergleichen und diesen Klassen zuzuordnen.

Besonders geeignete Muster lassen sich aus den Summenhisto­ grammen vorzugsweise dadurch erzeugen, dass man die Summenhi­ stogramme je einer Bildklasse miteinander überlagert, als ob alle Kurven dieser Summenhistogramme in demselben Maßstab in dasselbe Koordinatensystem eingetragen würden. Es lässt sich so in jedem Punkt des Koordinatensystemes oder zumindest in jedem eng begrenzten Bereich des Koordinatensystems, der z. B. durch eine Unterteilung des Koordinatensystems entspre­ chend den Grauwertintervallen und geeignet bemessenen Häufig­ keitsintervallen definiert ist, die Anzahl der Kurven der überlagerten Summenhistogramme feststellen, die durch diesen Punkt oder eng begrenzten Bereich verlaufen. Diese Anzahlen können über dem betreffenden Punkt oder eng begrenzten Bereich des Koordinatensystems an einer senkrecht zu dem Dia­ gramm stehenden dritten Koordinatenachse abgetragen werden. So entsteht eine Fläche über dem zweidimensionalen Diagramm als eine Art Gebirge der addierten Kurven, aus dem sich able­ sen lässt, welche Punkte oder eng begrenzten Bereiche des zweidimensionalen Diagrammes (bestimmte Anzahl oder Anzahlen in einem Häufigkeitsintervall des Vorkommens einer bestimmten Grauwertstufe oder von Grauwerten in einem Grauwertintervall) wie Vielen Summenhistogrammen der betrachteten Bildklasse zu­ zurechnen sind. Bei der Ausführung des Verfahrens ist die hier zur Veranschaulichung beschriebene grafische Darstellung nicht erforderlich und vorzugsweise durch einen reinen Re­ chenalgorithmus ersetzt.

Ein jeweils neu erfasstes und zu analysierendes Fingerab­ druckbild (im Folgenden als Testbild bezeichnet) wird mit den in der angegebenen Weise konstruierten Datenbasen der Bild­ klassen verglichen. Das geschieht bei einer bevorzugten Aus­ führung des Verfahrens in der Weise, dass längs des Summenhi­ stogrammes des Testbildes die Werte des erstellten Musters (template) bestimmt und zu einer Maßzahl (score) aufaddiert werden. Die Einordnung des Testbildes in die zugehörende Bildklasse kann beispielsweise dadurch erfolgen, dass man in gleicher Weise die Maßzahlen der in die Muster hineinverar­ beiteten Summenhistogramme bestimmt, so als wäre das einzelne Summenhistogramm aus dem Muster ein Summenhistogramm eines weiteren Testbildes; so erhält man eine Vielzahl von Maßzah­ len, die gewissermaßen dem jeweiligen Muster zu Eigen sind (immanente Eigenschaft), zusätzlich zu der Maßzahl des Test­ bildes. Für die Maßzahlen, die aus dem Muster selbst gewonnen werden, kann ein Mittelwert µ und eine Standardabweichung σ von diesem Mittelwert ermittelt werden. Entsprechende Mittel­ werte und Standardabweichungen werden zu jeder betrachteten Bildklasse ermittelt. Das Testbild wird dann derjenigen Klas­ se zugeordnet, für die der Quotient aus dem Betrag der Diffe­ renz aus der Maßzahl des Testbildes und dem zu dem Muster be­ rechneten Mittelwert (Zähler) und der zu dem Muster berechneten Standardabweichung (Nenner) minimal ist. Ein aktuelles Testbild wird also gerade derjenigen Klasse zugeordnet, zu deren Muster es im Sinne dieser Abstandsfunktion am besten passt. In den bisher durchgeführten Untersuchungen hat sich die angegebene Abstandsfunktion am geeignetsten erwiesen, aber es können auch weitere geeignete Funktionen oder Beur­ teilungskriterien definiert werden. Das hier als Beispiel dargestellte Ausführungsbeispiel ist aber derzeit als beste Ausführungsform anzusehen.

Zusätzlich zu der globalen Analyse des Summenhistogrammes können auch die Verteilungen der Grauwerte innerhalb bestimm­ ter Bereiche eines Testbildes bei der Analyse berücksichtigt werden. Eine ortsabhängige Betrachtung der Texturierung und der Körnigkeit der Fingerabdruckstrukturen ermöglicht es, charakteristische Unterscheidungsmerkmale zwischen Original- und Fälschungsbildern herauszuarbeiten. Bei den von einem le­ benden Finger stammenden Originalbildern besitzt die Bildwie­ dergabe der Furchen der Hautoberfläche in der Regel eine gleichmäßige mittlere Körnigkeit, während die Wiedergabe der Stege eine große Körnigkeit aufweist, wie sie z. B. von stark vergrößerten Fotografien her bekannt ist. Hingegen weisen bei den Bildern, die mit Fingerimitaten aufgenommen werden, so­ wohl die Furchen als auch die Stege eine geringe Körnigkeit auf.

Als Maß für die Körnigkeit wird zweckmäßig die Standardabwei­ chung der Grauwerte in einem lokal begrenzten Bildbereich verwendet. Anstelle der Standardabweichung kann die Summe der absoluten Differenzen zwischen dem Grauwert je eines Bild­ punktes des örtlich begrenzten Bereiches und dem mittleren Grauwert in diesem Bereich oder ein ähnliches Maß verwendet werden. Eine weitere Möglichkeit besteht darin, die Körnig­ keit eines Bildausschnitts durch die Verteilung der Häufig­ keitswerte im Histogramm der Grauabstufungen zu charakteri­ sieren. Die Berechnung der Standardabweichung ist nicht immer von Vorteil, da die Verteilungen der Grauwerte in den meisten Fällen keine Normalverteilungen sind, sondern beliebige sta­ tistische Verteilungen aufweisen. Bei einer Gleichverteilung der Grauwerte ist die Körnigkeit maximal.

Die lokalen Bildbereiche können z. B. durch eine Einteilung des Bildes in Blöcke, die jeweils eine vorgegebene Anzahl von Bildpunkten umfassen, definiert sein. Zur Erläuterung ist in der Fig. 2 ein typischer Fingerabdruck in einem auf Schwarz­ weißkonturen reduzierten Bild wiedergegeben, zu dem mit den eingezeichneten breiten gestrichelten Linien eine derartige Einteilung in Blöcke angedeutet ist. Für jeden dieser Blöcke werden der Mittelwert der Grauwerte und deren Standardabwei­ chung berechnet. Die nicht zum Fingerabdruck beitragenden weißen bzw. schwarzen Bereiche werden weggelassen. Eine Be­ rechnung erfolgt außerdem nur dann, wenn in dem Block die An­ zahl der nicht zum Fingerabdruck gehörenden Bildpunkte einen bestimmten vorgegebenen Wert nicht übersteigt. Die geometri­ schen Abmessung dieser Einteilung in Blöcke sollte sich nach dem mittleren Abstand der Fingerlinien richten und jeweils, wie in Fig. 2 erkennbar, wenige parallel zueinander verlau­ fende Fingerlinien enthalten.

Ein charakteristisches Maß für die Körnigkeit des Gesamtbil­ des sind die Mittelwerte aller Standardabweichungen, die zu den Grauwerten der einzelnen Blöcke berechnet wurden. Auch damit ist eine Klassifizierung in Originalbilder und Fäl­ schungsbilder möglich, wenn man für eine Menge von Bildern, die zur Erstellung der Datenbasen herangezogen werden, die Mittelwerte der Standardabweichungen jeweils für die Grauwer­ te der Stege und für die Grauwerte der Furchen des Fingerab­ druckbildes getrennt gegeneinander aufträgt und eine Tren­ nungslinie zwischen den sich dadurch ergebenden Datentrauben (cluster) festlegt.

Die beschriebenen bevorzugten Ausführungsformen des erfin­ dungsgemäßen Verfahrens können miteinander kombiniert werden. So ist z. B. zur Bestimmung der Körnigkeit eine Histogrammanalyse in jedem Bildblock möglich. Auf diese Weise kann jeder Bildblock separat klassifiziert werden, d. h. einer der defi­ nierten Bildklassen zugeordnet werden, so dass schließlich das Bild derjenigen Klasse zugeordnet werden kann, der eine Mindestanzahl von Bildblöcken zugeordnet worden ist. Die je­ weiligen Verfahren zur Zuordnung lassen im übrigen noch einen Spielraum, der es gestattet, auf zweideutige Zuordnungen ganz zu verzichten und statt dessen die betreffenden Bildblöcke unberücksichtigt zu lassen. Auf diese Weise kann das Verfah­ ren den Anforderungen und Spezifika der jeweiligen Bildklas­ sen so angepasst werden, dass die Testbilder mit einer aus­ reichend hohen Wahrscheinlichkeit den richtigen Bildklassen zugeordnet werden.

Claims (6)

1. Verfahren zur Analyse von Fingerabdruckbildern, bei dem mittels eines Fingerabdrucksensors ein zu analysierendes Fin­ gerabdruckbild aus Bildpunkten unterschiedlicher Grauwerte aufgenommen wird, dadurch gekennzeichnet, dass zuvor
in einem ersten Schritt weitere Fingerabdruckbilder aus Bild­ punkten unterschiedlicher Grauwerte aufgenommen und vorgege­ benen Klassen zugeordnet werden,
in einem zweiten Schritt zu einer Unterteilung eines von den Grauwerten eingenommenen Bereiches in Intervalle und zu jedem Fingerabdruckbild die Anzahlen von Bildpunkten bestimmt wer­ den, deren Grauwerte jeweils in demselben Intervall liegen, in einem dritten Schritt aus diesen Anzahlen mindestens eine Kenngröße ermittelt wird, anhand derer die Fingerabdruckbil­ der ihrer jeweiligen Klasse zugeordnet werden können, und hernach
in einem vierten Schritt der zweite und der dritte Schritt mit dem zu analysierenden Fingerabdruckbild ausgeführt werden und so dieses Fingerabdruckbild einer Klasse zugeordnet wird.

2. Verfahren nach Anspruch 1, bei dem in dem zweiten Schritt die jeweiligen Anzahlen für Intervalle bestimmt werden, die eine gemeinsame Grenze aufweisen.

3. Verfahren nach Anspruch 1 oder 2, bei dem
in einem ersten weiteren Schritt zu einer jeweiligen Klasse ein Muster von Anzahlen erzeugt wird und
in dem vierten Schritt die Gesamtheit der zu einem zu analy­ sierenden Fingerabdruckbild bestimmten Anzahlen von Bildpunk­ ten mit diesem Muster verglichen wird.

4. Verfahren nach Anspruch 3, bei dem
das Muster erzeugt wird, indem zu den in dem ersten Schritt aufgenommenen Fingerabdruckbildern der jeweiligen Klasse die Häufigkeiten gleicher Anzahlen von Bildpunkten, deren Grau­ werte jeweils in demselben Intervall liegen, für Intervalle bestimmt werden, die eine gemeinsame untere Grenze aufweisen, in dem vierten Schritt die Anzahlen der Bildpunkte des zu analysierenden Fingerabdruckbildes ebenfalls für diese Inter­ valle bestimmt werden und
die Summe der Häufigkeiten dieser Anzahlen in dem Muster als Kenngröße bestimmt wird.

5. Verfahren nach Anspruch 4, bei dem in dem zweiten Schritt zu jedem in dem ersten Schritt aufge­ nommenen Fingerabdruckbild einer betreffenden Klasse

• a) die Anzahlen der Bildpunkte für dieselben Intervalle be­ stimmt werden, mit denen das Muster erzeugt wird, und
• b) in einem zweiten weiteren Schritt die Summe der Häufigkei­ ten dieser Anzahlen in dem Muster bestimmt wird,

in einem dritten weiteren Schritt zu diesen Summen ein Mit­ telwert und eine Standardabweichung berechnet werden,
in einem vierten weiteren Schritt zu jeder Klasse ein solcher Mittelwert und eine solche Standardabweichung berechnet wer­ den und
in einem fünften weiteren Schritt das zu analysierende Fin­ gerabdruckbild derjenigen Klasse zugeordnet wird, für die der Quotient aus dem Betrag der Differenz zwischen der als Kenn­ größe des zu analysierenden Fingerabdruckbildes zu dem jewei­ ligen Muster bestimmten Summe der Häufigkeiten und dem in dem dritten weiteren Schritt berechneten Mittelwert als Zähler und der in dem dritten weiteren Schritt berechneten Standard­ abweichung als Nenner minimal ist.

6. Verfahren nach einem der Ansprüche 1 bis 5, bei dem zusätzlich die Fingerabdruckbilder in Blöcke von Bildpunkten unterteilt werden, in jedem Block die Standardabweichung der Grauwerte der Bild­ punkte von einem Mittelwert dieses Blockes berechnet wird, ein Mittelwert dieser Standardabweichungen für alle Blöcke eines Fingerabdruckbildes berechnet wird und dieser Mittelwert mit einer Datenbasis solcher Werte für un­ terschiedliche Klassen von Fingerabdruckbildern verglichen wird.