7、指纹随机性对应概率与双胞胎指纹鉴别分析

指纹随机性对应概率与双胞胎指纹鉴别分析

1. 指纹鉴别与随机性对应概率研究背景

指纹在人类身份识别中应用广泛，其依据两个前提：一是指纹不随时间改变，二是每个人的指纹具有独特性。过去，基于指纹的身份识别被法庭认可，但近年来，这两个前提，尤其是指纹的独特性，受到了质疑，因为缺乏客观测试和科学的错误率评估。

指纹独特性研究可追溯到19世纪末，已有二十多种模型被提出，以证明两个随机个体（或手指）拥有相同指纹的可能性极小。这些模型可分为五类：基于网格的、基于纹路的、固定概率的、相对测量的和生成式的，它们都试图量化指纹的独特性，例如错误匹配的概率。

指纹特征分为三种类型：
- 一级特征 ：基于纹路流向对指纹进行分类，主要有五种类型：涡纹、左箕纹、右箕纹、弓纹和帐弓纹。
- 二级特征 ：也称为细节特征，对应纹路的端点和分叉点，是自动指纹匹配算法中常用的显著特征。
- 三级特征 ：如毛孔和疤痕等辅助特征。本文主要考虑一级和二级特征。

2. 指纹生成模型

2.1 纹路流向类型分布

通过统计指纹数据库中主要和次要类型的相对频率，可得到一级纹路流向类型的简单分布。例如，在某评估中，箕纹占手指的64%，其中左箕纹占30%，右箕纹占27%，双箕纹占7%；弓纹占18%，包括普通弓纹（13%）和帐弓纹（5%）；涡纹占剩余的19%。

2.2 细节特征分布

每个细节特征用(x = (s, θ))表示，其中(s = (x1, x2))是其位置，(θ)是其方向。由于