用于评估指纹个体特异性的分层混合模型

指纹个体特异性的研究旨在确定指纹在多大程度上能唯一识别个体。最近的法庭案件凸显了当基于指纹证据识别个人时，需要指纹个体特异性的度量。指纹个体特异性研究的主要挑战在于充分捕捉人群中指纹特征的变异性。本文引入了分层混合模型来推断个体化的程度。分层混合利用了层次结构中不同层级混合模型的互补特性。在第一层（顶层），混合模型用于表示人群中指纹的同质组，而在第二层，嵌套混合模型用作每个指纹特征分布的灵活表示。分层混合模型的推断更具挑战性，因为未知混合成分的数量出现在层次结构的第一层和第二层。开发了一种基于可逆跳转马尔可夫链蒙特卡洛方法的贝叶斯方法，用于推断分层混合模型的所有未知参数。该方法在NIST数据库的指纹图像上进行了说明，并用于对该人群的指纹个体性估计进行推断。