信息技術(shù) 生物特征識(shí)別 用于技術(shù)評(píng)估的指紋數(shù)據(jù)庫(kù)的難度度量 征求意見(jiàn)稿

1GB/ZXXXXX—XXXX/ISO/IECTR29198:2013信息技術(shù)生物特征識(shí)別用于技術(shù)評(píng)估的指紋數(shù)據(jù)庫(kù)的難度度量本文件基于相對(duì)樣本質(zhì)量、相對(duì)旋轉(zhuǎn)、變形和指紋印跡重疊等因素，為評(píng)估指紋數(shù)據(jù)集對(duì)于指紋識(shí)別所具有的挑戰(zhàn)性和壓力程度提供指導(dǎo)。此外，還建立了構(gòu)建不同難度水平數(shù)據(jù)集的方法，定義了用于指紋識(shí)別算法技術(shù)評(píng)價(jià)的指紋數(shù)據(jù)集的相對(duì)難度水平。難度水平取決于參考樣本和探針樣本在上述因素上的差異。本文件包括以下內(nèi)容：——描述了由同一手指采集的不同樣本之間的差異引起的難度水平；——匯總影響因素，建立了評(píng)價(jià)整個(gè)指紋數(shù)據(jù)集難度水平的統(tǒng)計(jì)方法；——比較不同指紋數(shù)據(jù)集的難度水平；——定義了用于技術(shù)評(píng)估的指紋數(shù)據(jù)集難度水平的測(cè)試和報(bào)告流程；——根據(jù)比對(duì)得分分析配對(duì)樣本對(duì)數(shù)據(jù)特性；——描述了建立評(píng)估數(shù)據(jù)集的歸檔數(shù)據(jù)選擇方法。本文件為比對(duì)指紋數(shù)據(jù)集的相對(duì)難度水平提供指導(dǎo)。本文件不包括：——定義單個(gè)指紋圖像的質(zhì)量；——定義評(píng)價(jià)或預(yù)測(cè)指紋識(shí)別算法性能的方法或明確指標(biāo)。2規(guī)范性引用文件本文件沒(méi)有規(guī)范性引用文件。3術(shù)語(yǔ)和定義下列術(shù)語(yǔ)和定義適用于本文件。3.1生物特征采集樣本capturedbiometricsample原始的生物特征樣本rawbiometricsample（棄用）由生物特征采集過(guò)程產(chǎn)生的生物特征樣本。3.2生物特征參考biometricreference屬于生物特征數(shù)據(jù)主體并作為生物特征比對(duì)對(duì)象的一個(gè)或多個(gè)已存儲(chǔ)的生物特征樣本、生物特征模板或生物特征模型。注1：生物特征參考的產(chǎn)生可能或隱或顯都要借助于使用輔助數(shù)據(jù)，例注2：在比對(duì)中標(biāo)記的主體/對(duì)象可能是任意的。在一些比對(duì)中，生物樣本進(jìn)行比對(duì)的主體，并輸入到生物特征比對(duì)算法中。例如，在重復(fù)注冊(cè)檢查中，生物特征參考被用作與數(shù)23.3生物特征探針biometricprobe輸入到算法的、與生物特征參考進(jìn)行生物特征比對(duì)的生物特征樣本或生物特征項(xiàng)的集合。3.4技術(shù)評(píng)價(jià)technologyevaluation使用預(yù)先或?qū)ｉT(mén)收集的同一生物特征樣本集，對(duì)一種或多種算法進(jìn)行的離線評(píng)價(jià)。3.5注冊(cè)失敗率FTERfailure-to-enrolrate（FTER）指定的一組生物特征注冊(cè)事務(wù)中注冊(cè)失敗的比例。注2：原文縮寫(xiě)為FTE，參照GB/T5271.37-2021（ISO/IEC2382-37:2017,MOD）,33.6獲取失敗率failure-to-acquirerate（FTAR）注1：觀察到的失敗獲取率不同于預(yù)測(cè)/預(yù)期的失敗獲取率(前者），3.7誤不匹配率falsenon-matchrate（FNMR）在生物特征識(shí)別配對(duì)比對(duì)試驗(yàn)中，誤不匹配的數(shù)量與完成的試驗(yàn)數(shù)的比例。3.8誤匹配率falsematchrate（FMR）在生物特征識(shí)別不配對(duì)比對(duì)試驗(yàn)中，誤匹配的數(shù)量與完成的試驗(yàn)數(shù)的比例。3.9錯(cuò)誤拒絕率falserejectrate（FRR）在生物特征識(shí)別配對(duì)比對(duì)試驗(yàn)中，誤不匹配的數(shù)量與完成的試驗(yàn)數(shù)的比例。3.10錯(cuò)誤接受率falseacceptrate（FAR）在生物特征識(shí)別不配對(duì)比對(duì)試驗(yàn)中，誤匹配的數(shù)量與完成的試驗(yàn)數(shù)的比例。3.11接受者操作特性曲線receiveroperatingcharacteristiccurve（ROCcurve）以假陽(yáng)性率(即錯(cuò)誤接受)為橫坐標(biāo)，以真陽(yáng)性率(即正確接受)為縱坐標(biāo)的決策閾值函數(shù)。3.12檢測(cè)誤差權(quán)衡曲線detectionerrortrade-offcurve（DETcurve）修正的ROC曲線，在兩軸上都繪制了錯(cuò)誤率(x軸為假陽(yáng)性率，y軸為假陰性率)。3.13性能performance錯(cuò)誤率和吞吐率方面的能力。3.14質(zhì)量quality用以完成或?qū)崿F(xiàn)生物特征比對(duì)決策的生物特征樣本適應(yīng)度的度量。3GB/ZXXXXX—XXXX/ISO/IECTR29198:20133.15質(zhì)量得分qualityscore用以完成或?qū)崿F(xiàn)比對(duì)決策的生物特征樣本的適應(yīng)度值。3.16匹配度matchability兩個(gè)配對(duì)指紋樣本能通過(guò)多種比對(duì)算法比對(duì)成功的程度。3.17配對(duì)樣本對(duì)matedpair從同一來(lái)源采集的相同生物識(shí)別特征的兩個(gè)樣本集,其中一個(gè)用于參考,另一個(gè)用于測(cè)試。3.18難度水平levelofdifficulty衡量生物特征數(shù)據(jù)集的指標(biāo)，表示指紋數(shù)據(jù)集相對(duì)于其他數(shù)據(jù)集在識(shí)別方面的“挑戰(zhàn)性”或“壓力程度”。注1：如果對(duì)于所選指紋比對(duì)算法，其在數(shù)據(jù)集A上的性能顯著低于數(shù)據(jù)集B，則指紋數(shù)據(jù)集A比數(shù)據(jù)集B更難識(shí)別。關(guān)于如何評(píng)估給定比對(duì)算法的性能，見(jiàn)ISO/I注2：為了評(píng)估指紋數(shù)據(jù)集的難度水平，在測(cè)試指紋比對(duì)算法對(duì)本數(shù)據(jù)集和其他數(shù)據(jù)集的性能之前，本文件定義了3.19奇異點(diǎn)singularpoint指紋中心點(diǎn)或三角點(diǎn)。3.20對(duì)齊點(diǎn)alignmentpoint用于對(duì)齊指紋配對(duì)樣本對(duì)的點(diǎn)，為奇異點(diǎn)或特定的細(xì)節(jié)點(diǎn)。4縮略語(yǔ)下述縮略語(yǔ)適用于本文件。AP：對(duì)齊點(diǎn)（AlignmentPoint）CA：共有區(qū)域（CommonArea）DF：相對(duì)變形（RelativeDeformation）LOD：難度水平（LevelofDifficulty）RSQ：相對(duì)樣本質(zhì)量（RelativeSampleQuality）SP：奇異點(diǎn)（SingularPoint）5指紋樣本的差異因素5.1概述如ISO/IECTR19795-3中所述，指紋數(shù)據(jù)集的下列屬性會(huì)影響指紋識(shí)別的性能：——傳感器類型(例如全內(nèi)反射、電容、熱感、刮擦、非接觸式的、超聲波等)；——印跡類型(如平面、滾動(dòng)、分割的連指、掃描的油墨印跡等)；——圖像分辨率；4——環(huán)境條件(如溫度、濕度等)；——人口統(tǒng)計(jì)特征(如年齡、性別、職業(yè)等)；——手指指位(如拇指、食指等)；——模板老化；——生物狀況(如皮膚水分)；——主體積極性、習(xí)慣等。如果數(shù)據(jù)集在傳感器類型和印跡類型方面是相同的，則其余的屬性可以通過(guò)指紋樣本質(zhì)量得分來(lái)表示和量化。按照ISO/IEC29794-1的定義，生物特征樣本的質(zhì)量是指生物特征樣本滿足目標(biāo)應(yīng)用的指定要求的程度，質(zhì)量分?jǐn)?shù)是質(zhì)量的定量表達(dá)，然而，質(zhì)量分?jǐn)?shù)與每個(gè)個(gè)體的生物特征樣本相關(guān)，因此它不包含參考樣本和探針樣本之間的差異。正如參考文獻(xiàn)[7]Hicklin和Reedy指出的，指紋匹配的能力取決于三方面特性：(1)手指數(shù)(在十指指紋辨識(shí)的情況下)；(2)參考和探針圖像之間的相關(guān)性；(3)參考和探針圖像的質(zhì)量。兩個(gè)指紋之間的相關(guān)性是參考和探針圖像重疊程度、畸變程度、以及固有摩擦脊線特征的函數(shù)。圖像質(zhì)量得分可以用來(lái)分別量化參考圖像和探針圖像的質(zhì)量。如圖1和圖2所示，即使兩張指紋圖像的質(zhì)量都很好，如果它們的共有區(qū)域很小(圖1)或者相對(duì)變形較嚴(yán)重(圖2)，則比對(duì)得分較低。此外，兩個(gè)低質(zhì)量樣本的比對(duì)得分可能比一個(gè)高質(zhì)量樣本和一個(gè)低質(zhì)量樣本的比對(duì)得分更高。圖1比對(duì)較小共有區(qū)域的樣本對(duì)，相似度得分較低圖2比對(duì)變形嚴(yán)重的樣本對(duì)，相似度得分較低考慮到這些情況，ISO/IEC29794-4中定義的質(zhì)量在技術(shù)測(cè)試中不足以評(píng)估指紋數(shù)據(jù)集的LOD。此外，考慮配對(duì)指紋對(duì)的其他差異的影響，還需要定義相對(duì)質(zhì)量。相對(duì)難度水平可應(yīng)用于選擇用于性能評(píng)估的數(shù)據(jù)。在資源有限的情況下進(jìn)行互操作性性能測(cè)試時(shí)，可能需要關(guān)注具有挑戰(zhàn)性的數(shù)據(jù)集，因?yàn)橥ㄟ^(guò)相對(duì)比較少地比對(duì)可能產(chǎn)生有意義的結(jié)果。進(jìn)一步，還可以用于評(píng)估數(shù)據(jù)集對(duì)于此類評(píng)估的適用性。實(shí)驗(yàn)人員可以專注于少量的匹配樣本對(duì)數(shù)據(jù)，以對(duì)給定的數(shù)據(jù)集做出是否適用此目的的初步評(píng)估。5GB/ZXXXXX—XXXX/ISO/IECTR29198:20135.2共有區(qū)域5.2.1概述配對(duì)指紋樣本對(duì)之間的共有區(qū)域可能會(huì)因人為因素而有所不同。一般來(lái)說(shuō)，共有區(qū)域越大，比對(duì)得分越高。圖3描述了配對(duì)指紋對(duì)的重疊區(qū)域。共有區(qū)域可能的度量項(xiàng)包括：a)共有區(qū)域與配對(duì)指紋樣本對(duì)所覆蓋的總面積之比(首選方法，將在下文討論)；b)每個(gè)印跡上細(xì)節(jié)點(diǎn)凸包的重疊區(qū)域。圖3基于配對(duì)印跡前景區(qū)域的共有區(qū)域的一種可能定義無(wú)論比對(duì)算法是基于細(xì)節(jié)點(diǎn)還是圖像，共有區(qū)域都是影響指紋識(shí)別中匹配性能的主要因素之一。一般來(lái)說(shuō)，配對(duì)樣本對(duì)的共有區(qū)域越大，相似度得分越高。圖4顯示了使用商用指紋比對(duì)算法得到相似度得分的配對(duì)樣本對(duì)示例。圖4共有區(qū)域較低且相似度得分為0的配對(duì)樣本對(duì)示例;(a)和(b)是一對(duì)配對(duì)指紋對(duì)，(c)和(d)為(a)和(b)經(jīng)過(guò)細(xì)節(jié)點(diǎn)提取處理后的圖像，(e)是使用中心點(diǎn)作為(a)和(b)對(duì)齊點(diǎn)對(duì)齊的結(jié)果65.2.2共有區(qū)域的定義在本文件中，配對(duì)樣本對(duì)的共有區(qū)域的度量定義為共有區(qū)域面積與配對(duì)樣本對(duì)所覆蓋的總面積之比,如公式（1）所示：P∩PCA=參考探針………P∩PP參考UP探針…(1)其中，P表示分割提取的指紋前景。將該度量指標(biāo)歸一化為[0,1]，其中0表示沒(méi)有找到相應(yīng)的AP對(duì)。5.2.3配對(duì)樣本對(duì)共有區(qū)域的定位給定用于匹配的分割指紋配對(duì)樣本對(duì)，為了定位配對(duì)樣本對(duì)的共有區(qū)域，應(yīng)該定位相應(yīng)的對(duì)齊點(diǎn)對(duì)。對(duì)于非弓型指紋，可以從相應(yīng)的像素級(jí)奇異點(diǎn)中找到對(duì)齊點(diǎn)對(duì)。對(duì)于包含弓型而沒(méi)有奇異點(diǎn)的指紋，可以從相應(yīng)的細(xì)節(jié)點(diǎn)得到對(duì)齊點(diǎn)對(duì)。圖5、圖6和圖7分別顯示了對(duì)缺少奇異點(diǎn)對(duì)的螺紋型、弓型和環(huán)型指紋對(duì)計(jì)算共有區(qū)域的示例。注意在每種情況下可能有多個(gè)AP對(duì)。每個(gè)AP都有位置和方向。通過(guò)對(duì)齊位置和方向，可以校正參考樣本和探針樣本之間的旋轉(zhuǎn)和平移差圖5螺紋型共有區(qū)域的可能定位;(a)和(b)是一對(duì)配對(duì)樣本對(duì)，(c)(d)和(e)表示基于不同AP對(duì)得到的共有區(qū)域7GB/ZXXXXX—XXXX/ISO/IECTR29198:2013圖6通過(guò)對(duì)齊相應(yīng)的細(xì)節(jié)點(diǎn)對(duì)得到弓型指紋共有區(qū)域的可能定位;(a)和(b)是一對(duì)配對(duì)樣本對(duì)，(c)顯示得到的共有區(qū)域圖7對(duì)缺少相應(yīng)的奇異點(diǎn)對(duì)的環(huán)型共有區(qū)域可能的定位;(a)和(b)是一對(duì)配對(duì)樣本對(duì)，(c)顯示共有區(qū)域5.2.4配對(duì)樣本對(duì)共有區(qū)域的計(jì)算AP的計(jì)算是測(cè)量共有區(qū)域的關(guān)鍵步驟，需要在像素級(jí)精度檢測(cè)AP。由于大多數(shù)非弓型指紋包含至少一個(gè)SP，因此像素級(jí)SP是候選AP的首選。為了保證配對(duì)指紋對(duì)的對(duì)準(zhǔn)精度，SP的檢測(cè)在像素級(jí)進(jìn)行。同時(shí)，對(duì)弓型指紋和未能找到相應(yīng)SP的指紋，則使用相應(yīng)的細(xì)節(jié)點(diǎn)替代。圖8給出了計(jì)算共有區(qū)域的流程8圖8共有區(qū)域計(jì)算流程圖如圖5所示，當(dāng)在一對(duì)配對(duì)樣本對(duì)中發(fā)現(xiàn)多個(gè)AP候選對(duì)時(shí)，選擇具有最大共有區(qū)域的AP作為最終AP。注1：對(duì)于樣本質(zhì)量差的指紋，盡管相應(yīng)的SP或細(xì)節(jié)點(diǎn)對(duì)存在，但也可能無(wú)法找到正確的AP，在這種情況下，將共注2：由于弓型指紋沒(méi)有奇異點(diǎn)，因此可以使用任何比對(duì)算法從一組對(duì)應(yīng)的細(xì)節(jié)點(diǎn)對(duì)中獲得AP對(duì)。當(dāng)有多個(gè)對(duì)應(yīng)AP5.2.5共有區(qū)域與相似度得分的關(guān)系直觀地說(shuō)，共有區(qū)域和相似度得分之間存在比例關(guān)系。然而，相似度得分還受到其他因素如變形、樣本質(zhì)量等的影響。圖9顯示了在FVC2000數(shù)據(jù)集上配對(duì)樣本對(duì)的共有區(qū)域與相似度得分的散點(diǎn)圖。相似度得分高的配對(duì)樣本對(duì)通常具有較大的共有區(qū)域，而相似度得分低的配對(duì)樣本對(duì)不一定具有較小的共有區(qū)域。此外，具有較小共有區(qū)域的配對(duì)樣本對(duì)往往會(huì)產(chǎn)生較低的相似度得分，而具有較大共有區(qū)域的配對(duì)樣本對(duì)則不一定產(chǎn)生較高的相似度得分。9GB/ZXXXXX—XXXX/ISO/IECTR29198:2013圖9在FVC2000數(shù)據(jù)集上的共有區(qū)域與相似度得分的散點(diǎn)圖;(a)2000-1a，(b)2000-2a，(c)2000-3a5.3相對(duì)變形5.3.1概述由于手指和皮膚是有彈性的，在采集過(guò)程中手指的壓力會(huì)導(dǎo)致指紋變形，因此，阻礙了即使有100%共有區(qū)域的配對(duì)樣本對(duì)的完美匹配。變形的存在使得指紋匹配更加困難。配對(duì)樣本對(duì)之間的相對(duì)變形越高，指紋匹配越困難。因此，配對(duì)樣本對(duì)的總體相對(duì)變形能間接反映指紋數(shù)據(jù)集的難度水平。雖然很難測(cè)量單個(gè)指紋的變形程度，但比較容易度量一對(duì)配對(duì)樣本對(duì)之間的相對(duì)變形程度。通過(guò)定位相應(yīng)的點(diǎn)或模式，如細(xì)節(jié)點(diǎn)、奇異點(diǎn)、脊線和其他的拓?fù)淠Ｊ?，然后測(cè)量位置和方向的差異，能計(jì)算相對(duì)變形。指紋的變形可以是線性的，也可以是非線性的。線性變形的例子為剛性的變形(平移和旋轉(zhuǎn))和剪切。非線性變換的例子包括樣條變形。線性變形的一個(gè)簡(jiǎn)單度量是指紋面積變化的程度（能夠用等效線性變形矩陣的行列式進(jìn)行估計(jì)）。彈性變形的度量方法有多種，如彎曲能。對(duì)配對(duì)指紋對(duì)相對(duì)變形的可能度量為：a)配對(duì)樣本對(duì)對(duì)齊后對(duì)應(yīng)點(diǎn)的方向差異的平均值；b)利用薄板樣條法測(cè)量變形。5.3.2基于方向場(chǎng)的變形測(cè)量假設(shè)指紋方向的連續(xù)性，當(dāng)配對(duì)指紋對(duì)對(duì)齊之后沒(méi)有相對(duì)變形，相同位置的方向?qū)⒅睾?。然而，在大多?shù)的匹配情況下，配對(duì)樣本對(duì)之間存在相對(duì)變形，這種變形可以通過(guò)整體的方向差異表示?；诜较驁?chǎng)的變形在對(duì)齊的共有區(qū)域上進(jìn)行測(cè)量，像素級(jí)方向場(chǎng)的計(jì)算可以通過(guò)多尺度高斯濾波器來(lái)實(shí)現(xiàn)?；诜较驁?chǎng)的變形被定義為在對(duì)齊共有區(qū)域方向差的平均值，如公式（2）所示：DF=平均值(?θi,j)…………(2)Δθi,j=abs(θi?θj)，θi和θj為配對(duì)樣本對(duì)對(duì)齊位置的脊線方向。圖10到14示例了配對(duì)樣本對(duì)通過(guò)不同的AP對(duì)對(duì)齊來(lái)計(jì)算共有區(qū)域和相對(duì)變形。配對(duì)樣本對(duì)之間的旋轉(zhuǎn)差異通過(guò)使對(duì)應(yīng)的AP對(duì)的方向重合來(lái)補(bǔ)償。它們表明共有區(qū)域比率和相對(duì)變形隨AP對(duì)的不同而不同。當(dāng)在配對(duì)樣本對(duì)中找到多個(gè)AP候選對(duì)，選擇共有區(qū)域最大的AP作為最終AP。然后，使用最終AP計(jì)算相對(duì)變形。圖10以右側(cè)三角點(diǎn)為AP對(duì)齊后共有區(qū)域和相對(duì)變形的計(jì)算：(a)和(b)為配對(duì)樣本對(duì)，(c)共有區(qū)域，(d)像素級(jí)方向差異(暗-小，亮-大)，(e)按塊的方向差異GB/ZXXXXX—XXXX/ISO/IECTR29198:2013圖11以左側(cè)三角點(diǎn)為AP對(duì)齊后共有區(qū)域和相對(duì)變形的計(jì)算：(a)和(b)為配對(duì)樣本對(duì)，(c)共有區(qū)域，(d)像素級(jí)方向差異(暗-小，亮-大)，(e)按塊的方向差異圖12以上側(cè)中心點(diǎn)為AP對(duì)齊后共有區(qū)域和相對(duì)變形的計(jì)算：(a)和(b)為配對(duì)樣本對(duì)，(c)共有區(qū)域，(d)像素級(jí)方向差異(暗-小，亮-大)，(e)按塊的方向差異圖13以下側(cè)中心點(diǎn)為AP對(duì)齊后共有區(qū)域和相對(duì)變形的計(jì)算：(a)和(b)為配對(duì)樣本對(duì)，(c)共有區(qū)域，(d)像素級(jí)方向差異(暗-小，亮-大)，(e)按塊的方向差異圖14共有區(qū)域小但相對(duì)變形小的例子:(a)和(b)為配對(duì)樣本對(duì)，(c)共有區(qū)域，(d)像素級(jí)方向差異(暗-小，亮-大)，(e)按塊的方向差異GB/ZXXXXX—XXXX/ISO/IECTR29198:20135.3.3基于薄板樣條的測(cè)量基于薄板樣條的方法是測(cè)量配對(duì)指紋樣本對(duì)變形的方法之一。為了利用薄板樣條來(lái)測(cè)量配對(duì)指紋樣本對(duì)的變形，宜對(duì)相應(yīng)的細(xì)節(jié)點(diǎn)集進(jìn)行魯棒檢測(cè)。Bazen等人提出了基于三角局部結(jié)構(gòu)檢測(cè)相應(yīng)細(xì)節(jié)集的方法，稱為細(xì)節(jié)鄰域法，因?yàn)榫植拷Y(jié)構(gòu)起源于指紋中的一小部分，可能不因塑性變形而嚴(yán)重變形。因?yàn)橥ㄟ^(guò)局部比對(duì)算法檢測(cè)羅列出的潛在相應(yīng)細(xì)節(jié)鄰域可能含有錯(cuò)誤匹配對(duì)，因此每對(duì)的正確性需要通過(guò)形狀上下文方案和RANSAC技術(shù)進(jìn)行進(jìn)一步驗(yàn)證。檢測(cè)出正確對(duì)應(yīng)的細(xì)節(jié)點(diǎn)對(duì)后，即可應(yīng)用薄板樣條法計(jì)算出彎曲能，其可用于度量指紋對(duì)之間的變形。5.3.4基于方向場(chǎng)的變形與相似度得分的關(guān)系圖15顯示了在FVC2000數(shù)據(jù)集中配對(duì)樣本對(duì)的相對(duì)變形(從方向場(chǎng)計(jì)算)和相似度得分(由一種商用指紋比對(duì)算法獲得)的散點(diǎn)圖。在某種程度上，相對(duì)變形和相似度得分呈反比關(guān)系。這種關(guān)系并不是很明顯，因?yàn)橄嗨贫鹊梅忠彩芷渌蛩赜绊?，如共有區(qū)域、樣本質(zhì)量等。圖15中，相似度得分高的配對(duì)樣本對(duì)有較小的相對(duì)變形傾向，但是相似度得分低的配對(duì)樣本對(duì)不一定有很高的相對(duì)變形。此外，相對(duì)變形較高的配對(duì)樣本對(duì)其相似度得分有偏低傾向，但是相對(duì)變形較低的配對(duì)樣本對(duì)不一定會(huì)有很高的相似度得分。圖15FVC2000數(shù)據(jù)集相對(duì)變形與相似度得分的散點(diǎn)圖;(a)2000-1a，(b)2000-2a，(c)2000-3a5.4相對(duì)樣本質(zhì)量5.4.1概述指紋樣本質(zhì)量是影響指紋識(shí)別系統(tǒng)匹配性能的關(guān)鍵因素之一。因此，某一指紋數(shù)據(jù)集樣本質(zhì)量的分布成為該數(shù)據(jù)集LOD的指標(biāo)。在技術(shù)評(píng)價(jià)中，參考樣本的質(zhì)量可能較低，則在配對(duì)樣本對(duì)中必須考慮兩個(gè)樣本的質(zhì)量，而不僅僅是探針樣本的質(zhì)量。5.4.2相對(duì)樣本質(zhì)量的測(cè)量從配對(duì)樣本對(duì)的相對(duì)樣本質(zhì)量方面來(lái)看，在比對(duì)中有四種情況：——(情況1)高質(zhì)量的參考樣本和高質(zhì)量的探針樣本；——(情況2)高質(zhì)量的參考樣本和低質(zhì)量的探針樣本；——(情況3)低質(zhì)量的參考樣本和高質(zhì)量的探針樣本；——(情況4)低質(zhì)量的參考樣本和低質(zhì)量的探針樣本。假設(shè)其他的影響因素如共有區(qū)域、相對(duì)變形，對(duì)匹配性能的影響可以忽略不計(jì)，一般來(lái)說(shuō)，以上情況的相似度得分可以排序?yàn)椋喊咐?>案例2≈案例3>案例4因此，給定一對(duì)配對(duì)樣本對(duì)，相對(duì)樣本質(zhì)量的度量可以由單個(gè)樣本質(zhì)量得分的任何類型的平均值來(lái)定義，可以是算術(shù)平均值、幾何平均值或調(diào)和平均值，樣本質(zhì)量得分由ISO/IEC29794-4中描述的指紋質(zhì)量度量產(chǎn)生。5.5計(jì)算數(shù)據(jù)集的LOD5.5.1概述考慮到配對(duì)指紋對(duì)之間的共有區(qū)域(CA)，相對(duì)變形(DF)，相對(duì)樣本質(zhì)量(RSQ)是影響比對(duì)算法性能的主要因素，隨著CA和RSQ的增加以及DF的降低，配對(duì)樣本對(duì)的相似度得分也隨之增加。對(duì)于單配對(duì)樣本對(duì)，一般來(lái)說(shuō)，難度水平與相似度得分成正比，并且是影響因素的函數(shù)，如公式（3）所示：LODp=f(CA,RSQ,DF?1,v)∝相似度得分………………(3)其中LODp為單對(duì)指紋對(duì)的難度水平;ν為未知的影響因素，DF?1表示相對(duì)變形與難度水平的反比關(guān)系。5.5.2測(cè)量單對(duì)的LOD為了測(cè)量LODp，即單指紋配對(duì)樣本對(duì)的LOD，從多個(gè)因素來(lái)看，建模如下，即LODp與CA、RSQ和DF?1之間存在多元非線性回歸關(guān)系，如公式（4）所示：LODp=β11CA+β12CA2+β21RSQ+β22RSQ2+β31DF?1+β32(DF?1)2…………(4)其中，βij(i=1,2,3，j=1,2)是對(duì)給定的訓(xùn)練數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)估算的系數(shù)。在實(shí)踐中，由于LOD是未知的，LODp被替換為每對(duì)配對(duì)樣本對(duì)的相似度得分，其由現(xiàn)有的比對(duì)算法得到。βij在經(jīng)多元非線性回歸估計(jì)后得到，并用于上述模型來(lái)計(jì)算未知待評(píng)價(jià)數(shù)據(jù)集的LOD分布。在將由訓(xùn)練數(shù)據(jù)集獲得的系數(shù)βij應(yīng)用于未知測(cè)試數(shù)據(jù)集的LOD計(jì)算模型時(shí)，基本的假設(shè)是每個(gè)因素對(duì)匹配錯(cuò)誤率的影響程度相似。由于LODp與相似度得分成正比關(guān)系，因此可以采用線性函數(shù)對(duì)LODp進(jìn)行歸一化處理，使LODp與相似度得分呈反比關(guān)系。歸一化的LODp，NLODp定義如公式（5）所示：NLODp=…………GB/ZXXXXX—XXXX/ISO/IECTR29198:2013其中LODmax和LODmin分別為L(zhǎng)ODp的最大值和最小值。采用FVC2000、2002和2004的9個(gè)非合成數(shù)據(jù)集驗(yàn)證上述模型的有效性。每個(gè)數(shù)據(jù)集包含從100根手指采集的800個(gè)指紋。僅對(duì)真正的配對(duì)樣本對(duì)測(cè)量LOD。圖16-圖18比較了三個(gè)FVC數(shù)據(jù)集(2000-DB2,2004-DB1,2004-DB3)分別通過(guò)上述方法計(jì)算得到的CA、DF和RSQ的分布，圖19顯示了數(shù)據(jù)集中單個(gè)對(duì)的LOD分布情況。圖16三個(gè)FVC數(shù)據(jù)集2000-DB2、2004-DB1、2004-DB3的CA直方圖圖17三個(gè)FVC數(shù)據(jù)集2000-DB2、2004-DB1和2004-DB3的DF直方圖圖18三個(gè)FVC數(shù)據(jù)集2000-DB2、2004-DB1和2004-DB3的RSQ直方圖圖19三個(gè)FVC數(shù)據(jù)集2000-DB2、2004-DB1和2004-DB3的歸一化LOD直方圖GB/ZXXXXX—XXXX/ISO/IECTR29198:2013對(duì)LOD分布采用單因素ANOVA(ANalysisOfVAriance，方差分析)和TukeyHSD(HonestlySignificantDifference，真實(shí)顯著差異)測(cè)試以檢驗(yàn)它們的差異是否顯著。圖19顯示了ANOVA測(cè)試的結(jié)果，以及使用TukeyHSD測(cè)試對(duì)三個(gè)不同難度級(jí)別的數(shù)據(jù)集進(jìn)行分組的結(jié)果。在此圖中，不同顏色的數(shù)據(jù)集有顯著差異。由于數(shù)據(jù)集的LOD是基于CA、DF和RSQ計(jì)算的，所以它獨(dú)立于比對(duì)算法。然而，期望LOD與匹配性能的指標(biāo)間具有某種單調(diào)關(guān)系，例如，某種“通用”比對(duì)算法的等錯(cuò)誤率（EER）。采用兩種廣泛使用的比對(duì)算法(VeriFinger5.0和Bozorth3)作為所有數(shù)據(jù)集的通用比對(duì)算法。表1還將排序的平均歸一化LOD和這兩種比對(duì)算法在相應(yīng)數(shù)據(jù)集上獲得的EER和FRR進(jìn)行了比較。LOD等級(jí)分為三類：簡(jiǎn)單、中等和困難。從表中可以看出，除2000-DB3和2002-DB3數(shù)據(jù)集外測(cè)得的歸一化LOD與實(shí)際EER基本吻合，這還需進(jìn)一步研究。圖20說(shuō)明了歸一化LOD和用Bozorth3測(cè)量的EER之間的線性關(guān)表1數(shù)據(jù)集的歸一化LOD和對(duì)應(yīng)的通過(guò)比對(duì)算法得到的EER圖20歸一化LOD和Bozorth3EER之間關(guān)系的示例6根據(jù)比對(duì)結(jié)果分析配對(duì)樣本對(duì)數(shù)據(jù)特性6.1概述通過(guò)使用比對(duì)得分，而不是圖像質(zhì)量得分，可以實(shí)現(xiàn)技術(shù)測(cè)試數(shù)據(jù)集生成方法，該方法可以提取和組織有意義的數(shù)據(jù)以進(jìn)行實(shí)際準(zhǔn)確性評(píng)估。而且，該方法非常直接,可以觀察到以下情況:——一般來(lái)說(shuō)，每種比對(duì)算法都有不同的評(píng)分特征，即使對(duì)于具有相同圖像質(zhì)量得分的配對(duì)樣本數(shù)據(jù)，不同的算法的得分也不相同；——基于多種比對(duì)算法的結(jié)果來(lái)度量“匹配度”是可行的。6.2匹配度6.2.1匹配度的概念匹配度的概念包括：——對(duì)于單個(gè)配對(duì)樣本對(duì)的數(shù)據(jù)，每個(gè)供應(yīng)商算法的匹配度是確定的；——被標(biāo)記為能夠匹配的配對(duì)樣本對(duì)數(shù)據(jù)稱為“可匹配的”。6.2.2判定匹配度的準(zhǔn)則匹配度是配對(duì)樣本對(duì)通過(guò)匹配的算法比例的函數(shù)，判定匹配度的準(zhǔn)則如下：——通過(guò)大量算法匹配的配對(duì)樣本對(duì)比通過(guò)少量算法匹配的配對(duì)樣本對(duì)更具匹配度；——總的來(lái)說(shuō)，通過(guò)大量算法匹配的數(shù)據(jù)集比通過(guò)少量算法匹配的數(shù)據(jù)集更具匹配度；——如果可以使用更多具有不同特性的算法，可以期待實(shí)現(xiàn)更通用的匹配度；——對(duì)所有供應(yīng)商軟件的每個(gè)比對(duì)算法分配每對(duì)配對(duì)樣本對(duì)數(shù)據(jù)的匹配度標(biāo)簽；GB/ZXXXXX—XXXX/ISO/IECTR29198:2013——本文件不提供評(píng)估不同傳感器類型或傳感技術(shù)對(duì)匹配度影響的指導(dǎo)。但是，可以設(shè)計(jì)測(cè)試來(lái)檢測(cè)傳感器變化對(duì)匹配度的影響，例如使用不同的傳感器來(lái)收集探針和圖庫(kù)數(shù)據(jù)。6.2.3匹配度的判定根據(jù)算法的不同，配對(duì)樣本對(duì)比對(duì)可能得到匹配/不匹配決策或是比對(duì)得分。為了評(píng)估匹配度，強(qiáng)烈建議獲得比對(duì)得分。特定匹配器決策閾值可用于確定給定的配對(duì)樣本對(duì)比對(duì)是否被判定為匹配。這種方法的好處是，可以使用相對(duì)較少的配對(duì)樣本對(duì)來(lái)描述數(shù)據(jù)集的LOD。閾值的確定可以基于測(cè)試組織以前對(duì)給定算法的經(jīng)驗(yàn)。理解特定算法的比對(duì)得分分布通常會(huì)簡(jiǎn)化基于匹配度的LOD評(píng)估。這種理解也將提高組織間的協(xié)作：共享基于分?jǐn)?shù)的決策準(zhǔn)則比共享不透明的、基于排名的結(jié)果更有用。為了充分理解閾值，通常需要執(zhí)行大量非配對(duì)樣本對(duì)比對(duì)。示例：測(cè)試組織可能之前已經(jīng)確定，對(duì)于比對(duì)算法B，比對(duì)得分為100通常對(duì)應(yīng)的錯(cuò)誤匹配率為0.01%，因此100在某些情況下，對(duì)配對(duì)樣本對(duì)進(jìn)行基于排名的分析是合理的或有用的，例如測(cè)試僅在辨識(shí)模式下運(yùn)行的算法時(shí)。在這種情況下，匹配決策是基于正確的參考樣本是否以排名第一與給定的探針樣本匹配。在匹配度判定中使用的比對(duì)算法不宜產(chǎn)生高度量化的比對(duì)得分。量化削弱了對(duì)比對(duì)得分的洞察力;這種洞察力對(duì)區(qū)分配對(duì)樣本對(duì)比對(duì)得分的細(xì)微差異可能是必要的。例如，一些比對(duì)算法只在比對(duì)成功時(shí)返回分?jǐn)?shù)，而在比對(duì)失敗時(shí)返回空或失敗結(jié)果。這種行為是不可取的，因?yàn)樗档土诉吔绫葘?duì)的可見(jiàn)性，而邊界比對(duì)通常可能與匹配度和LOD特別相關(guān)。表2提供了一個(gè)使用多種比對(duì)算法來(lái)確定匹配度的示例。表2匹配度示例表格高中低LOD可以與某個(gè)性能測(cè)試相關(guān)聯(lián)，并通過(guò)測(cè)試名稱進(jìn)行區(qū)分，例如“NIST的MINEX2004”和“MTIT”。比對(duì)算法可以由性能測(cè)試主辦方收集。假設(shè)有M種算法可用來(lái)評(píng)估某數(shù)據(jù)集的LOD，該數(shù)據(jù)集中的配對(duì)樣本對(duì)數(shù)為N，對(duì)于給定的配對(duì)樣本對(duì)，如果某算法生成的比對(duì)得分大于聲明的閾值，或者將正確的配對(duì)樣本對(duì)識(shí)別為排名第一匹配，那么該算法將產(chǎn)生+1的分?jǐn)?shù)。否則，該算法將產(chǎn)生?1的分?jǐn)?shù)。通過(guò)這種方式，可以為每個(gè)比對(duì)算法和每個(gè)探針樣本生成一個(gè)分?jǐn)?shù)，將其寫(xiě)為sn,i，其中n指第n個(gè)比對(duì)，i指第i個(gè)算法。因此可以構(gòu)造下列矩陣系統(tǒng)：記左邊的矩陣為S，未知權(quán)重的向量為w，右邊的目標(biāo)是t。注意矩陣S的元素全部由+1和?1組成。假設(shè)采用最小二乘法求解上述方程組并得到w的最小范數(shù)解，即找到能最小化||Sw-t||并具有最小||w||的w值。此解揭示了該數(shù)據(jù)集可匹配的容易程度，考慮以下極端情況：——如果所有的數(shù)據(jù)都很容易匹配，那么所有的比對(duì)算法都會(huì)得到正確的答案，w的元素都是1；——如果數(shù)據(jù)無(wú)法匹配，那么所有的比對(duì)算法都會(huì)得到錯(cuò)誤的答案，w的元素都為?1。因此，建議使用以下指標(biāo)來(lái)衡量數(shù)據(jù)集的匹配度，如公式（6）所示：這個(gè)量的最小值為零，即所有的比對(duì)算法都得到了正確的比對(duì)結(jié)果。這個(gè)量的最大值是所用算法數(shù)的兩倍，即2M。這個(gè)度量可以通過(guò)除以2M歸一化到[0,1]?？紤]更多的例子。假設(shè)有三種比對(duì)算法，其中算法1在大多數(shù)比對(duì)中都是正確的，而算法2和算法3在大多數(shù)的比對(duì)中是錯(cuò)誤的。因此期望解向量接近[300]，數(shù)據(jù)集難度將是(|1-3|+|1-0|+|1-0|)=4?，F(xiàn)在假設(shè)算法1和算法2在大多數(shù)比對(duì)中都是正確的，那么期望解向量為[1.51.50]，將得到(|1-1.5|+|1-1.5|+|1-0|)=2的難度水平。這是直觀上正確的結(jié)果，因?yàn)槿绻麅煞N算法得到正確的答案，那么該數(shù)據(jù)集要比只有一個(gè)算法得到正確答案更容易。上述示例的微妙之處在于，如果兩種算法達(dá)成一致（即系統(tǒng)未完全確定那么如果只是最小化||Sw-t||，在兩種情況下，[300]的解都是可以接受的。然而，因?yàn)閳?jiān)持得到使||w||最小的w的解，那么將產(chǎn)生[1.51.50]的解。眾所周知，矩陣解的最小范數(shù)最小二乘解有一個(gè)精確解，可以用奇異值分解(SVD)來(lái)計(jì)算。使用SVD還有一個(gè)優(yōu)點(diǎn)，它可以處理S為非滿秩的情況，例如當(dāng)所有算法對(duì)所有數(shù)據(jù)都產(chǎn)生相同的輸出時(shí)會(huì)出現(xiàn)非滿秩的情況。6.2.4控制單個(gè)因素對(duì)整體性能的影響假設(shè)對(duì)指紋樣本質(zhì)量的所有影響因素都能反映在比對(duì)結(jié)果中，通過(guò)仔細(xì)構(gòu)建評(píng)估數(shù)據(jù)集，可以估算出單個(gè)因素對(duì)總體性能的影響程度。例如，為了分析老化的影響，需要收集指紋，以便計(jì)算老化周期與比對(duì)得分之間的相關(guān)性。同樣方式可以評(píng)估傳感器類型和其他因素的影響。但是，為了將傳感器屬性的差異反映到數(shù)據(jù)集中，宜盡可能使用不同傳感器獲取的相同測(cè)試主體的數(shù)據(jù)樣本。另外，當(dāng)使用同一個(gè)人的多個(gè)手指的指紋數(shù)據(jù)時(shí)，認(rèn)為手指的模式是相似的。但是，本文件并沒(méi)有明確地專門(mén)處理這些數(shù)據(jù)特性。這是因?yàn)椋绻軌蛘_區(qū)分具有高模式相關(guān)性的手指，就適合于檢測(cè)模式間識(shí)別的性能特性。6.3構(gòu)建不同難度水平的數(shù)據(jù)集不同難度水平的數(shù)據(jù)集可以按如下方法建立：——通過(guò)為所有供應(yīng)商算法選擇正確匹配的配對(duì)樣本對(duì)數(shù)據(jù)的交集，能夠建立一個(gè)“簡(jiǎn)單”的標(biāo)準(zhǔn)數(shù)據(jù)集；——通過(guò)選擇至少通過(guò)兩種算法得到匹配結(jié)果的配對(duì)樣本對(duì)數(shù)據(jù)，能夠建立一個(gè)“中等”的標(biāo)準(zhǔn)數(shù)據(jù)集；——通過(guò)選擇至少通過(guò)一種算法得到匹配結(jié)果的配對(duì)樣本對(duì)數(shù)據(jù)，能夠建立一個(gè)“困難”的標(biāo)準(zhǔn)數(shù)據(jù)集。數(shù)據(jù)集的LOD與對(duì)所有配對(duì)樣本對(duì)正確匹配或得到排名第一匹配的算法數(shù)量的分布相關(guān)聯(lián)。排名或得分信息也可以用于指定更具挑戰(zhàn)性的LOD。例如，排名第二的結(jié)果表明，與排名第一的結(jié)果相比，給定的配對(duì)樣本對(duì)更難匹配。圖24展示了構(gòu)建不同難度水平指紋數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果，其中使用了三種比對(duì)算法，85對(duì)配對(duì)樣本對(duì)，圖25比較了在兩種不同難度水平，“容易(綠色)”和“困難(紅色)”上由單一比對(duì)算法獲得的DET曲線。注1：雖然匹配度成功地提供了數(shù)據(jù)集中難以匹配配對(duì)樣本對(duì)的數(shù)量的度量，但它不提供任何關(guān)于容易被錯(cuò)誤匹配GB/ZXXXXX—XXXX/ISO/IECTR29198:2013注2：匹配度作為數(shù)據(jù)集LOD的一種度量方法是與模態(tài)無(wú)關(guān)的，能應(yīng)用于人臉等其圖21“簡(jiǎn)單”標(biāo)準(zhǔn)數(shù)據(jù)集概念圖圖22“中等”標(biāo)準(zhǔn)數(shù)據(jù)集概念圖圖23“困難”標(biāo)準(zhǔn)數(shù)據(jù)集概念圖圖24構(gòu)建不同難度水平的指紋數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果GB/ZXXXXX—XXXX/ISO/IECTR29198:2013圖25在兩種不同難度水平上的DET曲線比較該DET曲線顯示了使用傳感器A采集的數(shù)據(jù)在供應(yīng)商B參考模板和供應(yīng)商A驗(yàn)證程序之間進(jìn)行互操作性測(cè)試的案例。實(shí)驗(yàn)結(jié)果表明以實(shí)驗(yàn)為依據(jù)的LOD概念在互操作性測(cè)試方面得到了有效的應(yīng)用。參考文獻(xiàn)[1]ISO/IEC19795-1,Informationtechnology—Biometricperformancetestingandreporting—Part1:Principlesandframework[2]ISO/IEC19795-2,Informationtechnology—Biometricperformancetestingandreporting—Part2:Testingmethodologiesfortechnologyandscenarioevaluation[3]ISO/IEC19795-4,Informationtechnology—Biometricperformancetestingandreporting—Part4:Interoperabilityperformancetesting[4]ISO/IEC29794-