Biometrics

Lecture (4)

➢ Positive Identification , Negative Identification :

▪ Biometric systems conduct searches of database to determine

if an individual is enrolled, and this is Positive Identification.

▪ Negative Identification, to confirm that a user is not

enrolled.

‫ هو ان اى شخص كان‬Positive and Negative recognition ‫ كان الفرق بين ال‬-

‫ اصبح هناك‬biometric ‫ لكن بظهور ال‬, positive ‫ هيكون‬card ‫معاه المفتاح او ال‬
negative ‫اشخاص ترفض و بالتالى هم هيكونوا‬

‫ العمل‬user ‫ ده هو نفس ال‬user ‫ يتاكد ان ال‬Positive Identification ‫ و هنا‬-

system ‫ قبل كده فى ال‬enrollment

imposter ‫ ده شخص دخيل او‬user ‫ يتاكد ان ال‬Negative Identification ‫ لكن ال‬,

system ‫على‬

➢ Common Biometric Processes :

▪ Matching process of two phases:

1. Capture and Comparison of biometric sample.

2. Decision as to whether to accept or reject the input as

authentic.

# Scope 8
 ▪ The first is specific to biometric type, while handling
decision is independent of biometric type.

‫ و عرفنا ان سؤاء كان‬, ‫ فى المحاضره السابق‬system ‫ تم شرح الخطوات الخاص بال‬-

‫ (و هى عمليه تجميع‬enrollment ‫ الزم يمر بمرحله ال‬verification ‫ او‬identification
‫ فى ال‬template ‫ و تسجيلها فى شكل‬sensor ‫ عن طريق ال‬user ‫للداتا الخاص بال‬
) database

➢ Components of matching process:

‫ فى اى جزء يعتمد‬, fingerprint ‫ و اخر بال‬face recognition ‫ بال‬system ‫ عندنا هنا‬-

!‫ المستخدمه و اى منها ال يعتمد عليها ؟‬biometric ‫ على نوع ال‬system ‫ال‬

: ‫ على‬system ‫✓ يعتمد ال‬

‫ المستخدم‬sensor ‫) نوع ال‬1
features extraction algorithm ‫) ال‬2
‫ حسب نوع الداتا العندنا‬, matching algorithm ‫) اختيار ال‬3

# Scope 8
 : ‫ على‬system ‫✓ ال يعتمد ال‬
similarity score ‫ او‬matching score ‫ هى‬matching ‫ ان ناتج عمليه ال‬-
‫ و مش هيعتمد على نوع ال‬, ‫ معين‬threshold ‫و ده رقم هطبق بعد كده عليها‬
biometric

, biometrics ‫ سوف تعتمد على نوع ال‬matching ‫ يعنى كل الخطوات لحد عمليه ال‬-
biometric ‫ ال يعتمد على نوع ال‬matching score ‫لكن ما بعد ال‬

➢ Biometric Independent Process :

- Output of biometric matching process is a similarity score.

matching score ‫ او‬similarity score ‫ هو‬matching ‫ ناتج عمليه ال‬-

- It is possible to compare performance of biometric modalities and

technologies despite their differences.

modalities == type == trait == characteristic ‫ ان ال‬-

➢ Biometric Matching Basics :

- Biometric matching algorithm is a comparison system, taking

biometric samples as input, and producing as its output a
measure of similarity.

- This similarity (called a matching score) based on algorithm

and is the fundamental output of the matching process.

➢ Match scores :

# Scope 8
- Match scores are either genuine matches, which should be high
scores, or impostor matches, which should be lower scores.

‫ كان‬high score = score ‫ عندما تكون قيمه ال‬, ‫ هى قيم رقميه‬matching score ‫ ال‬-
‫ كان‬low score = score ‫ و عندما تكون قيمه ال‬, match ‫ او‬genuine ‫الشخص‬
reject ‫ او‬imposter ‫الشخص‬

- System’s performance is based on these scores.

‫ عندما ننتهى من عمل ال‬, system performance ‫ و ذلك المبدا هو الذى نبنى عليه ال‬-
‫ سؤاء‬system ‫ لل‬evaluation ‫ (ممكن اعمل‬evaluation ‫ و نبدا فى عمليه ال‬system
) figures ‫باالرقام او بال‬

- Biometric graphs summarize this information in useful way.

➢ Example:Biometric Authentication : Fingerprint sensor

on a laptop :

fingerprint ‫ يعتمد على ال‬, laptop ‫ ل‬sensor ‫ ما فى الصوره السابق هو‬-

# Scope 8
• Enrollment

- Before enrolling, user prove he is valid user of laptop by using

a password with permission to associate a biometric with their log-
in information.

- Enrollment process involves presenting finger to sensor (two or

more times) so system record all important and distinctive details
from fingerprint.

‫ و بالتالى نقوم بمراجعه‬, ‫ يؤدى لنواتج غلط‬, ‫ لكل خطوه بشكل كويس‬check ‫ لو لم نقوم بعمل‬-
feature extract ‫ و ال‬algorithm of matching ‫ و ال‬threshold ‫كل من ال‬
‫ للبحث عن مكان المشكله و حلها‬sensor ‫ و نوع ال‬preprocessing ‫ و ال‬algorithm

- Details captured are stored as template to recognize finger every

time.

- Users having difficultly using the sensor, or have poor quality

fingerprints, may not be able to enroll, and this is known as a
Failure to Enroll (FTE).

‫ تسمى‬, ‫ و ادى لحدوث خطا فى الصور التى تم تجميعها‬enrollment ‫ لو حدث مشكله فى ال‬-
FTA ‫ او‬FTE ‫نسبه هذا الخطا ب‬

‫ الن لو كان هناك خطا سوف نرجع‬, ‫ سليم‬system ‫ لكى نتاكد ان ال‬FTA ‫ يجب حساب ال‬-
token data ‫ و من الممكن حلها باستخدام ال‬, ‫خطوات قليل‬

➢ Correct User:

- Correct User : When user want to access computer, he places

finger on sensor, fingerprint sample is captured, compared
against previously enrolled fingerprint template, resulting in
a match score.

# Scope 8
- This is known as genuine match, because comparison is
between samples from same user.

- If similarity score is high, user is allowed to proceed.

fingerprint ‫ يدخل الشخص ال‬, accept ‫ هذه الحاله ان عندنا شخص المفروض يكون‬-
high value = score ‫ و عندما يكون ال‬, template ‫ ثم يتم مقارنتها بال‬, ‫الخاص بيه‬
)correct user( genuine ‫فيكون الشخص‬

➢ Why Correct User is rejected as similarity score is too low :

‫ وجدنا ان بعض االشخاص المفروض يكونوا‬, system ‫ ان بعد لما خلصت ال‬, ‫ المشكله هنا‬-
low value ‫ الخاص كان‬score ‫ وجدنا ان هذا الشخص ال‬, genuine ‫ او‬accept
!‫ طيب ليه ؟‬. ) reject ‫(يعنى‬

1. Fingerprint sample is poor quality. For example, finger is placed

on sensor and only part of fingerprint is visible.

- If user is continually rejected this is known as false reject.

,‫ بشكل صحيح‬sensor ‫ لم يستخدم ال‬user ‫ هناك مشكله فى الصوره التى تم اخذها الن ال‬-
, accept ‫ و هو المفروض ان يكون‬system ‫فتكون غير مميزه فعندما يدخل الشخص على ال‬
‫ النه رفض بالخطا النه من المفروض ان‬false reject ‫ فيكون الشخص‬, reject ‫يجد انه‬
accept ‫يكون‬

‫ بشكل صحيح‬sensor ‫ كيفيه استخدام ال‬user ‫ حل هذه المشكله هى ان نشرح لل‬-

- The false reject rate (FRR) : the estimate of probability that

correct user is falsely rejected.

# Scope 8
‫ و هى قيمه احتمال او معدل‬, system ‫ هى قيم مهم جدا و يجب حسابها لكل‬FRR ‫ ال‬-
‫ و لكن‬genuine ‫االشخاص الذى حصل لهم رفض بشكل خطا (يعنى المفروض يكون الشخص‬
genuine ‫ او‬accept ‫ خاص باالشخاص ال‬, ) imposter ‫ طلعوا‬system ‫ال‬

5/40 = FRR ‫ تكون ال‬, ‫ شخص‬40 ‫ شخص تم رفضهم بالخطا من‬5 ‫ يعنى لو عندنا‬-

2. fingerprint quality was bad (finger is wet, or finger is not

pressed hard enough against the sensor), so no matching could
take place, this is called a failure to acquire (FTA).

‫ لم يضغط على ال‬user ‫ و ذلك الن ال‬user ‫ غير واضح من ال‬sample ‫ عندما ناخذ‬-
sample ‫ بشكل صحيح و هو يعطى ال‬sensor

acquisition ‫ غير سليم و ذلك بسبب حدوث خطا اثناء عمليه ال‬features ‫ او ان تكون ال‬-

3. finger used for verification is not the same enrollment finger.

- These are known as different biometric characteristics, as each

finger has a unique fingerprint pattern.

- Since match is between different characteristics, this is called

impostor match despite the fact that it is from the Correct User.

‫ و عندما جاء ليدخل على ال‬, left hand ‫ تعنى انه عندما كان يسجل الشخص سجل بال‬-
different biometric ‫ و يطلق عليها اسم‬, right hand ‫ استخدم‬system
‫ مختلف بصفات مختلف‬biometric ‫ النه استخدم‬characteristics

‫ المستخدم فى‬hand ‫ التى كان مسجل فيها ال‬metadata ‫ حل هذه المشكله هى الرجوع لل‬-
‫التسجيل‬

# Scope 8
4. fingerprint was correct and of good quality, but a weakness of
matching algorithm led to low score.

‫ المناسب للداتا‬algorithm ‫ الزم نختار ال‬, ‫ ضعيف‬matching algorithm ‫ اختيار‬-

➢ Incorrect User :

- case of incorrect user trying to access laptop, this is known as

impostor match.

- ‘impostor’ refers to the fact that the two matches are not taken
from same biometric characteristic.

- If similarity score is low, person trying to log-in will be correctly

rejected, and laptop will be secure.

fingerprint ‫ يدخل الشخص ال‬, reject ‫ هذه الحاله ان عندنا شخص المفروض يكون‬-
value low = score ‫ و عندما يكون ال‬, template ‫ ثم يتم مقارنتها بال‬, ‫الخاص بيه‬
)incorrect user( Imposter ‫فيكون الشخص‬

➢ Incorrect user logs in laptop as high similarity score:

‫ وجدنا ان بعض االشخاص المفروض يكونوا‬, system ‫ ان بعد لما خلصت ال‬, ‫ المشكله هنا‬-
high value ‫ الخاص كان‬score ‫ وجدنا ان هذا الشخص ال‬, imposter ‫ او‬reject
!‫ طيب ليه ؟‬. ) accept ‫(يعنى‬

1. impostor fingerprint look similar to the one enrolled.

extract feature algorithm ‫ و ذلك الن هناك مشكله فى ال‬, ‫ مميز‬features ‫ عدم اخذ‬-

- This is a False Accept as an impostor allowed to access.

# Scope 8
- Rate estimated to occur for random users is the False Accept
Rate (FAR).

‫ و هى قيمه احتمال او معدل‬, system ‫ هى قيم مهم جدا و يجب حسابها لكل‬FAR ‫ ال‬-
‫ و لكن‬imposter ‫االشخاص الذى حصل لهم قبول بشكل خطا (يعنى المفروض يكون الشخص‬
imposter ‫ او‬reject ‫ خاص باالشخاص ال‬, ) genuine ‫ طلعوا‬system ‫ال‬

2. Impostor created artificial fingerprint, either through covert means.

- This is spoofing, and is example of vulnerabilities found in

biometric systems.

- Detection of spoofing is often undertaken outside the matching

algorithm.

security algorithm ‫ و حلها ان نستخدم‬, biometric ‫ سهوله فبركه ال‬-

3. Impostor fingerprint is not look like enrolled finger, but

matching algorithm has weakness that lead to high score.

‫ المناسب للداتا‬algorithm ‫ الزم نختار ال‬, ‫ ضعيف‬matching algorithm ‫ اختيار‬-

: ‫ ملحوظه‬-
‫ يكونوا‬imposter ‫ خطا فيؤدى لحدوث خطا فى ال ان ال‬threshold ‫ ان مينفعش استخدم ال‬-
‫ كله‬system ‫ الن هذا خطا قاتل لو حصل هيضيع ال‬, ‫ عندنا‬system ‫ فى ال‬genuine

‫ و التى من المفروض ان تقترب‬, system ‫ لكل‬FRR , FAR ‫ يجب حساب قيمه ال‬-
zero ‫ و لكن من المستحيل ان تساوى‬, zero ‫قيمتهم لل‬

➢ Match Threshold :

# Scope 8
- Match Threshold : To Accept or Reject depends on how high or
low the match score is.

‫ بناء على قيمه ال‬imposter ‫ و ال‬genuine ‫ هو رقم يستخدم لتحديد ال‬: threshold ‫ ال‬-
score ‫ فهذا يعنى ان كل شخص قيمه ال‬95 = threshold ‫ يعنى لو قلنا ان ال‬, score
‫ الخاص بيه‬score ‫ و ان كل شخص قيمه ال‬, genuine ‫ يكون‬95 ‫الخاص بيه اكبر من‬
imposter ‫ يكون‬95 ‫اصغرمن‬

- This decision is made by Comparing the score to a fixed value

known as Match Threshold.

➢ Options on impostor and genuine depending on score:

: ‫ فى الجدول السابق‬-

# Scope 8
 ‫‪ )1‬لو كانت قيمه ال ‪ score‬اكبر من او تساوى ال ‪ <---- threshold‬هيكون ‪genuine‬‬
‫و ‪( correct accept‬يعنى انا كنت عرف انه الشخص ده المفروض يكون ‪genuine‬‬
‫و لما طبقنا عليه ال ‪ system‬طلع ‪) genuine‬‬

‫‪ )2‬لو كانت قيمه ال ‪ score‬اصغر من ال ‪ <---- threshold‬هيكون ‪ imposter‬و‬

‫‪( correct reject‬يعنى انا كنت عرف انه الشخص ده المفروض يكون ‪ imposter‬و‬
‫لما طبقنا عليه ال ‪ system‬طلع ‪) imposter‬‬

‫‪ )3‬لو كان الشخص المفروض ‪ imposter‬و طلعت قيمه ال ‪ score‬الخاص بيه اكبر من او‬
‫يساوى ‪ <---- threshold‬فيكون ‪ FAR‬و ‪( incorrect accept‬النه المفروض‬
‫كان يترفض لكن القيم الخاص بيه طلعت اكبر من ال ‪ threshold‬و اتقبل ) ‪ ,‬يعنى اتقبل‬
‫بالغلط‬

‫‪ )4‬لو كان الشخص المفروض ‪ genuine‬و طلعت قيمه ال ‪ score‬الخاص بيه اصغر من‬
‫‪ <---- threshold‬فيكون ‪ FRR‬و ‪( incorrect reject‬النه المفروض كان يتقبل‬
‫لكن القيم الخاص بيه طلعت اصغر من ال ‪ threshold‬و اترفض ) ‪ ,‬يعنى اترفض‬
‫بالغلط‬

‫‪ FTA )5‬لو لم يكون له ‪ score‬او ال ‪ score‬الخاص بيه كان ‪ , very low‬و ذلك‬
‫بسبب حدوث مشكله فى ال ‪acquisition‬‬

‫‪➢ Matching Performance :‬‬

‫‪- To test fingerprint algorithm both impostor and genuine‬‬

‫‪matches must be conducted.‬‬

‫‪- During testing it is known whether matches are impostor or‬‬

‫‪genuine, so scores can be appropriately labeled.‬‬

‫‪# Scope 8‬‬

- labeling of matches as impostor or genuine is known as
Establishing Ground Truth.

‫ حيث‬, ‫ الخاص بيك‬reference ‫ هو جدول او‬Establishing Ground Truth ‫ ال‬-

‫ و ان ال‬high ‫ الخاص بهم‬score ‫ اشخاص دول المفروض يكون ال‬10 ‫ان احنا عارفين ان‬
low ‫ الخاص بهم‬score ‫ اشخاص دول المفروض يكون ال‬10

- Standard graphs are used in biometric testing as interpreting

biometric evaluation results .

- The fundamental is the Score Histogram, it represents

probability distribution of the scores.

- Score Histogram shows frequency of scores for both genuine

and impostor matches over full range of possible scores.

‫ حيث انه يبين عدد التكرار كل‬, evaluation ‫ هو نوع من انواع ال‬histogram ‫ ال‬-
‫ بقسمه عدد التكرار‬FRR , FAR ‫ ليستخدم لحساب قيم االحتماالت الخاص بال‬, score
total ‫على ال‬

‫ الخاص بيه‬frequency ‫ و ال‬score ‫ يمثل عالقه بين ال‬histogram ‫ ال‬-

➢ Match score histogram :

# Scope 8
 ‫ ده‬score ‫ يعبر عن عدد تكرار ال‬bar ‫ حيث ان كل‬histogram ‫ هى‬, ‫ الرسم السابق‬-

▪ Black Bars :

- genuine distribution (range and frequency of genuine scores).

high ‫ كانت‬score ‫ الن قيم تكرار ال‬genuine ‫ تمثل ال‬black bars ‫ ال‬-

▪ White Bars:

- impostor distribution (range and frequency of impostor

scores).

low ‫ كانت‬score ‫ الن قيم تكرار ال‬imposter ‫ تمثل ال‬white bars ‫ ال‬-

✓ Setting a Threshold :

# Scope 8
- Fingerprint algorithm in laptop correctly accept or reject a biometric
match depending on setting threshold.

- When setting this threshold value, there is a trade off between

falsely preventing legitimate users from logging in, or making the
system difficult to use, and falsely accepting impostors, making
system insecure.

- To determine Optimal value , do testing, with genuine users and

impostors, to establish score ranges of algorithm for each match
type.

‫ و كل شخص عند ال‬, imposter ‫ هو‬white bars ‫ ده احنا عرفنا ان كل شخص عند ال‬-
‫ لكن هناك مشكله فى الجزء الموجود فى منتصف الرسم الن ال‬, genuine ‫ هو‬black bars
‫ الصح الذى يفصل بين ال‬threshold ‫ ازاى نحدد ال‬, ‫ متداخل فيه مع بعضها‬bars
genuine ‫ و ال‬imposter

‫ فسوف‬, system ‫ يدخل ال‬imposter ‫ يعنى مش عايز اى حد‬security ‫فلو مهتم بال‬
‫ الخاص بهم‬score ‫ القيمه‬genuine ‫ و بقى االشخاص ال‬70 = threshold ‫نختار‬
algorithm ‫) هدخلهم معانا بتعديل فى ال‬FRR ‫ (هيكونوا‬threshold ‫هتكون اقل من ال‬

‫ فسوف‬, system ‫ يدخل ال‬genuine ‫ يعنى عايز كل ال‬security ‫لو مش مهتم بال‬
‫ الخاص بهم‬score ‫ القيمه‬imposter ‫ و بقى االشخاص ال‬50 = threshold ‫نختار‬
)FAR ‫ (هيكونوا‬threshold ‫هتكون اكبر من ال‬

‫ يكون عندنا‬genuine ‫ يجعل ال‬, optimal threshold ‫ المفروض ان نستخدم‬-

‫ لكن ده استحاله ان تكون‬, imposter ‫ يكون عندنا‬imposter ‫ و يجعل ال‬genuine
zero = FAR , FRR ‫قيمه ال‬

‫ و احد االدوات‬, performance evaluation ‫ نوع من انواع ال‬histogram ‫ ال‬-

threshold ‫المهم المستخدم فى تحديد ال‬

# Scope 8
➢ Equal Error Graph :

- For setting secure threshold, graphs can be generated, or

understood, from data in score histogram.

- On histogram, threshold is picked (point on x-axis) and the

number of impostor scores above this value is counted (these are
false matches).

- proportion of these compared to overall number of impostor

matches gives false match rate at that threshold.

- For genuine, proportion of score below threshold gives false

nonmatch rate.

Equal Error Graph ‫ حيث ان ال‬, histogram ‫ يشبه ال‬Equal Error Graph ‫ ال‬-
‫) و‬histogram ‫ فى ال‬FAR ‫ (و هى التى كانت تعرف ب‬false match rate ‫يوضح ال‬
)histogram ‫ فى ال‬FRR ‫ (و هى التى تعرف ب‬false nonmatch rate ‫ال‬

: FAR == )FMR( false match rate -

‫ لكن حصل لهم قبول فى ال‬, ‫ هى معدل االشخاص التى كان من المفروض ان يتم رفضهم‬-
‫ فى ال‬accept ‫ الذين حصل لهم‬imposter ‫ او عدد االشخاص ال‬,‫ بالخطا‬system
imposter ‫ خاصه بال‬, system

: FRR == )FNMR( false nonmatch rate -

‫ لكن حصل لهم رفض فى ال‬, ‫هى معدل االشخاص التى كان من المفروض ان يتم قبولهم‬
‫ فى ال‬reject ‫ الذين حصل لهم‬genuine ‫ او عدد االشخاص ال‬, ,‫ بالخطا‬system
genuine ‫ خاصه بال‬, system

# Scope 8
- Repeating process over range of threshold values, graph is
generated showing false match rate against false non-match
rate for any threshold.

- This allows reading trade-off between making system easy to

use (few false rejections) and secure (few false acceptances).

➢ Equal error graph for fingerprint system :

FMR , FNMR ‫ و ال‬threshold ‫ هى عالقه بين ال‬-

‫ مع ال‬FMR ‫ هى النقطه التى تتساوى فيها ال‬: Equal Error Rate (EER) ‫ ال‬-
) 60 ‫ (فى الرسم السابق هتكون عند‬FNMR

system ‫ كل لما يكون ال‬, ‫ صغيره‬FMR, FNMR ‫ كل لما تكون المنطق المشترك بين ال‬-
imposter , genuine ‫ للفصل بين ال‬optimal threshold ‫ و يجب ان ناخذ قيمه‬, ‫افضل‬

- The equal error (where the FMR=FNMR) occurs at threshold of

62.5 with an error of 3.4%.
3.4 = error ‫ بنسبه‬, 62.5 = threshold ‫ استخدم هنا‬-

# Scope 8
➢ Biometric Authentication: Card door access :

1. Matching Data

• 10 access cards are used some to genuine users and some to

not correct card holders.

# Scope 8
• Each person in test presents their card, labeled (A-J), to the door
and match score is generated depending on similarity of the
enrollment stored and images collected from camera.

, 10 users ‫ سوف يتم تطبيقها على‬, face recognition ‫ يعمل بال‬system ‫ عندنا‬-
1000 users ‫ يطبق على‬10 users ‫ و ما يطبق على‬, ‫لتسهيل الحسابات‬

!‫ ؟‬optimal threshold ‫ ان احدد ال‬, ‫ المطلوب من المساله‬-

‫ و بعد ذلك سوف يتم‬, ‫ يظهروا االول‬card ‫ كل واحد منهم معاه‬, 10 users ‫ احنا عندنا‬-
) verification ‫ مع الصوره يعتبر‬card‫ (ال‬, ‫ الخاص بيه‬face ‫تصوير‬

)10 ‫ لل‬1 ‫ (من‬users ‫ ) لل‬J ‫ لل‬A ‫ (من‬labels ‫ اعطينا‬, 10 users ‫ لل‬label ‫ اعطينا‬-

• score = 1 ‘Certainly different person’

• score =3 ‘Unsure’
• Score=5 ‘Certainly same person’.
• match cannot be done (poor image quality, not enough light) =
‘Fail’ is placed next to the image.

: threshold ‫ بناء على ال‬system ‫ الحاالت العندنا فى ال‬-

accept ‫هنكون متاكدين انه شخص‬ 5 = score ‫) لو كان ال‬1

reject ‫هنكون متاكدين انه شخص‬ 1 = score ‫) لو كان ال‬2
reject ‫ وال‬accept ‫هنكون مش متاكدين هل الشخص‬ 3 = score ‫) لو كان ال‬3
‫ يعنى ان الصوره لم تكون واضح او حدث خطا فى االضاءه اثناء التقاط الصوره‬fail ‫) لو كان‬4

‫ فى ال‬score ‫ االرقام الخاص بال‬range ‫ قيم معتمد على‬threshold ‫ ال‬: ‫ ملحوظ‬-

‫ تكون هى قيمه االشخاص ال‬system ‫ فى ال‬score ‫ حيث ان اعلى قيم فى ال‬, system
‫ فى ال‬score ‫ و اقل قيم فى ال‬, )5 ‫ اعلى قيم كانت ال‬system ‫(هنا فى ال‬accept
) 1 ‫ اقل قيم كانت ال‬system ‫ (هنا فى ال‬reject ‫ تكون هى قيمه االشخاص ال‬system

# Scope 8
 ‫‪ -‬هذه هى صور ال ‪ , 10 users‬حيث ان الصوره االول هى صوره الشخص اثناء ال‬
‫‪( enrollment‬اثناء جمع الصور ) ‪ ,‬و تانى صوره هى صوره نفس الشخص اثناء عمليه ال‬
‫‪( evaluation‬اثناء التسجيل على ال ‪)system‬‬

‫‪ -‬الصور بالترتيب ‪, from left to right‬‬

‫‪ )1‬اول صوره لنفس الشخص بس االضاءة مختلف‬
‫‪ )2‬تانى صوره لنفس الشخص لكنه فى الصوره االخرى مبتسم‬
‫‪ )3‬صوره لنفس الشخص لكنه فى الصوره االخرى لم يرتدى النظاره‬
‫‪ )4‬صوره لنفس الشخص لكنه فى الصوره االخرى مبتسم‬
‫‪ )5‬حدث ‪ fail‬فى الصوره‬
‫‪ )6‬مش متاكد هل الصوره لنفس الشخص ام ال‬
‫‪ )7‬الصوره مختلف ‪ ,‬هو ‪imposter‬‬
‫‪ )8‬الصوره مختلف ‪ ,‬هو ‪imposter‬‬
‫‪ )9‬لنفس الشخص لكنه فى الصوره االخرى لم يرتدى النظاره‬
‫‪ )10‬الصوره مختلف ‪ ,‬هو ‪imposter‬‬

‫دى وجهه نظرنا عندما راينا الصور السابق‬

‫‪# Scope 8‬‬

2. Ground Truth

• First four images (labeled A-D) are genuine.

• remainder (labeled E-J) are impostor .

- number of scores for each matches 1=bad match , 5=good match

: ‫ الخاص بينا طلع الناتج هكذا‬system ‫✓ عندما طبقنا ال‬

preprocessing ‫ لكن محتاجين‬genuine ‫ هيكونوا‬D ‫ لل‬A ‫ االشخاص من‬-
imposter ‫ هيكونوا‬J ‫ لل‬E ‫ االشخاص من‬-

‫ الذى استخدمنا كان جيد النه طلع‬feature extraction algorithm ‫ و هذا يعنى ان ال‬-
!‫ ؟‬optimal threshold ‫ و عايزين دلوقتى نحدد ال‬, ‫النواتج كما توقعناها فوق‬

# Scope 8
 ‫❖ خطوات تحديد ال ‪: optimal threshold‬‬

‫✓ هنحسب عدد مرات التكرار لرسم ال ‪: histogram‬‬

‫‪- Genuine and impostor score distribution for previous match pairs‬‬

‫‪ -‬هنعدد كام شخص كان ‪ genuine‬و ال ‪ score‬الخاص بيه = ‪ , 1‬و كام شخص كان‬
‫‪ genuine‬و ال ‪ score‬الخاص بيه = ‪ , 2‬و كام شخص كان ‪ genuine‬و ال ‪score‬‬
‫الخاص بيه = ‪ , 3‬و كام شخص كان ‪ genuine‬و ال ‪ score‬الخاص بيه = ‪ , 4‬و كام شخص‬
‫كان ‪ genuine‬و ال ‪ score‬الخاص بيه = ‪5‬‬

‫‪ -‬هنعدد كام شخص كان ‪ imposter‬و ال ‪ score‬الخاص بيه = ‪ , 1‬و كام شخص كان‬
‫‪ imposter‬و ال ‪ score‬الخاص بيه = ‪ , 2‬و كام شخص كان ‪ imposter‬و ال ‪score‬‬
‫الخاص بيه = ‪ , 3‬و كام شخص كان ‪ imposter‬و ال ‪ score‬الخاص بيه = ‪ , 4‬و كام‬
‫شخص كان ‪ imposter‬و ال ‪ score‬الخاص بيه = ‪ , 5‬كام شخص كان ‪fail‬‬

‫‪ -‬مع ملحوظه ‪:‬‬

‫‪ -‬االشخاص من ‪ A‬لل ‪ D‬هيكونوا ‪ genuine‬لكن محتاجين ‪preprocessing‬‬
‫‪ -‬االشخاص من ‪ E‬لل ‪ J‬هيكونوا ‪imposter‬‬

‫و هكذا سوف نكون الجدول السابق‬

‫‪# Scope 8‬‬

3. Calculating Error Rates and Graphs

: imposter ‫ و‬genuine ‫✓ هنحسب احتمال كل من‬

• low scores are impostors

• high scores are genuine.
• values in table is turned into performance rates by dividing the
cumulative number of matches by the total number of
genuine matches (4) and impostor matches (6)

4 = genuine ‫ لل‬total ‫ يعنى العدد ال‬, genuine ‫ هم‬D ‫ ل‬A ‫ احنا عارفين ان من‬-
6 = imposter ‫ لل‬total ‫ يعنى العدد ال‬, imposter ‫ هم‬J ‫ ل‬E ‫ و عارفين ان من‬-

: ‫ هنحسب‬-
‫ (ال‬4 / ‫ فى الجدول السابق‬genuine ‫ = قسمه كل قيمه‬genuine ‫) قيمه احتمال ال‬1
) genuine ‫ الخاص بال‬total number

‫ (ال‬6 / ‫ فى الجدول السابق‬imposter ‫ = قسمه كل قيمه‬imposter ‫) قيمه احتمال ال‬2

)imposter ‫ الخاص بال‬total number

# Scope 8
 ‫✓ نحسب قيمه ال ‪ )FMR( FAR‬الخاص بال ‪ imposter‬و قيمه ال ‪FRR‬‬
‫(‪ )FNMR‬الخاص بال ‪genuine‬‬

‫‪ -‬نحسب قيمه ال ‪ FRR‬عند اى ‪ = threshold‬عدد االشخاص الذين لهم ‪ score‬اصغر‬

‫من ال ‪ / threshold‬العدد الكلى لل ‪genuine‬‬

‫‪ -‬نحسب قيمه ال ‪ FAR‬عند اى ‪ = threshold‬عدد االشخاص الذين لهم ‪ score‬اكبر من‬

‫او يساوى ال ‪ / threshold‬العدد الكلى لل ‪imposter‬‬

‫‪# Scope 8‬‬

 : FRR -

: when threshold score = 1 )1

total number of genuine / 1 ‫ الخاص بيهم اقل من‬score ‫= عدد االشخاص ال‬
zero = 0 / 4 =

: when threshold score = 2 )2

total number of genuine / 2 ‫ الخاص بيهم اقل من‬score ‫= عدد االشخاص ال‬
zero = 0 / 4 =

: when threshold score = 3 )3

total number of genuine / 3 ‫ الخاص بيهم اقل من‬score ‫= عدد االشخاص ال‬
zero = 0 / 4 =

# Scope 8
 : when threshold score = 4 )4
total number of genuine / 4 ‫ الخاص بيهم اقل من‬score ‫= عدد االشخاص ال‬
25% = 1 / 4 =

: when threshold score = 5 )5

total number of genuine / 5 ‫ الخاص بيهم اقل من‬score ‫= عدد االشخاص ال‬
50% = 1 + 1 / 4 =

: when threshold score = 6 )6

total number of genuine / 5 ‫ الخاص بيهم اقل من‬score ‫= عدد االشخاص ال‬
100% = 1 + 1 + 2 / 4 =

# Scope 8
 : FAR -

: when threshold score = 1 )1

total number of / 1 ‫ الخاص بيهم اكبر من او يساوى‬score ‫= عدد االشخاص ال‬
imposter
83% = 2 + 1 + 2 / 6 =

: when threshold score = 2 )2

total number of / 2 ‫ الخاص بيهم اكبر من او يساوى‬score ‫= عدد االشخاص ال‬
imposter
50% = 2 + 1 / 6 =

: when threshold score = 3 )3

total number of / 3 ‫ الخاص بيهم اكبر من او يساوى‬score ‫= عدد االشخاص ال‬
imposter
17% = 1 / 6 =

# Scope 8
 : when threshold score = 4 )4
total number of / 4 ‫ الخاص بيهم اكبر من او يساوى‬score ‫= عدد االشخاص ال‬
imposter
zero = 0 / 6 =

: when threshold score = 5 )5

total number of / 5 ‫ الخاص بيهم اكبر من او يساوى‬score ‫= عدد االشخاص ال‬
imposter
zero = 0 / 6 =

: when threshold score = 6 )6

total number of / 5 ‫ الخاص بيهم اكبر من او يساوى‬score ‫= عدد االشخاص ال‬
imposter
zero = 0 / 6 =

# Scope 8
 ‫✓ هنرسم ال ‪equal error graph‬‬

‫‪- equal error graph match rates‬‬

‫مع ‪0 = FRR‬‬ ‫‪ -‬هنضع نقط عندما يكون ‪1 = threshold‬‬

‫مع ‪0 = FRR‬‬ ‫‪ ,‬و هنضع نقط عندما يكون ‪2 = threshold‬‬
‫مع ‪0 = FRR‬‬ ‫‪ ,‬و هنضع نقط عندما يكون ‪3 = threshold‬‬
‫مع ‪25 = FRR‬‬ ‫‪ ,‬و هنضع نقط عندما يكون ‪4 = threshold‬‬
‫‪ 5‬مع ‪50 = FRR‬‬ ‫‪ ,‬و هنضع نقط عندما يكون ‪= threshold‬‬
‫مع ‪100 = FRR‬‬ ‫‪ ,‬و هنضع نقط عندما يكون ‪6 = threshold‬‬

‫مع ‪83 = FAR‬‬ ‫‪ -‬هنضع نقط عندما يكون ‪1 = threshold‬‬

‫‪# Scope 8‬‬

 ‫مع ‪50 = FAR‬‬ ‫‪ ,‬و هنضع نقط عندما يكون ‪2 = threshold‬‬
‫مع ‪17 = FAR‬‬ ‫‪ ,‬و هنضع نقط عندما يكون ‪3 = threshold‬‬
‫مع ‪0 = FAR‬‬ ‫‪ ,‬و هنضع نقط عندما يكون ‪4 = threshold‬‬
‫‪ 5‬مع ‪0 = FAR‬‬ ‫‪ ,‬و هنضع نقط عندما يكون ‪= threshold‬‬
‫مع ‪0 = FAR‬‬ ‫‪ ,‬و هنضع نقط عندما يكون ‪6 = threshold‬‬

‫‪ -‬ال ‪( equal error rate‬نقطه تقاطع ‪ two curve‬مع بعض او النقط التى يتساوى عندها‬
‫قيمه ال ‪ FAR‬مع ال ‪3.6 = ) FRR‬‬

‫‪ -‬قيمه ال ‪( threshold‬لو مهتم بال ‪ security‬يعنى عايز امنع اى ‪ imposter‬من دخول‬

‫ال ‪() system‬يعنى عايز اقلل قيمه ال ‪4 = )FAR‬‬

‫‪ -‬قيمه ال ‪( threshold‬لومش مهتم بال ‪ security‬يعنى عايز ادخل كل ال ‪ genuine‬ال‬

‫‪() system‬يعنى عايز اقلل قيمه ال ‪3 = )FRR‬‬

‫‪# Scope 8‬‬