(高清版)GBT 41814.1-2022 信息技术 生物特征识别校准、增强和融合数据 第1部分：融合信息格式

国家市场监督管理总局国家标准化管理委员会发布国家市场监督管理总局I Ⅲ 1 1 1 2 24.2缩略语 2 2 3 3 4 46.4融合信息头数据块 4 8 87.2参数类型 87.3参数来源 97.4分布表示 7.5比对次数 7.6预归一化标志 8第一类记录 8.3用例(资料性) 9第二类记录 9.2格式 9.3用例(资料性) 10.2格式 附录A(资料性)文件概述 A.1概述 A.2类型的选择 ⅡGB/T41814.1—2022A.3类型间的互用 A.5基于质量的融合 附录B(资料性)累积分布函数示例 附录C(资料性)预归一化数据的使用 20 20 20C.3最佳实践 附录D(资料性)样条函数评估源码 22 23Ⅲ本文件是GB/T41814《信息技术生物特征识别校准、增强和融合数据》的第1部分。本文件修改采用ISO/IEC29159-1:2010《信息技术生物特征识别校准、增强和融合数据第1——第2章对应ISO/IEC29159-1:2010中的第3章；——第3章对应ISO/IEC29159-1:2010中的第4章；——第4章对应ISO/IEC29159-1:2010中的第5章；——第5章对应ISO/IEC29159-1:2010中的第2章。——增加规范性引用文件GB/T1988—1998,用GB/T1988—1998规定的编码字符集替代了 V注册时生成的生物特征参考(图像或时生成的生物特征注册时生成的生物特征参考(图像或时生成的生物特征1本文件适用于描述在融合过程中输入的比对得分下列文件中的内容通过文中的规范性引用而构成本文件必不GB/T1988—1998信息技术信息交换用七位编码字符集(eqvISO/IEC646:1991)GB/T26237.1—2010信息技术生物特征识别数据交换格式第1部分：框架”(ISO/IEC19794-1:GB/T28826.1—2012信息技术公用生物特征识别交换格式框架第1部分：数据元素规范IEEE754-2008IEEE浮点数运算标准2(IEEEStandardforFloating-PointArithmetic)3术语和定义GB/T26237.1—2010界定的以及下列术语和定义适用于本文件。生物特征样本biometrics累积分布函数cumulativedistributionfunction2CBEFF:公用生物特征交换格式框架(CommonBiometricExchangeFormatFramework)ECDF:经验累积分布函数(EmpiricalCumulativeDistributionFunction)FAR:错误接受率(FalseAcceptRate)FIF:融合信息格式(FusionInformationFoPDF:概率密度函数(ProbabilityDensityFunction)5符合性如果记录符合第6章的所有规范性要求，则符合本文件。对第8章、第9章或第10章三章中任何3一章的符合性都应表现为对第7章的各条的符合性。6.1概述FIF记录用于支持多模态生物特征识别和决策支持系统的模块化。结构格式见表1。(见6.1.3)(见6.1.4)(见6.1.5)融合信息头数比对子系统产品ID3字节2字节1字节1字节1字节1字节比对次数比对次数1字节1字节10字节10字节10字节10字节注：仿冒分布数据或真实分布数据存在时，有效长度为26字节；两者均存在时，有效长度为50字节。表4第二类记录结构(16N+13)字节或(32N+24)字节1字节1字节(16N+11)字节(16N+11)字节注：N表示(x,F(x))对的数量。4表5第三类记录结构=(16N-18)字节或(32N-38)字节1字节1字节(16N-20)字节(16N-20)字节在FIF记录内，所有定义明确的数据块中的所有多6.3数值除非另有规定，否则在本文件定义类型中的所表6。2表7中的融合信息头数据块应作为所有FIF记录的第一个数据块。说明M4M4M4整条记录的长度L(单位：字节)5说明生物特征类型M3比对子系统产品IDM4当前供应商指定的IDM2当前供应商指定的IDM1M1M1M1比对的算法),其ID(4字节=2字节+2字节)应根据表8进行记录。表中两个值均为GB/T28826.1—说明产品ID(存储于第一个2个字节)生物特征识别注册机构见GB/T28826.1—2012版本号(存储于第二个2个字节)66.4.7数据库ID供应商比对子系统在生成计算FIF中各类记录的字段4和5中所含数据的得分时使用的数据库——比对子系统供应商利用数据库ID来特别指明用于FIF记录内容计算的数据的来源； 应用框架或需求文档利用数据库ID来硬性规定供应商必须采用某特定条目(比如数据库ID表9数据库ID0未指定 1未知 2预留 FERET人脸数据库http://www.itl.,/iad/humanid/color耶鲁人脸数据库/projects/yalefaces/yalefaces.html卡内基梅隆大学PIE数据库/projects/project_418.htmlAR数据库/～aleix/aleix_face_DB,hFRGCI数据库FRVT2002HCInt(即FRVT2006低清)数据库FRVT2006高清数据库FRVT2006超高清数据库FVC2002DB1http://bias.csr.unibo.it/fvFVC2002DB2http://bias.csr.unibo.it/fvFVC2002DB3http://bias.csr.unibo.it/fvFVC2002DB4(合成)http://bias.csr.unibo.it/fvFVC2004DB1http://bias.csr.unibo.it/fvFVC2004DB2http://bias.csr.unibo.it/fvFVC2004DB3http://bias.csr.unibo.it/fvFVC2004DB4(合成)http://bias.csr.unibo.it/fvFVC2006DB1http://bias.csr.unibo.it/fvFVC2006DB2http://bias.csr.unibo.it/fv7表9数据库ID(续)FVC2006DB3http://bias.csr.unibo.it/fvFVC2006DB4(合成)http://bias.csr.unibo.it/fvNIST专用数据库27http://fingerprint.nist.NIST专用数据库29http://fingerprint.nist.MCYT指纹样本分库http://atvs.ii.uam.es/bbdd_EN.hMCYT签名样本分库http://atvs.ii.uam.es/bbdd_EN.h签名BANCA图像http://www.ee,surrey.ac.uk/baBANCA视频http://www.ee.surrey.ac.uk/ba声音BANCA高质量http://www.ee.surrey.ac.uk/ba声音BANCA低质量http://www.ee.surrey.ac.uk/ba声音NIST语者验证/speech/tests/spk/20声音NIST语者验证/speech/tests/spk/20声音CASIA虹膜http://www,nlpr,/english/irds/irisdatabBath虹膜http://www.irisbaseICE2005http://iris.niICE2006http://iris.niNISTMINEXDHS2校准集http://fingerprint,nist.NISTMINEXPOE校准集http://fingerprint.nist.NISTMINEXDOS校准集http://fingerprint.nist.NISTMINEXPOEBVA校准集http://fingerprint.nist.TURBINEGUC100http://www.nislab.no/保留一由供应商分配；供应商之间可能非公开也不具有唯一性注1:虽然上述部分数据库并不公开，但仍将其列述于上表，便于将来校准工作的开注2:虽然上述部分数据库不易获取，但仍将其列述于上表，以供本文件使用者参考之注3:融合系统的性能与所使用的数据库稍有关联，原因在于样本匹配时从一个数据库中通常有别于取自另一个数据库中的比对得分分布。有关分布的稳定性，见附录8表10数据库质量值说明生物特征比对子系统的原始输出可为距离或相似度。距离值越小，表示意义取值(1字节)01注：此处的“距离”不一定意味着值具有度量属性。类型实例数数据块(1字节)数量应为FIF记录中第一类、第二类或第三类记录的数量。FIF记录带1到3个类型实例。分布相关的量对应的整数标识符见表12。表12各统计量的标识符0未指定生产者由于疏忽未指定(通常不可接受)1未知2 9表12各统计量的标识符(续)3中值4567(最小值+最大值)/28图基三均值9 绝对中位差(MAD)实际上为1.4826(med(abs(x-med)),其中1.4826为归一化常数，(最大值-最小值)限值并非真实的位置参数峰度通用参数I当分布涉及的参数不止位置和尺度时，使用该参数通用参数Ⅱ累积分布函数作为离散对(x₁,F(x₁)),如第二类所示，其中i=1…N累积分布函数注1:无论记录中的值为哪一类，应用都能很好实现相同的转换。比如(x一平均值)/标准差和中位差等线性变换。注2:由于可选参数的范围很广，因此针对具体应用缩小参数的选择范围。利用应用配置好地达到这一目的。表13中的值(1字节)应用于指示参数的来源。表13统计数据的来源01表13统计数据的来源(续)23先验值——通过设计或理论分析得出的值。对于一个分(封闭数据集)中已知保留该值(1字节)应用于指示记录中包含的仿冒和真实分布，其取值范围见表14。该字段应包含值表14分布表示信息仿冒保留用于估计第一类、第二类或第三类信息的真实或仿冒比对的数值(4字节)应在该字段中编码。当表15中的值(1字节)应用于指示比对子系统输出的得分是属于任意范围还是已预归一化。就本文件而言，这意味着融合模块可以将比对子系统产生的得分均匀分布于[0,1]。这支持得分的直接使得分范围取值(1字节)018第一类记录第一类记录保存了来自生物特征识别系统的仿冒和/或真实得分的最少统计信息。该信息可用于表16子类型A格式数据类型取值范围示例1M参数类型1无符号整型见表123(中值)2M1无符号整型2(经验值)3M8双精度浮点双精度浮点类型数值范围节或50字节)。说明数据类型取值范围示例1M1无符号整型112M1304无符号整型45604无符号整型78GB/T41814.1—2022如果存在，该子类型A字段应包含仿冒得分分布中位置参数8.3用例(资料性)s=(a-μ.)/o.+(b-μb)/ob 0.比对子系统A输出的仿冒得分的估计标准差；b——虹膜比对子系统输出的原始得分；μb——比对子系统B输出的仿冒得分的估计平均值；0b比对子系统B输出的仿冒得分的估计标准差。9第二类记录表18子类型B格式说明数据类型取值范围示例1M参数类型1无符号整型2M1无符号整型13M1无符号整型04M比对次数4无符号整型5M4无符号整型6M双精度浮点双精度浮点类型数值范围7MN个f(r)值双精度浮点双精度浮点类型数值范围第二类记录的格式应如表19所示。仿冒数据或真实数据或两者都应存在[即有效长度为(13+16N)字节或(24+32N)字节]。说明数据类型取值范围示例1M1无符号整型222M13040注1:长度字段中N的值为(x,F(x))对的数量。注2:各类分布(如仿冒分布)中，子类型B记录包含的值一般取自经验值。如果基本分布已9.3用例(资料性)s=—log[M'A(a)/N'A(a)] (2)M'A——真实得分的PDF,比对子系统A所生成真实得分的CDF的导数(数值);N'A——仿冒得分的PDF,比对子系统A所生成仿冒得分的CDF的导数(数值);M's——真实得分的PDF,比对子系统B所生成真实得分的CDF的导数(数值);b——虹膜比对子系统输出的原始得分；N'B——仿冒得分的PDF,比对子系统B所生成仿冒得分的CDF的导数(数值)。第三类记录应包含仿冒和真实比对得分分布中的一个或两个CDF。若同时布应在真实分布的前面。该记录使用第二类记录(x,F(x))对的B-spline表示法，且通常由这些数据计算得出。该记录是大型第二类记录的一个更紧凑的替代方案，当(x,F(x))对的数量超出第二类记维度为3(即三次)。子类型C数据为函数的B-spline表示的系数与节点结构。样条为根据n个数据点以及(N<n)个节点(得分值)的规格采用带线性约束的最小二乘法计算得出的一组对应节点的系数。存储空间复杂度表20子类型C数据的格式说明数据类型取值范围示例1M参数类型1无符号整型2M1无符号整型表20子类型C数据的格式(续)说明数据类型取值范围示例3M1无符号整型04M比对次数n4无符号整型5M1无符号整型36M4无符号整型7M双精度浮点双精度浮点类型的数值范围8M8C(见注2)双精度浮点双精度浮点类型的数值范围 注2:系数的数量为C=N-K-1。对于三次样条，维度为3。当N+C<2n时，记录的节子类型B记录的n个(r,F(x))对。因此，当K=3且N<n-2时，占用的存储空间值准确性的同时使用了许多比数据点小的节点，因此样条颇为有效。将记录实例化的产品应决定合适的注3:此处的“取值范围”通用。例如，当使用子类型C实例时，在第10章的第三类记录中，维度K的值为3.表21第三类记录的格式数据类型取值范围示例1M1无符号整型332M130子类型C,K=3 40子类型C,K=3注1:CDF的样条表示的一阶导数本身就是一个样条函数，它代表了PDF。对于所有x,它数的公式见参考文献[4]中的等式(4)。注2:本文件使用参考文献[4]指定的线性约束，以确保最终样条函数是单调的。注3:通常，B-spline在各节点处不等于原始数据，即spline(x₁)≠F(x₁)。注4:三次函数的高维度足够确保内插值的准确注5:因为B-spline由n>N各数据点计算得出，所以它相比N个节点更能准确地表示一个函数。注6:用于样条函数评估的C++代码，见附录D.(资料性)A.1概述本文件将FIF记录定义为容器，以用于存储生物特征比对子系统生成的比对得分的统计数据。第6章介绍了对该记录的综述和公用FIF头的定义。该记录可用于存储第8章、第9章和第10章中定义的三种类型的数据，见表A.1。在第8章、第9章和第10章中正式定义之前，这三类数据共用第7章所表A.1FIF类型分类法级别得分归一化示例一个或多个真实分布和仿冒分布的位置和尺度参数支持仅使用分布的位置和尺度参数的其中，m,和s₁分别是仿冒分布的平均值和一个或多个真实分布和仿冒分布的ECDF(CDFs)基于完整分布信息的任何尺度缩放其中，N₁(x)是仿冒分布的CDF,和1减去比对系统的FMR的估计值第二类CDF的B-Spline函基于完整分布信息的任何尺度缩放与第二类相同本文件的用户宜注意第一类记录非常紧凑，仅支持基本的得分级融合方A.3类型间的互用FIF环境下的互用是指融合模块将来自供应商A的第三类记录与来自供应商B的第二类记录混合使用。本文件的用户需注意第一类记录之间或第一类与其他类记录之间的入中值和绝对中位差信息的第一类记录一起使用时，嵌入平均值和标准差信息的烈建议用户在使用本文件之前宜了解其大体框架。这意味着宜生成一份用户还宜编写配置文件，以支持产品间的迁移。此类配置文件将要求供A.4扩展性本文件可扩展。具体实现方式可通过发布修订版引入更多的记录类型，FIF标准未明确包括以生物特征样本质量测量为条件的比较得分统计记录(见参考文献[5])。虽(资料性)层比对子系统的内部性质。y轴为[0,1]。级凸出的阶面图B.1a)是由44个(x,F(x))对计算得出的分布函数，x的取值范围为[-1,54]。图B.1b)是由571个(x,F(x))对计算得出的分布函数，x的取值范围为[-1,871]。考虑到易用性，在95%(经验)分位数处对函数图进行了截取，因此线条右端的长尾未显示在图中。图中的两条但如果比对子系统仅能生成整数得分，如何与样条相关联?此时虽可使用第二类记录映射表作为块必须执行内插(或外插)操作。当值不在原来的区间内，样条函数估计为0或1。如果CDF已根据更多的得分计算得到，那么将会出现更极端的值(即极大值更大而极小值更小),从而导致CDF的估计值——前两个微分值为连续值(可支持依赖连续微分值的融合方法)。累积分布函数累积分布函数(资料性)C.1背景分的转换方法为比对子系统将仿冒CDF的某估计值应用于其内部得分。对于得分实为FMR的BioAPI(见参考文献[1])而言，这种转换已是默认的惯例。即，soutpa=1-Nailration(simecma),其中，以这种方式使用仿冒分布的原因在于它不会随样本属性(如环境和人口)——通过将样本与图像的校准集进行比对所获得的仿冒得分的CDF;——通过将样本与不同条件下收集的图像互斥集进行比对所获得的仿冒得分的CDF。果，如图所示，完成1-N(x)归一化后，校准集得分的分布非常均匀(按定义),但运算数据的CDF值ff图C.1原始比对得分及预归一化得分的CDF示例使用预归一化后的数据需谨记：已预归一化仿冒得分的实际均匀度取决最佳实践中，应用采集运算仿冒得分并针对具体场景生成FIF记录。考虑到数据的趋势(如季节GB/T41814.1—2022(资料性)样条函数评估源码如下代码段可用于评估第三类记录中的样条表示(见参考文献[4])//Evaluatek-thdegreeBsplinefunctionforthevaluet//knotsjandj+1.Thefunctionisrecursive.doubleB(constunsignedintj,constunsignedintk,constdo{return(knots[j]<=t&&t<knots[j+1])?1.cl=(knots[j+k]==knots[j])?0:(t—knots[j])/(knots[j+c2=(knots[j+k+1]==knots[j+1])?0:(knots[j+k+1]-treturncl*B(j,k-1,t)+c2*}//linearsearchoverthestrictlyincreasingknotsfortheinte//giventheintervalcomputeth