该工具在世界各地判断指纹图像的质量已经进行了更新，从而使其更具灵活性和功能，尽管其局限性仍然存在。来自世界各地的专家演讲者讨论了最新版本的NFIQ开源图像质量评估工具，以及评估合成数据和非接触式指纹欧洲生物识别协会（EAB）事件。
NIST的Elham Tabassi谈到了NFIQ软件的历史，该历史是从指纹生物识别技术与一小部分人配合良好的探索中。联邦调查局采用了质量评估指标，然后要求公开使用该代码。
Tabassi谈到了在指纹图像质量中的质量评估和因素的用途，以及对NFIQ和其他指纹质量评估算法进一步开发的挑战。她还详细介绍了NFIQ 1.0和2.0的比较。
NTNU和Athene的Christoph Busch考虑了NFIQ 2与ISO/IEC/IEC 29794-4：2017之间的联系。 Busch说，29794-4是一组可解释的算法，相比之下，深度学习。他解释了它使用的Randomforest机器学习算法的作用。他还讨论了指纹图像的质量指标，例如定向确定性水平。
NIST的Greg Fiumara随后介绍了NFIQ 2.1中的代码更改，并归功于隐藏全球Ralph Lessmann和UMD学生Andrew Figlarz为开源开发提供了出色的贡献。
新元素包括一个新的命令行接口，跨平台支持和多线程，以更快的结果。 API集成已简化，并引入了新的合规性测试。 2.1版的另一个重大更改是对不是500 ppi的图像或不包括分辨率的图像的公差。
Fiumara说，对Android（在NFIQ 2.0中得到支持）和iOS，A C API和代码优化的官方支持是NFIQ的未来项目。
莱斯曼谈到了HID实施NFIQ 2.0的经验。这些包括平台和编译器兼容性，还包括资源利用以及不同画布大小对分数的影响。他还讨论了质量分数的含义。
Eulisa的Ramon Blanco谈到了NFIQ 2在欧洲入口系统中如何使用的，而Shanit的Mickey Cohen从NIFQ 1和NFIQ 2.1产生的分数进行了比较中提出了结果。
非接触式指纹焦点
Versid首席技术官约翰·卡拉汉（John Callahan）谈到了该场上移动设备上的无触摸指纹捕获。卡拉汉说，这项技术在2018年由Bill and Melinda Gates Foundation资助的Anil Jain在印度的研究中表现出色。在后一种部署中，纳德拉（Nadra）暂停了使用非接触式指纹挂影，围绕入学和NFIQ 2评估的答案，尽管比赛结果非常令人满意。
他还谈到了实时质量评估的潜力，以及使用NFIQ 2来为多个手指产生融合质量得分。
卡拉汉最近对NIST关于非接触式指纹生物识别技术的新指南在接受采访生物识别更新。
小组结束了第一天的活动，由Nist的Fiumara主持，包括Veridum，Eulisa，Shanit和Thales。
小组讨论了何时客户要求使用NFIQ这样的机制来评估其收集的生物识别技术的质量。对于较大的数据库和孤立系统之间的互操作性，质量评估比企业时间和出勤用例更重要。
第二天，德国联邦执法部门的克里斯托弗·席尔（Christopher Schiel）谈到了他的代理机构对NFIQ 2.0的使用。
然后，一系列演讲集中在NFIQ 2和非接触式指纹上。
Secunet约翰内斯·默克尔（Johannes Merkle）提出了一个案例研究，该案例表明，某些NFIQ 2功能可以很好地预测非接触式印刷质量，而另一些则可能需要调整。对于非接触式指纹生物识别技术，500 PPI分辨率的近似是一个特别的挑战，为用户提供了定位指导的反馈。
Nist的John Libert讨论了NIST如何制定有关非接触式指纹和图像评估的一些指南。
Libert指出，具有饱和或阴影等问题的非接触式指纹图像的区域有时会导致虚假细节的出现。他总结说，最终，必须使用非接触式图像训练的新型或改编的模型才能正确评估图像质量。
雅典娜DA/SEC研究小组的Jannis Priesnitz谈到了将NFIQ 2.0应用于非接触式印刷品所需的内容。小组的研究表明，对于质量一致的接触打印数据集，NFIQ对于图像是否足够质量匹配的预测能力相对较小，但是随着异质质量的数据集，预测能力会增加。对于非接触式，NFIQ 2.0可以有用，具体取决于已应用了多少预处理。
他还从一个自捕获的数据库中介绍了发现，该发现是根据被分析的手指发现的差异，并且对于未比较的非接触式样品，NFIQ 2.0的预测能力很低。
巴黎洛德隆大学的Andreas Uhl谈到了与合成数据一起使用NFIQ 2.0的研究，并研究表明，在数据质量分布方面，可以生成与真实样本相似的指纹。
莱斯曼（Lessman）审查了可用于重新训练的工具（或更准确地说，专家说“修改”）NFIQ 2，以及一些警告和建议。
让·克里斯托菲（Jean-Christophe）的创始人族裔总结了个人演示，解决了非接触式指纹图像的获取。他讨论了专用的捕获设备，称其为“受控”，并将它们与不受控制的捕获系统（如智能手机）进行了对比。 Fondeur说，受控的非接触式指纹系统可以提供与接触系统相似的生物识别性能。NIST统计，并且两种捕获技术都足够成熟，可以今天开始带来好处。
