RidgeBase

RidgeBase是由布法罗大学计算机科学与工程系创建的一个跨传感器多指非接触式指纹数据集，包含超过15,000对非接触式和接触式指纹图像，来自88个个体在不同背景和光照条件下使用两种智能手机摄像头和一个平板接触传感器采集。该数据集旨在推动非接触式指纹匹配技术的发展，特别是在单指匹配和多指匹配场景中，支持非接触到非接触（CL2CL）和接触到非接触（C2CL）的验证和识别。数据集的创建过程考虑了实际应用中的多种变量，如焦距、极性和手指角度，以确保数据集的实用性和广泛适用性。RidgeBase的应用领域主要集中在提高指纹识别系统的卫生性、便携性和抗攻击能力。

RidgeBase is a cross-sensor multi-finger contactless fingerprint dataset created by the Department of Computer Science and Engineering at the University at Buffalo. It contains over 15,000 pairs of contactless and contact-based fingerprint images, collected from 88 individuals using two smartphone cameras and a flat-panel contact sensor under varying background and lighting conditions. This dataset aims to advance the development of contactless fingerprint matching technologies, particularly in single-finger and multi-finger matching scenarios, supporting both verification and identification tasks for contactless-to-contactless (CL2CL) and contact-to-contactless (C2CL) scenarios. The dataset’s creation process took into account multiple real-world application variables, including focal length, polarity, and finger angle, to ensure its practicality and broad applicability. The primary application domains of RidgeBase focus on enhancing the hygiene, portability, and attack resistance of fingerprint recognition systems.

搜集汇总

数据集介绍

构建方式

RidgeBase数据集的构建采用了88名参与者，利用两部智能手机（iPhone 11和Google Pixel 5）以及一台平板式接触传感器（Futronic FS64EBTS）在不同的背景和光照条件下采集了超过15,000对非接触式和接触式指纹图像。参与者被要求在两种不同的会话中分别采集指纹图像，两次会话之间至少间隔两周。数据采集过程得到了机构审查委员会（IRB）的批准，并且参与者的身份信息得到了保护。此外，为了支持与现有算法和数据的互操作性，该数据集还采用了远端分割方法，将四指图像分割为单个手指图像。

特点

RidgeBase数据集的特点在于其跨传感器、多手指和非接触式指纹匹配的广泛适用性。该数据集不仅包含了在不同光照和背景条件下采集的大量图像，而且还涵盖了单手指和多手指匹配的场景。此外，由于非接触式指纹图像具有较高的类内差异，RidgeBase数据集还引入了基于集合的匹配协议，该协议特别设计用于处理非接触式指纹匹配中的焦点、极性和手指角度的变化。这些特点使得RidgeBase数据集成为研究非接触式指纹匹配技术的宝贵资源。

使用方法

RidgeBase数据集的使用方法包括三个主要任务：单手指匹配、四手指匹配和基于集合的远端匹配。每个任务都进一步分为非接触式到非接触式（CL2CL）和接触式到非接触式（C2CL）的验证和识别任务。为了确保可重复性，该数据集为每个任务提供了固定的测试评估对。在实验中，研究者可以使用商业现货（COTS）指纹匹配器（如Verifinger）或基于深度学习的CNN方法进行评估。此外，数据集还提供了指纹质量指标（NFIQ）的分布，以便研究者可以了解不同图像质量对匹配性能的影响。

背景与挑战

背景概述

指纹识别作为一种重要的生物识别技术，在身份验证和安全领域有着广泛的应用。近年来，非接触式指纹识别技术因其卫生、便携等优点而备受关注。然而，传统指纹识别系统需要物理接触，存在传播疾病和指纹攻击的风险。RidgeBase数据集应运而生，旨在解决非接触式指纹识别技术的挑战。该数据集由美国纽约州立大学水牛城分校的计算机科学与工程学院的研究团队创建于2023年7月，主要研究人员包括Bhavin Jawade、Deen Dayal Mohan、Srirangaraj Setlur、Nalini Ratha和Venu Govindaraju。RidgeBase数据集包含了超过15,000对非接触式和接触式指纹图像，这些图像来自88名个体，在不同的背景和光照条件下，使用两部智能手机和一台平板接触式传感器采集。RidgeBase数据集的设计旨在促进研究者在不同的匹配场景下进行研究，包括单指匹配和多指匹配，以及非接触式到非接触式（CL2CL）和接触式到非接触式（C2CL）的验证和识别。此外，由于同一手指的非接触式指纹具有高样本内方差，RidgeBase数据集提出了一种基于集合的匹配协议，该协议能够考虑焦点、极性和手指角度的变化。该数据集的发布为非接触式指纹识别技术的研究提供了宝贵的数据资源，推动了相关领域的发展。

当前挑战

RidgeBase数据集在解决非接触式指纹识别技术领域问题方面面临着以下挑战：1) 非接触式指纹图像采集过程中可能出现的图像失焦问题；2) 指纹脊和谷之间的对比度较低；3) 手指角度的变化；4) 透视变形。构建过程中所遇到的挑战包括：1) 在不同光照条件和背景下采集图像；2) 使用不同类型的摄像头传感器；3) 收集多指（四指）图像；4) 在不受约束或半受约束的设置中采集图像；5) 收集大量高样本内方差的图像。RidgeBase数据集的创建旨在克服现有数据集的局限性，并为非接触式指纹识别技术的研究提供更全面的数据支持。

常用场景

经典使用场景

RidgeBase数据集被广泛应用于无接触指纹匹配领域，特别是在智能手机相机捕捉的无接触指纹图像与接触式指纹图像之间的匹配。该数据集包含超过15,000对无接触和接触式指纹图像，由88位个体在不同背景和光照条件下使用两部智能手机相机和一个平板接触式传感器采集。RidgeBase的设计旨在促进在各种匹配场景下的研究，包括无接触对无接触（CL2CL）和接触对无接触（C2CL）的单指和多指匹配。

解决学术问题

RidgeBase数据集解决了传统指纹系统中存在的卫生采集、便携性和演示攻击等主要挑战。通过使用智能手机相机进行无接触指纹匹配，可以降低传染病传播的风险，并避免在指纹平板上留下潜在的指纹印记，从而减少演示攻击的可能性。RidgeBase数据集的高质量和高数量图像为研究者提供了宝贵的资源，以开发更实用和鲁棒的无接触指纹匹配技术。

衍生相关工作

RidgeBase数据集的提出促进了无接触指纹匹配领域的进一步研究。许多研究者使用RidgeBase数据集来训练和评估新的无接触指纹匹配算法，包括基于深度学习的算法。此外，RidgeBase数据集也被用于研究无接触指纹匹配中的各种挑战，例如图像失焦、指纹脊和谷之间的低对比度、指纹角度的变化以及透视失真。这些研究有助于提高无接触指纹匹配技术的性能和鲁棒性，并为实际应用提供了更可靠的解决方案。