Schon viele Kriminalfilme haben gezeigt, daß man anhand von Fingerabdrücken Personen zu identifizieren vermag: Das individuelle Muster der Hautleisten auf den Fingerkuppen bleibt das ganze Leben über gleich; und weil die Haut immerzu etwas Schweiß absondert, hinterläßt dieses Relief auf glatten Gegenständen Abdrücke, die sich mit verschiedenen Methoden sichtbar machen lassen.

Doch nicht nur der Erkennungsdienst der Kriminalpolizei vergleicht Fingerabdrücke, die am Tatort oder während der polizeilichen Vernehmung aufgenommen wurden, mit denen aus einer zentralen Kartei; auch die Entwickler von Zutrittskontrollsystemen interessieren sich für dieses Verfahren, die sogenannte Daktyloskopie (nach griechisch dáctylos für Finger und skopein für betrachten). Beispielsweise lassen sich Türen mit geeigneten Sensoren ausstatten: Will jemand eintreten, wird sein Fingerabdruck mit Merkmalen verglichen, die beim Einrichten des Systems gespeichert wurden.

Fingerabdrücke mit einem automatischen System zu identifizieren war allerdings bislang nicht einfach. Beispielsweise ließ sich bei Abdrücken schlechter Qualität der Mustertyp nicht zuverlässig genug bestimmen; entsprechend gering fiel die Erkennungsrate aus. Die visuelle Prüfung durch einen Spezialisten war unerläßlich.

Am Fraunhofer-Institut für Produktionsanlagen und Konstruktionstechnik (IPK) in Berlin haben wir nun ein System aus mehreren Programm-Modulen entwickelt, das zunächst das Bild eines Abdrucks verbessert, sodann globale und lokale Merkmale ermittelt und codiert sowie schließlich zwei Fingerabdruckbilder vergleicht (Bild 2). Damit gelang es, die Erkennungsrate gegenüber denen der marktüblichen Systeme wesentlich zu erhöhen.


Gewinnung und Verbesserung des Bildes

Als erstes werden die Abdrücke mit einem Scanner in ein digitales Bild umgewandelt, wobei als Vorlage zum Beispiel der polizeiliche Erfassungsbogen oder das Photogramm einer Tatortspur dient; für die Zugangskontrolle hingegen wird der Finger meist auf ein Prisma gelegt und sein Leistenbild direkt von einer opto-elektronischen Kamera (also mit einem sogenannten charge coupled device, kurz CCD) aufgezeichnet.

Auf den Bildern sind die Linien der Fingerabdrücke oft unterbrochen oder verschmiert. Das erste Programm-Modul bestimmt deshalb die Gleichmäßigkeit des Linienverlaufs und rekonstruiert sie an den gestörten Stellen. Bereiche niedriger Güte, wo dies nicht gelingt, werden für die weitere Bearbeitung markiert oder ausgeblendet und für das Ermitteln der Fingerabdruckmerkmale nicht genutzt. Weil Unterbrechungen im Linienverlauf aber durchaus auch typische Merkmale sein können, ist es bei dieser Bildverarbeitung wichtig, das Wissen über die Umgebung der Fehlerstelle formalisiert anzuwenden.


Lokale und globale Merkmale

Was macht denn nun eigentlich die Fingerabdrücke von Personen so unverwechselbar? Beim genaueren Betrachten des Linienbildes sieht man winzige Merkmale, die sogenannten Minuzien (von lateinisch minutae für Winzigkeiten), die sich in ihrer Form und Lage zueinander im Laufe des Lebens nicht verändern. Dabei lassen sich zwei Grundformen erkennen: das Linienende und die Verzweigung. Aus diesen primitiven Merkmalen sind weitere, zusammengesetzte aufgebaut (Bild 1).

Mit dem zweiten Modul lassen sich all diese Kontextmerkmale automatisch finden und markieren. Dazu sucht es zunächst sämtliche primitiven Minuzien. Zusätzlich zu ihrer Position kann man ihnen eine Richtung zuordnen, wozu man den Verlauf der Linie, auf der sich das Merkmal befindet, und die Orientierung des Gabelstils oder des Linienendes nutzt. Aus Lage und Richtung benachbarter primitiver Minuzien werden nun die Kontextmerkmale ermittelt. Diese sind wegen ihrer Einmaligkeit äußerst wertvoll für die Identifizierung: Eine Übereinstimmung von mindestens zwölf Merkmalen wird in Deutschland auch gerichtlich als Indiz für die Urheberschaft eines Abdrucks durch eine bestimmte Person anerkannt; in Großbritannien sind 16, in Frankreich 17 übereinstimmende Merkmale erforderlich.

Nun ist aber beispielsweise bei der alltäglichen Anwendung in einem Polizeidezernat aus mehreren hunderttausend archivierten Fingerabdrücken der passende herauszusuchen. Dafür ist es hilfreich, wenn man bereits anhand globaler Merkmale die Fingerabdrücke in verschiedene Mustertypklassen eingeteilt und damit die Anzahl der zu vergleichenden Abdrücke reduziert hat.

Im Hautleistenmuster nahezu eines jeden Fingers einer Person finden sich bestimmte Grundformen. Solche Mustertypklassen lassen sich an ihrer Linienform und der Lage sogenannter singulärer Punkte im Linienbild erkennen. Die Punkte nennt man Musterkerne, wenn sie Stellen bezeichnen, an denen die Linien ihre Verlaufsrichtung umkehren und dadurch maximal gekrümmt sind. Delten hingegen sind solche Stellen, an denen die Linien eine dreieckige Struktur (nach griechisch delta) bilden. Aus der Anzahl der Kerne und Delten sowie ihrer Lage zueinander läßt sich die Klasse ableiten. Beispielsweise weisen Bogenmuster keine ausgezeichneten Punkte auf, elliptische Wirbel hingegen zwei Kerne und zwei Delten (Bild 3).

Die exakte Lage der singulären Punkte läßt sich mithin für eine Einteilung in Mustertypklassen nutzen. Man kann auch mit Hilfe eines künstlichen neuronalen Netzes, das entsprechend trainiert wurde, aus dem Grauwertbild des Fingerabdrucks die Mustertypklasse bestimmen; damit läßt sich zur Zeit allerdings nur zwischen Bogen-, Schlingen- und Wirbelmustern allgemein unterscheiden. Der Ansatz ist vor allem dort brauchbar, wo nur wenige Datensätze sehr schnell zu vergleichen sind, wie gerade bei Zutrittskontrollsystemen.


Merkmalscodierung

Bei unseren Verfahren werden die extrahierten Merkmale – Mustertypklasse, Kontextmerkmale sowie Lage und Richtung signifikanter primitiver Minuzien – in einem Datensatz gespeichert und können somit für spätere Vergleiche herangezogen werden. Für die Lage der Merkmale muß man einen gewissen Toleranzbereich akzeptieren, damit das System robust ist gegen äußere Störungen bei der Aufnahme der Fingerabdrücke. Beispielsweise ergeben kalte Finger kleinere Bilder als warme, gut durchblutete; unterschiedlich verzerrte Bilder erhält man wiederum, wenn die Finger verschieden stark auf die Unterlage gepreßt werden. Längen und Koordinaten gibt man deshalb in Einheiten des mittleren Linienabstandes an.

Wichtig ist demnach, daß im Merkmalssatz topologische Invarianten festgehalten sind, also die relativen Lagen der einzelnen Merkmale zueinander. Anders wären Fehlklassifikationen durch eine vom Ansatz her schlecht gewählte Codierung kaum zu vermeiden.


Merkmalsvergleich

Der Vergleich zweier Fingerabdrücke erfolgt nun mittels der gewonnenen Merkmale. Man könnte zwar die Ähnlichkeit der Fingerabdruckbilder in zentralen Bereichen auch direkt bestimmen, ohne sich explizit auf die Minuzien zu beziehen; wir erachten das jedoch, entsprechend kriminalistischen Kriterien, für zu ungenau. Deshalb arbeitet unser automatisches System ebenso, wie dies auch ein Fingerabdruck-Experte bei seiner Auswertung tun würde.

Anhand zweier Merkmalspunkte (singulärer Punkte oder signifikanter Minuzien) des einen Fingerabdrucks wird ein Koordinatensystem konstruiert und in Felder aufgeteilt, in denen die Merkmale liegen. In den zu vergleichenden zweiten Abdruck legt das Programm ebenfalls ein solches Koordinatensystem. Anschließend sucht es bei beiden Abdrücken gemeinsam auftretende Merkmale, die in den gleichen Feldern liegen. Gemeinsam auftretende Leerfelder werden ebenfalls bestimmt, damit sich nicht nur ein eindeutiger, sondern auch ein eineindeutiger Zusammenhang zwischen beiden Abdrücken herstellen läßt.

Aus diesen Angaben berechnet dann das Programm ein Ähnlichkeitsmaß. Diese Prozedur wird für weitere Paare von Merkmalen wiederholt und das Ähnlichkeitsmaß kumuliert, anhand dessen schließlich über die Gleichheit oder Ungleichheit des Abdruckpaares entschieden wird.

Will man nun einen Fingerabdruck zuordnen, so wird er mit jedem gespeicherten Abdruck der Datenbank verglichen; eine Liste der ähnlichsten Fingerabdrücke kann anschließend ein Fachmann am Bildschirm begutachten.


Systemkenngrößen

Die Leistungsfähigkeit automatischer Systeme wird in der Regel durch Fehlerraten bewertet. Dabei unterscheidet man zwischen solchen erster und zweiter Art: Mit der falschen Akzeptanzrate gibt man den Anteil an, bei dem fälschlicherweise eine Übereinstimmung festgestellt wurde (bei Zutrittskontrollsystemen beispielsweise wären es unbefugt eingelassene Personen); entsprechend bezeichnet die falsche Rückweisungsrate den Anteil nicht erkannter Übereinstimmungen (abgewiesener berechtigter Personen). Die beiden Werte sind nicht unabhängig, sondern werden von Parametern des Systems wie etwa der Vergleichsschwelle beeinflußt. Alternativ läßt sich der sogenannte crossover angeben, der Punkt, an dem beide Raten gleich sind.

Weitere Kenngrößen sind die Zeiten, die das System benötigt, um die Merkmale eines Fingerabdrucks zu extrahieren und zu speichern (bei unserer Entwicklung etwa eine halbe Minute) beziehungsweise um zwei gespeicherte Merkmalsätze zu vergleichen (wenige Millisekunden). Mittels der von uns entwickelten Programm-Module lassen sich nun die wesentlichen Merkmale von Fingerabdrücken automatisch generieren, in codierter Form ablegen und mit einer Datenbank abgleichen – zuverlässiger als mit bisherigen Systemen und weit schneller als bei der lange üblichen manuellen Methode.

Die realisierten Module eignen sich sowohl für die Identifikation als auch für die Verifikation einer Person anhand ihres Fingerabdrucks. Sie dienen

- kriminaltechnischen Zwecken,

- der Authentifikation im Paß- und Meldewesen mit Chipkarte als Ausweis,

- der Zugangskontrolle zu Computersystemen (Netzwerken),

- der Zutrittskontrolle sicherheitsrelevanter Räume und

- im Zahlungsverkehr der Authentifikation von Kunden- und Kreditkarteninhabern.


Aus: Spektrum der Wissenschaft 2 / 1997, Seite 96
© Spektrum der Wissenschaft Verlagsgesellschaft mbH