巴西高分辨率纵向新生儿指纹数据库

新生儿时期对存活至关重要，准确和早期识别对于及时实施疫苗接种、HIV 治疗和营养计划等干预措施至关重要。生物识别解决方案有望通过帮助防止婴儿交换、定位失踪儿童和支持国家身份系统等方式提供儿童保护。然而，为新生儿开发有效的生物识别识别系统仍是一个重大挑战，因为指纹在早期发育期间因指纹生长、体重变化和皮肤质地改变而导致生理可变性。当前文献尝试通过对缩放因子进行处理以模拟婴儿生长引起的畸变，但此类方法未能捕捉婴儿复杂且非线性的生长模式。本领域的关键瓶颈是缺乏综合性的、纵向的生物识别数据集，能够捕捉新生儿指纹随时间演变的特征。本研究致力于设计和开发一个高质量的新生儿指纹生物识别数据库，数据在多个早期生活阶段进行采集。该数据集旨在支持机器学习模型的训练和评估，以模拟生长对生物识别特征的影响。我们假设，此数据集将使开发能够更准确地预测 minutiae 图中变化的深度学习模型成为可能，从传统的基于缩放的方法实现更高保真度。最终，这一努力为面向新生儿独特发育轨迹的更可靠生物识别识别系统奠定了基础。