該工具在世界各地判斷指紋圖像的質量已經進行了更新，從而使其更具靈活性和功能，儘管其局限性仍然存在。來自世界各地的專家演講者討論了最新版本的NFIQ開源圖像質量評估工具，以及評估合成數據和非接觸式指紋歐洲生物識別協會（EAB）事件。
NIST的Elham Tabassi談到了NFIQ軟件的歷史，該歷史是從指紋生物識別技術與一小部分人配合良好的探索中。聯邦調查局採用了質量評估指標，然後要求公開使用該代碼。
Tabassi談到了在指紋圖像質量中的質量評估和因素的用途，以及對NFIQ和其他指紋質量評估算法進一步開發的挑戰。她還詳細介紹了NFIQ 1.0和2.0的比較。
NTNU和Athene的Christoph Busch考慮了NFIQ 2與ISO/IEC/IEC 29794-4：2017之間的聯繫。 Busch說，29794-4是一組可解釋的算法，相比之下，深度學習。他解釋了它使用的Randomforest機器學習算法的作用。他還討論了指紋圖像的質量指標，例如定向確定性水平。
NIST的Greg Fiumara隨後介紹了NFIQ 2.1中的代碼更改，並歸功於隱藏全球Ralph Lessmann和UMD學生Andrew Figlarz為開源開發提供了出色的貢獻。
新元素包括一個新的命令行接口，跨平台支持和多線程，以更快的結果。 API集成已簡化，並引入了新的合規性測試。 2.1版的另一個重大更改是對不是500 ppi的圖像或不包括分辨率的圖像的公差。
Fiumara說，對Android（在NFIQ 2.0中得到支持）和iOS，A C API和代碼優化的官方支持是NFIQ的未來項目。
萊斯曼談到了HID實施NFIQ 2.0的經驗。這些包括平台和編譯器兼容性，還包括資源利用以及不同畫布大小對分數的影響。他還討論了質量分數的含義。
Eulisa的Ramon Blanco談到了NFIQ 2在歐洲入口系統中如何使用的，而Shanit的Mickey Cohen從NIFQ 1和NFIQ 2.1產生的分數進行了比較中提出了結果。
非接觸式指紋焦點
Versid首席技術官約翰·卡拉漢（John Callahan）談到了該場上移動設備上的無觸摸指紋捕獲。卡拉漢說，這項技術在2018年由Bill and Melinda Gates Foundation資助的Anil Jain在印度的研究中表現出色。在後一種部署中，納德拉（Nadra）暫停了使用非接觸式指紋掛影，圍繞入學和NFIQ 2評估的答案，儘管比賽結果非常令人滿意。
他還談到了實時質量評估的潛力，以及使用NFIQ 2來為多個手指產生融合質量得分。
卡拉漢最近對NIST關於非接觸式指紋生物識別技術的新指南在接受采訪生物識別更新。
小組結束了第一天的活動，由Nist的Fiumara主持，包括Veridum，Eulisa，Shanit和Thales。
小組討論了何時客戶要求使用NFIQ這樣的機制來評估其收集的生物識別技術的質量。對於較大的數據庫和孤立系統之間的互操作性，質量評估比企業時間和出勤用例更重要。
第二天，德國聯邦執法部門的克里斯托弗·席爾（Christopher Schiel）談到了他的代理機構對NFIQ 2.0的使用。
然後，一系列演講集中在NFIQ 2和非接觸式指紋上。
Secunet約翰內斯·默克爾（Johannes Merkle）提出了一個案例研究，該案例表明，某些NFIQ 2功能可以很好地預測非接觸式印刷質量，而另一些則可能需要調整。對於非接觸式指紋生物識別技術，500 PPI分辨率的近似是一個特別的挑戰，為用戶提供了定位指導的反饋。
Nist的John Libert討論了NIST如何制定有關非接觸式指紋和圖像評估的一些指南。
Libert指出，具有飽和或陰影等問題的非接觸式指紋圖像的區域有時會導致虛假細節的出現。他總結說，最終，必須使用非接觸式圖像訓練的新型或改編的模型才能正確評估圖像質量。
雅典娜DA/SEC研究小組的Jannis Priesnitz談到了將NFIQ 2.0應用於非接觸式印刷品所需的內容。小組的研究表明，對於質量一致的接觸打印數據集，NFIQ對於圖像是否足夠質量匹配的預測能力相對較小，但是隨著異質質量的數據集，預測能力會增加。對於非接觸式，NFIQ 2.0可以有用，具體取決於已應用了多少預處理。
他還從一個自捕獲的數據庫中介紹了發現，該發現是根據被分析的手指發現的差異，並且對於未比較的非接觸式樣品，NFIQ 2.0的預測能力很低。
巴黎洛德隆大學的Andreas Uhl談到了與合成數據一起使用NFIQ 2.0的研究，並研究表明，在數據質量分佈方面，可以生成與真實樣本相似的指紋。
萊斯曼（Lessman）審查了可用於重新訓練的工具（或更準確地說，專家說“修改”）NFIQ 2，以及一些警告和建議。
讓·克里斯托菲（Jean-Christophe）的創始人族裔總結了個人演示，解決了非接觸式指紋圖像的獲取。他討論了專用的捕獲設備，稱其為“受控”，並將它們與不受控制的捕獲系統（如智能手機）進行了對比。 Fondeur說，受控的非接觸式指紋系統可以提供與接觸系統相似的生物識別性能。NIST統計，並且兩種捕獲技術都足夠成熟，可以今天開始帶來好處。
