2018
Latent Fingerprint Recognition: Role of Texture Template
code: https://github.com/prip-lab/MSU-LatentAFIS
摘要： 提出了一种由虚拟一组细节组成的纹理模板方法，以提高整体潜在指纹识别精度。为了弥补在低质量的潜在打印中缺乏足够数量的细节，我们生成了一组虚拟的细节。然而，由于大量定期放置的虚拟细节，基于纹理的模板匹配比匹配真正的细节模板有较大的计算要求。为了提高纹理模板匹配的准确性和效率，我们调查：i)原始和增强指纹补丁训练卷积神经网络(ConvNets)提高描述符的特殊性与每个虚拟细节，2)小的补丁在虚拟细节和快速结合架构加快描述符提取，iii)减少描述符长度，iv)修改的层次图匹配策略提高匹配速度，v)提取多个纹理模板来提高性能。在NISTSD27潜数据库上的实验表明，上述策略可以将匹配速度从11ms（24线程）（潜打印和参考打印之间）提高到7.7ms（单线程），同时比10K库的排名1精度提高8.9%。
论文的贡献：
- 将潜在纹理模板和滚动纹理模板之间的平均识别时间从11ms（24个线程）减少到7.7ms（单个线程）；
- 10K图库纹理模板的秩1识别率提高8.9%（从59.3%提高到68.2%）。
- 通过将所提出的三个纹理模板与[4]中的三个模板融合（从75.6%提高到78.3%），使[4]中的排名1识别率提高了2.7%。这意味着在NISTSD27的258个延迟中，纹理模板的改进将在排名1的7个额外延迟。
