深度学习篇---FVC（指纹识别竞赛）数据集详解

FVC（Fingerprint Verification Competition，国际指纹识别竞赛）数据集是由意大利博洛尼亚大学、美国密歇根州立大学等国际顶尖学术机构联合发布的指纹识别基准数据集，自2000年起每两年发布一届，已成为指纹识别领域最权威的算法评测标准。

一、数据集概述

FVC数据集的设计理念是通过多传感器、多场景的指纹样本，为指纹识别算法提供统一的评测基准。每届竞赛发布4个子数据集（DB1-DB4），每个子数据集采用不同的采集技术和传感器类型，涵盖从高质量光学扫描到低质量电容传感的完整谱系。

二、各版本数据集详细对比

2.1 FVC2000数据集

FVC2000是首届指纹识别竞赛，为后续版本奠定了基础框架。四个子数据库采用三种不同采集技术和一种合成技术：

数据结构：每个子库包含110个手指，每个手指采集8幅图像。手指编号1-100构成Set A（用于最终评测），手指101-110构成Set B（用于参数调优）。

2.2 FVC2002数据集

FVC2002在FVC2000基础上优化了采集设备，引入了更高分辨率的传感器：

关键特性：DB2的分辨率高达569 dpi，是目前FVC系列中分辨率最高的光学数据集，适用于高精度细节点提取研究。

2.3 FVC2004数据集

FVC2004引入了更具挑战性的采集条件，包括干湿手指、压力变化等真实场景因素：

学术价值：FVC2004因其传感器多样性（同时包含两种电容式传感器）和真实采集难度，成为算法鲁棒性验证的“黄金标准”。

2.4 FVC2006数据集

FVC2006是最后一代传统FVC竞赛，进行了重要改进：

技术特点：

• DB1：电场传感器，96×96像素，250 dpi——最低分辨率子集，模拟低端设备

• DB2：光学传感器，400×560像素，569 dpi——最高质量子集

• DB3：热敏扫描传感器，400×500像素，500 dpi——模拟滑动式采集

• DB4：SFinGe 3.0合成，288×384像素，约500 dpi——最新版合成技术

采集创新：FVC2006首次引入人口多样性，采集对象包括体力劳动者和老年人，使数据集更具代表性。

三、数据集结构与组织规范

3.1 标准文件结构

FVC数据集采用统一的目录组织方式（以FVC2000为例）：

\FVC2000\ ├── Doc\ │ └── fvc2000_report.pdf # 竞赛技术报告 ├── Dbs\ │ ├── Db1a\ # DB1 Set A（800张） │ │ ├── 1_1.tif │ │ ├── 1_2.tif │ │ └── ... │ ├── Db1b\ # DB1 Set B（80张） │ ├── Db2a\、Db2b\、Db3a\、Db3b\、Db4a\、Db4b\ │ ├── index_a.MFA # Set A真匹配列表 │ ├── index_a.MFR # Set A假匹配列表 │ ├── index_b.MFA # Set B真匹配列表 │ └── index_b.MFR # Set B假匹配列表 └── Src\ # C语言示例代码

3.2 文件命名规则

• 命名格式：{手指编号}_{采集次数}.{格式}

• 示例：101_1.tif表示手指101的第1次采集

• 手指编号范围：1-100（Set A），101-110（Set B，FVC2006为101-150）

• 采集次数：1-8（FVC2006为1-12）

3.3 匹配协议文件

每个数据集配套四个匹配列表文件（.MFA和.MFR），定义了标准化的评测协议：

真匹配定义：同一手指不同采集次数之间的所有比对组合
假匹配定义：不同手指之间的所有比对组合

四、合成指纹数据集（SFinGe）

FVC2000-FVC2006均包含由SFinGe（Synthetic Fingerprint Generator）生成的合成指纹数据集（DB4）。SFinGe是博洛尼亚大学生物计量系统实验室开发的指纹合成工具。

合成指纹的优势：

• 无限量生成，不受隐私限制

• 可精确控制质量参数

• 无标注误差，真/假匹配完全确定

五、FVC-onGoing——持续评测平台

由于传统FVC竞赛已停办，博洛尼亚大学于2011年推出FVC-onGoing，提供持续在线的算法评测服务。

参与者可将算法提交至平台，获得标准化的性能评估报告，结果实时发布在官方网站。

六、数据集对比总结表

七、总结框图

核心要点：

• 4个版本：2000、2002、2004、2006

• 4个子库/版本：DB1-DB4（光学×2 + 电容/热敏 + 合成）

• 标准结构：Set A（评测）+ Set B（调优）+ 匹配列表

• 快速获取：git clone https://gitcode.com/gh_mirrors/fi/fingerprint-datasets

八、获取方式