本發(fā)明涉及用于指紋匹配和相機(jī)識(shí)別的方法、其設(shè)備和系統(tǒng)。

背景技術(shù)：

成像傳感器缺陷可以被考慮為識(shí)別特定采集設(shè)備、使能各種重要的司法鑒定(forensic)任務(wù)(諸如，設(shè)備識(shí)別、設(shè)備鏈接、恢復(fù)處理歷史、檢測(cè)數(shù)字偽造)的獨(dú)特的指紋，如在J.Fridrich的文獻(xiàn)“Digital image forensics”,2009中所示的那樣。最常見的相機(jī)指紋是數(shù)字成像傳感器的PRNU(“光響應(yīng)不均勻性”)(還參見J.Lukas,J.Fridrich和M.Goljan,“Determining digital image origin using sensor imperfections,”in Proc.SPIE Electronic Imaging,Image and Video Communication and Processing,vol.5685,2005,pp.249–260)。

實(shí)際上，形式為光響應(yīng)不均勻性圖案的傳感器缺陷是將圖片鏈接到獲取圖片的相機(jī)傳感器的完善的指紋識(shí)別(fingerprinting)技術(shù)。PRNU是由于單獨(dú)的像素的性質(zhì)的微小變化，這產(chǎn)生影響由傳感器拍攝的每一個(gè)圖像的類似于噪聲的但是確定性的圖案。多項(xiàng)工作已經(jīng)展示PRNU是魯棒的指紋，一般耐受如有損壓縮和圖像重新調(diào)整大小這樣的處理(參見J.Lukas,J.Fridrich和M.Goljan,“Digital camera identification from sensor pattern noise”Information Forensics and Security,IEEE Transactions on,vol.1,no.2,pp.205–214,2006年6月,以及M.Chen,J.Fridrich,M.Goljan和J.Lukas,“Determining image origin and integrity using sensor noise”,Information Forensics and Security,IEEE Transactions on,vol.3,no.1,pp.74–90,2008年3月)。

還注意到的是，由于每一個(gè)單獨(dú)的光學(xué)傳感器將光子轉(zhuǎn)換成電子的不同能力，成像傳感器的PRNU是每一個(gè)傳感器陣列獨(dú)特的性質(zhì)。該不同主要是由硅晶片中的雜質(zhì)引起的，并且它的效果是影響由那個(gè)特定的傳感器拍攝的每一個(gè)圖像的噪聲圖案。因此，PRNU可以被認(rèn)為是用于拍攝特定圖片或圖片的集合的傳感器的寬帶指紋。PRNU是可乘的，即，如果成像傳感器用均勻強(qiáng)度i理想地照亮，忽略其他噪聲源，那么傳感器的輸出將是o＝i+i·k，其中k代表表征PRNU值的矩陣，并且i·k表示i和k之間的按元素的積。項(xiàng)k展現(xiàn)出下面的性質(zhì)：項(xiàng)k具有與傳感器相同的像素大小，并且攜帶足夠的信息以使其對(duì)于每個(gè)傳感器而言是獨(dú)特的。從這個(gè)意義上來(lái)說(shuō)，普遍的是，每一個(gè)光學(xué)傳感器展現(xiàn)出PRNU。它存在于由傳感器拍攝的每一個(gè)圖片中，除了完全黑的圖片之外(由于其可乘的本質(zhì))。它在不同的環(huán)境條件下是穩(wěn)定的，并且它對(duì)幾種信號(hào)處理操作是魯棒的。可以從圖像的集合(通常，20到50個(gè)平滑圖像是足夠的)提取表征一個(gè)傳感器的PRNU。從圖片的集合提取傳感器的指紋的過(guò)程依賴于用來(lái)表征光學(xué)傳感器的模型。

因此，在PRNU的情況下，相機(jī)指紋實(shí)質(zhì)上是具有與成像傳感器相同的大小的圖案。由于對(duì)數(shù)千萬(wàn)個(gè)像素進(jìn)行計(jì)數(shù)的傳感器的廣泛可用性，幾千個(gè)傳感器的實(shí)際的數(shù)據(jù)庫(kù)將要求以未壓縮的格式儲(chǔ)存多于10¹⁰個(gè)單獨(dú)的像素值。此外，在大的數(shù)據(jù)庫(kù)中查找特定的指紋的復(fù)雜度也非常高，通常要求計(jì)算與數(shù)據(jù)庫(kù)中的每一個(gè)指紋的相關(guān)性。

PRNU指紋的另一個(gè)問(wèn)題是測(cè)試圖像應(yīng)該與數(shù)據(jù)庫(kù)中的指紋幾何地對(duì)齊。可能的解決方案是提供具有不同縮放因子和/或裁剪因子的相同指紋的幾個(gè)版本，然而代價(jià)是管理甚至更大的數(shù)據(jù)庫(kù)。

最近，幾位作者開始解決與相機(jī)指紋的大的數(shù)據(jù)庫(kù)的管理有關(guān)的問(wèn)題。

在文獻(xiàn)M.Goljan,J.Fridrich和T.Filler,“Managing a large database of camera fingerprints”,2010以及Y.Hu,B.Yu和C.Jian,“Source camera identification using large components of sensor pattern noise”,2009中，作者提出所謂的指紋摘要，其通過(guò)僅保留固定數(shù)量的最大指紋值和它們的位置而工作，以便所產(chǎn)生的數(shù)據(jù)庫(kù)獨(dú)立于傳感器分辨率。

在文獻(xiàn)Y.Hu,C.-T.Li,Z.Lai和S.Zhang,“Fast camera fingerprint search algorithm for source camera identification”,2012中提出了基于指紋摘要的改進(jìn)的搜索策略。

指紋摘要還可以用來(lái)在幾何失真圖像的情況下使指紋注冊(cè)變得容易，如在M.Goljan和J.Fridrich,“Sensor fingerprint digests for fast camera identification from geometrically distorted images”,2013中所示的那樣?？商娲慕鉀Q方案是以二進(jìn)制量化的形式表示傳感器指紋，如在S.Bayram,H.Sencar和N.Memon,“Efficient sensor fingerprint matching through fingerprint binarization”,2012中所示的那樣：盡管二進(jìn)制指紋的大小隨傳感器分辨率縮放，但是二進(jìn)制化可以可觀地加速指紋匹配處理。

然而，上面引用的文獻(xiàn)沒(méi)有一個(gè)指示如何在維持有效的指紋匹配和相機(jī)識(shí)別處理的同時(shí)顯著地減小相機(jī)指紋數(shù)據(jù)庫(kù)大小。

本發(fā)明的主要目標(biāo)是指示允許減小相機(jī)指紋數(shù)據(jù)庫(kù)大小的用于指紋匹配和相機(jī)識(shí)別的方法、設(shè)備和系統(tǒng)。

本發(fā)明的進(jìn)一步的目標(biāo)是指示允許相對(duì)于現(xiàn)有技術(shù)降低指紋匹配和相機(jī)識(shí)別處理的計(jì)算復(fù)雜度的用于指紋匹配和相機(jī)識(shí)別的方法、設(shè)備和系統(tǒng)。

本發(fā)明的這些和其它目標(biāo)是通過(guò)用于指紋識(shí)別和相機(jī)識(shí)別的方法、設(shè)備和系統(tǒng)來(lái)實(shí)現(xiàn)的，如在所附權(quán)利要求中所請(qǐng)求保護(hù)的那樣，其旨在成為本說(shuō)明書的組成部分。

技術(shù)實(shí)現(xiàn)要素：

簡(jiǎn)而言之，公開了用于指紋匹配和相機(jī)識(shí)別的方法，其中該方法被提供為通過(guò)使用隨機(jī)投影技術(shù)、尤其是實(shí)值(real-valued)或量化隨機(jī)投影來(lái)壓縮相機(jī)指紋。

此外，相對(duì)于現(xiàn)有技術(shù)，通過(guò)使用循環(huán)矩陣、尤其是其部分形式，已經(jīng)減少了計(jì)算隨機(jī)投影的復(fù)雜度。因此，在這種情況下，可以使用FFT(“快速傅里葉變換”)來(lái)計(jì)算壓縮的指紋。

本發(fā)明還涉及被配置成實(shí)現(xiàn)所述方法的設(shè)備、尤其是計(jì)算機(jī)和系統(tǒng)。

最后，本發(fā)明還涉及包括適于實(shí)現(xiàn)所述方法的軟件代碼的部分的計(jì)算機(jī)產(chǎn)品。

本發(fā)明的其他特征在所附的權(quán)利要求中陳述，其旨在成為本說(shuō)明書的組成部分。

附圖說(shuō)明

根據(jù)下面對(duì)用于指紋匹配和相機(jī)識(shí)別的方法、設(shè)備和系統(tǒng)的詳細(xì)描述，尤其是參考附圖，上面的目標(biāo)將變得更加清楚，其中：

圖1示出根據(jù)本發(fā)明的系統(tǒng)；

圖2示出根據(jù)本發(fā)明的方法的性能數(shù)據(jù)；

圖3示出根據(jù)本發(fā)明的方法的實(shí)驗(yàn)結(jié)果的第一曲線圖；

圖4示出根據(jù)本發(fā)明的方法的實(shí)驗(yàn)結(jié)果的第二曲線圖。

具體實(shí)施方式

參考圖1，示出了用作系統(tǒng)場(chǎng)景的示例以解釋本發(fā)明的詳細(xì)描述的系統(tǒng)1。系統(tǒng)1包括設(shè)備3、尤其是計(jì)算機(jī)或智能電話或平板，和存儲(chǔ)器裝置5、尤其是設(shè)備3所能關(guān)聯(lián)到的數(shù)據(jù)庫(kù)5。更詳細(xì)地，設(shè)備3可以包括所述存儲(chǔ)器裝置5，或者所述存儲(chǔ)器裝置5位于遠(yuǎn)程位置處并且它們可與計(jì)算機(jī)3遠(yuǎn)程通信地連接。因此，設(shè)備3和存儲(chǔ)器裝置5能夠彼此通信，并且所述設(shè)備3能夠從存儲(chǔ)器裝置5讀取數(shù)據(jù)以及向存儲(chǔ)器裝置5寫入數(shù)據(jù)。

設(shè)備3被配置成實(shí)現(xiàn)將在下面更詳細(xì)地描述的根據(jù)本發(fā)明的方法；數(shù)據(jù)庫(kù)5包括相機(jī)指紋估計(jì)、和可選地由相同的一個(gè)或多個(gè)相機(jī)獲取的圖片的集合，圖片的集合可被用來(lái)提取指紋估計(jì)和與其相關(guān)聯(lián)的其它信息。這樣的信息可以是根據(jù)本發(fā)明的壓縮方法的參數(shù)或相機(jī)的名稱和/或型號(hào)和/或制造商。因此可以根據(jù)本發(fā)明的方法壓縮所述相機(jī)指紋估計(jì)。

對(duì)于指紋匹配和相機(jī)識(shí)別，期望知道拍攝測(cè)試圖像/圖像集合的相機(jī)的測(cè)試圖像或圖像集合被處理以提取其指紋。目標(biāo)是確定儲(chǔ)存在數(shù)據(jù)庫(kù)5中的哪個(gè)設(shè)備(即，相機(jī))(如果存在)已經(jīng)獲取了給定的圖片(測(cè)試圖像/多個(gè)圖像)。實(shí)質(zhì)上，在測(cè)試圖像/多個(gè)圖像的壓縮指紋與所有指紋估計(jì)之間計(jì)算相關(guān)性操作，并且如果一個(gè)指紋產(chǎn)生足夠大的相關(guān)性，那么它被宣告為正確的。

對(duì)于從圖像或圖像的集合提取指紋，通常計(jì)算PRNU。

本發(fā)明的方法旨在以微小的或理想地?zé)o信息損失來(lái)壓縮指紋數(shù)據(jù)庫(kù)，因?yàn)槿缃駭?shù)據(jù)庫(kù)在大小上會(huì)迅速增長(zhǎng)。所述方法基于隨機(jī)投影(RP)技術(shù)。RP技術(shù)是用于降維的低復(fù)雜度和強(qiáng)大的方法。RP的想法是使用隨機(jī)矩陣將原始的n維數(shù)據(jù)投影到m維子空間，m＜n。因此，通過(guò)下面的公式將N個(gè)n維數(shù)據(jù)的集降低到m維子空間

A＝ФD (1)

RP背后的關(guān)鍵性質(zhì)是約翰遜-林登施特勞斯(Johnson–Lindenstrauss)引理，關(guān)注從高維歐式空間(Euclidean space)到低維歐式空間的點(diǎn)的低失真嵌入。引理聲明高維空間中的點(diǎn)的小集合可以以點(diǎn)之間的距離幾乎被保持的方式嵌入到維度低很多的空間中。

利用這種假設(shè)，本發(fā)明的方法被提供為通過(guò)設(shè)備3讀取和/或獲取從由相機(jī)拍攝的圖片所提取的相機(jī)指紋，并且通過(guò)隨機(jī)投影、也就是通過(guò)傳感矩陣和所述相機(jī)指紋之間的乘法來(lái)計(jì)算所述相機(jī)指紋的壓縮版本；所述傳感矩陣具有小于所述相機(jī)指紋的行大小。

應(yīng)當(dāng)考慮的是：圖片/圖像是矩陣，并且圖片/圖像可表示為通過(guò)逐列讀取圖片/圖像的矩陣而獲得的列向量；從相同的圖片/圖像提取的(未壓縮的)相機(jī)指紋相似地可表示為列向量，并且圖片/圖像和從相同的圖片/圖像提取的(未壓縮的)相機(jī)指紋具有相同的大小，也就是兩個(gè)對(duì)應(yīng)的列向量具有相同數(shù)量的元素。更詳細(xì)地，傳感矩陣可以優(yōu)選地是隨機(jī)循環(huán)矩陣、尤其是隨機(jī)部分循環(huán)矩陣。術(shù)語(yǔ)“循環(huán)”指的是這樣的矩陣，該矩陣的行是第一行的循環(huán)地移位的版本。術(shù)語(yǔ)“部分”指的是傳感矩陣的行大小小于所述相機(jī)指紋的大小，也就是行比列少的矩形矩陣。術(shù)語(yǔ)“隨機(jī)”指的是這樣的事實(shí)：傳感矩陣的第一行包括根據(jù)選擇的分布生成的隨機(jī)變量(例如，高斯隨機(jī)變量)。

可以使用其他類型的傳感矩陣，例如，包括獨(dú)立同分布(i.i.d.)高斯隨機(jī)變量、或i.i.d.拉德馬赫(Rademacher)隨機(jī)變量、或伯努利隨機(jī)變量的完全隨機(jī)矩陣，或者甚至是確定性傳感矩陣。

在下文中，描述使用根據(jù)本發(fā)明的壓縮的方法的應(yīng)用；也就是如何將本發(fā)明的基于隨機(jī)投影的壓縮方法應(yīng)用到司法鑒定任務(wù)(諸如，指紋匹配和相機(jī)識(shí)別)。還應(yīng)當(dāng)考慮的是，假設(shè)圖1的系統(tǒng)1、尤其是設(shè)備3為計(jì)算機(jī)。

指紋匹配

利用可以用來(lái)提取指紋估計(jì)的由相同的相機(jī)獲取的圖片集合和指紋估計(jì)的數(shù)據(jù)庫(kù)5來(lái)呈現(xiàn)指紋匹配問(wèn)題。

作為PRNU圖案獲得的相機(jī)指紋可以被近似為白高斯噪聲，一種在研究匹配系統(tǒng)的性能的文獻(xiàn)中考慮的典型假設(shè)。這具有一些重要的結(jié)果：首先，PRNU圖案無(wú)法通過(guò)標(biāo)準(zhǔn)方法(例如，JPEG壓縮)壓縮，因?yàn)樗鼈內(nèi)鄙倏梢员焕靡詧?zhí)行壓縮的冗余。此外，指紋彼此非常不相干。不相干的意思是兩個(gè)指紋具有非常低的相關(guān)性，或者換言之，將它們表示為n維空間中的點(diǎn)，任意一對(duì)指紋之間的角度是寬的并且接近正交。在指紋匹配中，構(gòu)建N個(gè)已知相機(jī)的指紋的字典，其可以表示為矩陣經(jīng)典指紋匹配問(wèn)題的目標(biāo)是找到最類似于向計(jì)算機(jī)3呈現(xiàn)的測(cè)試指紋的列(因?yàn)樵跀?shù)據(jù)庫(kù)5中每一個(gè)相機(jī)指紋是列向量)。為了清楚，測(cè)試指紋是從期望知道拍攝圖像的相機(jī)(名稱、型號(hào)、制造商等)的該圖像所提取的相機(jī)指紋。

為了這個(gè)目的，最常使用的相似度準(zhǔn)則中的一個(gè)是相關(guān)系數(shù)。在該說(shuō)明書中，將考慮樣本反射相關(guān)性ρ，其被如下定義：

其中，d_i是屬于字典D的第i個(gè)指紋，項(xiàng)是內(nèi)積(scalar product)，并且

因此，根據(jù)本發(fā)明的方法被提供為壓縮整個(gè)數(shù)據(jù)庫(kù)5和測(cè)試指紋從而通過(guò)少量的隨機(jī)投影來(lái)表示它們。該操作可被視為與m×n傳感矩陣Ф的積:

A＝ФD (3)

其中，A是包括在數(shù)據(jù)庫(kù)5中的相機(jī)指紋的壓縮字典，D是包括在數(shù)據(jù)庫(kù)5中的相機(jī)指紋的原始字典，y是測(cè)試指紋的壓縮指紋。

隨機(jī)投影可以有效地降低指紋空間的維度，這是由于隨機(jī)投影近似地保持包括在數(shù)據(jù)庫(kù)中的指紋的集合的幾何結(jié)構(gòu)(geometry)。由于隨機(jī)投影近似地保持任意兩個(gè)指紋之間的角度并且由于該角度因?yàn)樗鼈兊牟幌喔杀举|(zhì)是寬的，所以壓縮方法展現(xiàn)出魯棒的性能，同時(shí)顯著地減小問(wèn)題大小。該方法被提供為在數(shù)據(jù)庫(kù)5中儲(chǔ)存壓縮字典A和每當(dāng)測(cè)試圖案(例如，測(cè)試指紋)出現(xiàn)時(shí)使用相同的傳感矩陣Ф生成壓縮指紋的方式。為了限制數(shù)據(jù)庫(kù)5的大小，可以期望僅儲(chǔ)存允許生成傳感矩陣Ф的偽隨機(jī)數(shù)生成器的種子，而不是整個(gè)傳感矩陣Ф。實(shí)際上，完全有可能已經(jīng)通過(guò)不同的傳感矩陣Ф獲得了儲(chǔ)存在數(shù)據(jù)庫(kù)5中的不同指紋，并且如果儲(chǔ)存整個(gè)傳感矩陣Ф，這將增加數(shù)據(jù)庫(kù)5的大小。

如已經(jīng)提到的那樣，傳感矩陣Ф的選擇是非常重要的，事實(shí)上可以使用包括獨(dú)立同分布(i.i.d.)高斯隨機(jī)變量的傳感矩陣或循環(huán)矩陣或其他矩陣。盡管高斯矩陣可以在幾何結(jié)構(gòu)保持方面提供最佳性能，但是它們存在一些缺點(diǎn)，這使得它們?cè)诖笠?guī)模問(wèn)題中的使用相當(dāng)復(fù)雜。

首先，考慮從種子生成傳感矩陣Ф所花費(fèi)的時(shí)間量是重要的，實(shí)際上人們需要生成nm個(gè)隨機(jī)數(shù)，當(dāng)n是數(shù)百萬(wàn)數(shù)量級(jí)時(shí)，這會(huì)花費(fèi)顯著的時(shí)間量。在實(shí)際中，如所引用的那樣，人們通常無(wú)法儲(chǔ)存整個(gè)傳感矩陣Ф，因?yàn)檫@會(huì)要求太多存儲(chǔ)器，所以僅儲(chǔ)存?zhèn)坞S機(jī)數(shù)生成器的種子并且每次即時(shí)(on-the-fly)生成傳感矩陣Ф。

其次，對(duì)于字典D的每一列，也就是對(duì)于每一個(gè)指紋，必須執(zhí)行全矩陣乘以向量的乘法；這樣的操作要求大量的時(shí)間和高計(jì)算復(fù)雜度。為了避免這樣的問(wèn)題，最好使用部分循環(huán)矩陣。這樣的矩陣隨機(jī)地生成第一行(例如，具有i.i.d.高斯變量)，并且所有其他行僅僅是第一行的循環(huán)移位版本。性能分析已經(jīng)示出循環(huán)矩陣與全隨機(jī)高斯矩陣幾乎表現(xiàn)一樣好，并且證明約翰遜-林登施特勞斯(Johnson–Lindenstrauss)引理和RIP(“約束等距性”)可用于這樣的矩陣。循環(huán)矩陣提供巨大的優(yōu)點(diǎn)，因?yàn)閮H必須隨機(jī)地生成第一行，并且因?yàn)榭焖俪朔ㄍㄟ^(guò)FFT(“快速傅里葉變換”)是可用的。由于FFT的使用，傳感矩陣Ф和指紋字典D之間的積可以利用O(Nnlogn)次操作而不是全隨機(jī)i.i.d.矩陣所要求的O(Nmn)次操作來(lái)實(shí)現(xiàn)，其中N是D的列的數(shù)量，也就是數(shù)據(jù)庫(kù)5中相機(jī)的數(shù)量，m是傳感矩陣Ф的行的數(shù)量，也就是壓縮指紋的大小，以及n是傳感矩陣Ф的列的數(shù)量，也就是未壓縮指紋的大小。

本發(fā)明的方法還被提供為將標(biāo)量量化應(yīng)用到相機(jī)指紋的壓縮版本；可以利用任意數(shù)量的比特、尤其是利用1比特來(lái)執(zhí)行標(biāo)量量化。其中利用1比特來(lái)量化壓縮相機(jī)指紋的情況被稱為二進(jìn)制量化。

因此，可以通過(guò)量化壓縮指紋來(lái)實(shí)現(xiàn)進(jìn)一步的壓縮，而不是在壓縮指紋中保留浮點(diǎn)值。此外，注意，在1比特壓縮傳感的領(lǐng)域中，利用二進(jìn)制量化的隨機(jī)投影實(shí)現(xiàn)近似地保持信號(hào)之間的角度的嵌入。由于角度的保持是匹配問(wèn)題的主要興趣，也可以考慮利用二進(jìn)制量化的隨機(jī)投影的情況，其被獲得為：

A＝sign(ФD) (5)

在利用二進(jìn)制量化的壓縮指紋的情況下，由漢明距離替代相關(guān)系數(shù)作為測(cè)試度量。

因此，壓縮指紋的二進(jìn)制量化允許例如對(duì)數(shù)據(jù)庫(kù)5的進(jìn)一步的壓縮。

由于原始角較寬，與非匹配指紋的漢明距離傾向于比與正確指紋的距離(其理想地為零)大得多。二進(jìn)制隨機(jī)投影允許顯著地壓縮，同時(shí)性能劣化是有限的，并且由二進(jìn)制化產(chǎn)生的劣化較小，但是它允許在空間方面獲得顯著的增益。此外，計(jì)算漢明距離是非常快和高效的操作。

相機(jī)識(shí)別

相機(jī)識(shí)別問(wèn)題概念上非常類似于指紋匹配場(chǎng)景。主要的不同是可用的是單個(gè)測(cè)試圖像而不是它們的集合。注意，用于這個(gè)問(wèn)題的最優(yōu)相似度準(zhǔn)則是儲(chǔ)存在數(shù)據(jù)庫(kù)中的指紋的調(diào)制版本和圖像的噪聲殘差之間的相關(guān)性，其中調(diào)制項(xiàng)是測(cè)試圖像。由于數(shù)據(jù)庫(kù)中的指紋和測(cè)試圖像之間的按元素的積，不可能將這個(gè)準(zhǔn)則擴(kuò)展到壓縮域、也就是本發(fā)明的方法。

因此，在這種情況下，本發(fā)明的方法被提供為使用兩種可以容易地映射到壓縮域的簡(jiǎn)化的相似度準(zhǔn)則。

第一種簡(jiǎn)化的準(zhǔn)則將儲(chǔ)存在數(shù)據(jù)庫(kù)5中的指紋與測(cè)試圖像I_t的噪聲殘差w進(jìn)行相關(guān)。實(shí)質(zhì)上，這個(gè)方法消除了測(cè)試圖像I_t的調(diào)制效果，因此除非測(cè)試圖像I_t是恒定的圖案，否則該方法將是次優(yōu)的。足夠的是，將傳感矩陣Ф應(yīng)用到儲(chǔ)存在數(shù)據(jù)庫(kù)5中的至少一個(gè)指紋和期望知道哪個(gè)相機(jī)拍攝了測(cè)試圖像I_t的該測(cè)試圖像的噪聲殘差w這兩者，以由下面的公式所示的那樣將這個(gè)準(zhǔn)則轉(zhuǎn)換到壓縮域：

ρ(w,d_i)→ρ(Фw,Фd_i) (6)

其中，ρ是在公式(2)中定義的相關(guān)系數(shù)，并且d_i是屬于數(shù)據(jù)庫(kù)5中的字典D的第i個(gè)指紋。

第二種簡(jiǎn)化的準(zhǔn)則考慮使用從單個(gè)測(cè)試圖像I_t提取的指紋估計(jì)而不是噪聲殘差w。第二準(zhǔn)則然后將這個(gè)測(cè)試指紋估計(jì)與儲(chǔ)存在字典D中的指紋進(jìn)行相關(guān)，由下面的公式所示：

性能分析

在下文中描述由根據(jù)本發(fā)明的用于指紋匹配和相機(jī)識(shí)別的方法所獲得的性能。

匹配問(wèn)題關(guān)注于找到最匹配測(cè)試壓縮圖案的字典的列。對(duì)于壓縮字典中的每一列，測(cè)試壓縮指紋經(jīng)歷二進(jìn)制假設(shè)測(cè)試。兩個(gè)假設(shè)被定義為：

H0(空假設(shè))：壓縮測(cè)試指紋和列參考不是來(lái)自相同的相機(jī)；

H1(替代假設(shè))：壓縮測(cè)試指紋和列參考來(lái)自相同的相機(jī)。

每當(dāng)測(cè)試度量(相關(guān)系數(shù)或漢明距離)在預(yù)定的閾值τ以上時(shí)，空假設(shè)就被拒絕。在該說(shuō)明書中，下面的名稱將用來(lái)指不同的事件：

·假警報(bào)：空假設(shè)被錯(cuò)誤地拒絕；

·檢測(cè)：空假設(shè)被正確地拒絕；

·正確檢測(cè)：空假設(shè)僅對(duì)于正確的相機(jī)被拒絕；

·假檢測(cè)：空假設(shè)對(duì)于至少一個(gè)錯(cuò)誤的相機(jī)被拒絕。

用于這種分析的數(shù)據(jù)庫(kù)是Dresden圖像數(shù)據(jù)庫(kù)。這樣的數(shù)據(jù)庫(kù)包括平場(chǎng)圖像和來(lái)自室內(nèi)和室外環(huán)境的場(chǎng)景這兩者。已經(jīng)選擇了具有平場(chǎng)照片和自然照片這兩者的53個(gè)相機(jī)。從平場(chǎng)圖像創(chuàng)建數(shù)據(jù)庫(kù)以便具有高質(zhì)量指紋，而從自然場(chǎng)景拍攝測(cè)試圖像。自然照片呈現(xiàn)細(xì)節(jié)和照明條件的變化的量。所有照片注冊(cè)到相同的傳感器取向。

參考圖2，示出包括在各種條件下的Dresden數(shù)據(jù)庫(kù)的字節(jié)大小的表。具有被稱為“單精度”的參考標(biāo)號(hào)7的第一列指的是具有單精度(根據(jù)IEEE 754標(biāo)準(zhǔn)的32比特)浮點(diǎn)值的壓縮指紋，而具有被稱為“二進(jìn)制(1比特)”的參考標(biāo)號(hào)9的第二列指的是壓縮指紋的二進(jìn)制量化。項(xiàng)m表示傳感矩陣Ф的行的數(shù)量，因此表示壓縮指紋的大小。

容易注意到的是，壓縮數(shù)據(jù)庫(kù)的大小比相同數(shù)據(jù)庫(kù)的未壓縮版本小得多。此外，當(dāng)應(yīng)用隨機(jī)投影的二進(jìn)制量化時(shí)，壓縮變得更大。

參考圖3和圖4，示出由壓縮指紋的元素個(gè)數(shù)m所參數(shù)化的ROC(“接收器操作特征”)曲線。

具體地，圖3示出假警報(bào)概率P_FA(橫坐標(biāo)中)對(duì)檢測(cè)概率P_D(縱坐標(biāo)中)。具有參考標(biāo)號(hào)11的曲線指的是未壓縮數(shù)據(jù)庫(kù)，而具有參考標(biāo)號(hào)13的曲線指的是通過(guò)利用二進(jìn)制量化并且m＝32000的本發(fā)明的方法的壓縮數(shù)據(jù)庫(kù)。

圖4示出假檢測(cè)概率P_F(橫坐標(biāo)中)對(duì)正確檢測(cè)概率P_C(縱坐標(biāo)中)。具有參考標(biāo)號(hào)15的曲線指的是未壓縮數(shù)據(jù)庫(kù)，而具有參考標(biāo)號(hào)17的曲線指的是通過(guò)利用二進(jìn)制量化并且m＝64000的本發(fā)明的方法的壓縮數(shù)據(jù)庫(kù)。

根據(jù)圖3和圖4，在實(shí)驗(yàn)上驗(yàn)證了二進(jìn)制隨機(jī)投影具有良好的性能。相比于在匹配操作的復(fù)雜度和儲(chǔ)存方面的顯著節(jié)省，關(guān)于實(shí)值(real-valued)壓縮指紋(無(wú)量化)的差距較小。觀察到的是，具有m個(gè)二進(jìn)制量化的隨機(jī)投影的處理通常示出與具有m/2個(gè)實(shí)值隨機(jī)投影的處理的ROC幾乎重疊的ROC。因此，作為經(jīng)驗(yàn)法則，當(dāng)使用二進(jìn)制量化的隨機(jī)投影時(shí)，必須考慮壓縮指紋的元素?cái)?shù)量中的因子2的懲罰。然而，按照因子64降低了儲(chǔ)存要求(在雙精度壓縮指紋的情況下)，所以二進(jìn)制量化的隨機(jī)映射展現(xiàn)出極具競(jìng)爭(zhēng)力的性能。

縮放和旋轉(zhuǎn)

根據(jù)本發(fā)明的方法考慮了另一個(gè)方面，也就是壓縮指紋的縮放不變版本和旋轉(zhuǎn)版本，尤其是用于在數(shù)據(jù)庫(kù)5中儲(chǔ)存它們。

至此已經(jīng)描述的內(nèi)容考慮了壓縮指紋的字典的創(chuàng)建，其中每一個(gè)相機(jī)傳感器關(guān)聯(lián)到單個(gè)條目。通過(guò)將多個(gè)條目關(guān)聯(lián)到相同的相機(jī)傳感器以便提高該方法對(duì)變換(諸如，縮放或最常見的旋轉(zhuǎn))的魯棒性，可以擴(kuò)展這個(gè)概念。這表示計(jì)算時(shí)間和存儲(chǔ)器之間的權(quán)衡，因?yàn)榻?jīng)變換的圖案的隨機(jī)投影被儲(chǔ)存以便在匹配時(shí)不執(zhí)行測(cè)試指紋的任何變換。詞典的這種構(gòu)建稱為“冗余詞典”。

在這個(gè)方面，該方法的目標(biāo)是使得隨機(jī)投影對(duì)縮放變換變得魯棒，以便當(dāng)呈現(xiàn)縮放的照片時(shí)，通過(guò)僅保留PRNU圖案的隨機(jī)投影的數(shù)據(jù)庫(kù)5并且計(jì)算查詢圖案的隨機(jī)投影，系統(tǒng)1就可以正確地識(shí)別獲取該照片的成像傳感器。為了實(shí)現(xiàn)這個(gè)目標(biāo)，要求關(guān)于縮放的信息被映射到壓縮域。因此，考慮二維表示并且使用BCCB(“具有循環(huán)塊的塊循環(huán)”)傳感矩陣，而不是使用待壓縮的指紋的向量化版本。BCCB傳感矩陣的使用允許在壓縮指紋上保持關(guān)于縮放的信息，并且經(jīng)由二維DFT(“離散傅里葉變換”)有效地實(shí)現(xiàn)所述壓縮指紋的計(jì)算。隨機(jī)BCCB矩陣滿足RIP。

因此，在這種情況下，根據(jù)本發(fā)明的方法提供的是，經(jīng)由二維DFT，將從適當(dāng)?shù)乜s放的隨機(jī)圖案獲得的、即基于待壓縮的指紋(相機(jī)指紋)的大小n_x×n_y的BCCB矩陣用作傳感矩陣Ф，并且經(jīng)由適當(dāng)?shù)夭眉艉椭匦驴s放隨機(jī)投影，實(shí)現(xiàn)壓縮指紋的縮放不變版本的計(jì)算。該方法還提供這樣的技術(shù)，該技術(shù)使用儲(chǔ)存在數(shù)據(jù)庫(kù)5中的參數(shù)的集合正確地裁剪和重新縮放測(cè)試指紋的隨機(jī)投影，以匹配儲(chǔ)存在數(shù)據(jù)庫(kù)5中的壓縮指紋。所述參數(shù)優(yōu)選地包括待裁剪的區(qū)域的位置和大小以及未壓縮指紋的大小。

創(chuàng)建壓縮數(shù)據(jù)庫(kù)條目的過(guò)程如下：

·創(chuàng)建大小的隨機(jī)圖案(i.i.d.高斯)，其中大小與系統(tǒng)1處理的最大傳感器大小一致；

·給定大小n_x×n_y的相機(jī)指紋K，以下面的方式計(jì)算壓縮指紋：

-將重新調(diào)整大小到n_x×n_y以得到

-將隨機(jī)投影計(jì)算為這等同于使用其中第一行是的向量化版本的BCCB矩陣并且將其乘以K的向量化版本；

-裁剪大小m_x×m_y的Y的連續(xù)區(qū)域，并且儲(chǔ)存裁剪與Y的任意重新調(diào)整大小版本相同的區(qū)域的方式(例如，總是裁剪左上角并且儲(chǔ)存比例和)。

與測(cè)試指紋的匹配處理如下：

·給定大小n′_x×n′_y的測(cè)試指紋K'，以下面的方式計(jì)算壓縮指紋：

-將重新調(diào)整大小到n′_x×n′_y以得到

-將隨機(jī)投影計(jì)算為

-裁剪與數(shù)據(jù)庫(kù)中相同的Y'的連續(xù)區(qū)域(例如，如果它是左上，那么裁剪個(gè)像素)；

-將經(jīng)裁剪的區(qū)域重新調(diào)整大小到m_x×m_y；

·計(jì)算與字典的當(dāng)前條目的相關(guān)性。

應(yīng)當(dāng)注意，由于和的不同的值，必須對(duì)于字典的每一個(gè)條目重新進(jìn)行測(cè)試指紋的經(jīng)裁剪的隨機(jī)投影的重新調(diào)整大小。

在二進(jìn)制量化的壓縮指紋的情況下，數(shù)據(jù)庫(kù)5儲(chǔ)存隨機(jī)投影的二進(jìn)制量化的版本。在匹配階段期間，經(jīng)裁剪的測(cè)試壓縮指紋被重新調(diào)整大小并且然后被量化。最后，優(yōu)選地使用漢明距離作為相似度度量。

為了能夠在測(cè)試圖像已經(jīng)經(jīng)受了旋轉(zhuǎn)時(shí)檢測(cè)相機(jī)，本發(fā)明的方法被提供為將指紋的旋轉(zhuǎn)版本和翻轉(zhuǎn)版本的隨機(jī)投影包括在字典中，包括最常見的旋轉(zhuǎn)。作為示例，人們可能想要包括對(duì)應(yīng)于下面的變換的壓縮指紋：旋轉(zhuǎn)90°、180°、270°、上下翻轉(zhuǎn)、左右翻轉(zhuǎn)。優(yōu)選地，可以有總共8種組合，包括原始的指紋。

通過(guò)上面的描述，本發(fā)明的特征以及其優(yōu)點(diǎn)是清楚的。

根據(jù)本發(fā)明的用于指紋匹配和相機(jī)識(shí)別的方法的第一優(yōu)點(diǎn)是該方法允許減小相機(jī)指紋數(shù)據(jù)庫(kù)大小。

根據(jù)本發(fā)明的用于指紋匹配和相機(jī)識(shí)別的方法的第二優(yōu)點(diǎn)是該方法允許相對(duì)于現(xiàn)有技術(shù)降低指紋匹配和相機(jī)識(shí)別處理的計(jì)算復(fù)雜度。

根據(jù)本發(fā)明的用于指紋匹配和相機(jī)識(shí)別的方法的其他優(yōu)點(diǎn)是該方法允許在指紋匹配處理期間具有可縮放性。術(shù)語(yǔ)“可縮放性”的意思是壓縮指紋可以被修剪成任意長(zhǎng)度，以最優(yōu)地適應(yīng)數(shù)據(jù)庫(kù)5中的搜索的計(jì)算復(fù)雜度和數(shù)據(jù)庫(kù)5與設(shè)備3之間的通信所要求的帶寬。

在不偏離本發(fā)明思想的創(chuàng)新精神的情況下，通過(guò)示例的方式在本文中描述的用于指紋匹配和相機(jī)識(shí)別的方法、設(shè)備和系統(tǒng)可以經(jīng)受許多可能的變型；還清楚的是，在本發(fā)明的實(shí)際實(shí)現(xiàn)中，所說(shuō)明的細(xì)節(jié)可以具有不同的形狀或者用其他技術(shù)上等同的元件替代。

因此容易理解的是，本發(fā)明不限于用于指紋匹配和相機(jī)識(shí)別的方法、設(shè)備和系統(tǒng)，而是可以在不偏離如下面的權(quán)利要求中清楚地指定的本發(fā)明思想的情況下經(jīng)受等同部分和元件的許多修改、改進(jìn)或替代。