2024生物特征识别用于技术评估的指纹数据库的难度度量

capturedbiometricrawbiometricsample（弃用）biometric注2：样本进行比对的主体，并输入到生物特征比对算法中。例如，在重复注册检查中，生物特征参考被用作与数据集中的所有其他生物特征参考进行比对的主体。biometrictechnologyFTERfailure-to-enrol注2：原文缩写为FTE，参照GB/T5271.37-2021（ISO/IEC2382-37:2017,MOD）,3.9.7改为FTER。failure-to-acquire2：FTA，参照GB/T5271.37-2021（ISO/IEC2382-37:2017,MOD），3.9.4FTARfalsenon-matchfalsematch注：falserejectfalseacceptreceiveroperatingcharacteristiccurve（ROC检测误差权衡曲线detectionerrortrade-offcurve（DETqualitymatedlevelof注1：如果对于所选指纹比对算法，其在数据集A上的性能显著低于数据集B，则指纹数据集A比数据集B更难识别。关于如何评估给定比对算法的性能，见IOIC175。注2：为了评估指纹数据集的难度水平，在测试指纹比对算法对本数据集和其他数据集的性能之前，本文件定义了预测难度水平的测量方法。注3：singularalignmentAP（AlignmentPoint）CA：共有区域（CommonArea）DF（RelativeDeformation）LOD：难度水平（LevelofDifficulty）RSQ：相对样本质量（RelativeSampleQuality）SP：奇异点（SingularPoint）按照ISO/IEC29794-1的定义，生物特征样本的质量是指生物特征样本满足目标应用的指定要求的12340;(a)和(b)是一对配对指纹对，(c)和(d)为(a)𝐴参考∩探针…、图6和图A5螺纹型共有区域的可能定位;(a)和(b)是一对配对样本对，(c)(d)和(eAP6通过对齐相应的细节点对得到弓型指纹共有区域的可能定位;(a)和(b)是一对配对样本对，(c)显7对缺少相应的奇异点对的环型共有区域可能的定位;(a)和(b)是一对配对样本对，(c)显示共有区8注：对于样本质量差的指纹，尽管相应的S或细节点对存在，但也可能无法找到正确的AP，在这种情况下，将共有区域设置为零是合理的。𝐹=平均值 =10AP(a)和(b)为配对样本对，(c)共有区域， 11AP(a)和(b)为配对样本对，(c)共有区域，12AP(a)和(b)为配对样本对，(c)共有区域， 13AP(a)和(b)为配对样本对，(c)共有区域，图15显示了在FVC2000数据集中配对样本对的相对变形(从方向场计算)和相似度得分(由一种商15FVC2000(a)2000-1a，(b)2000-2a，(c)2000-3a定义，可以是算术平均值、几何平均值或调和平均值，样本质量得分由ISO/IEC29794-4中描述的指纹考虑到配对指纹对之间的共有区域(CA)，相对变形(DF)，相对样本质量(RSQ)是影响比对算法性CARSQDF的降低，配对样本对的相似度得分也随之增加。对于𝑂=𝐴,𝑆,𝐹−1,∝相似度得 𝑂=11𝐴+12𝐴2+21𝑆+22𝑆2+31𝐹−1+其中，βij(i123，j12)LOD是未知LOD分布。在将由训练数据集获得的系数βijLOD计算模型时，基本的假设是每个因素对匹配错误率的影响程度相似。

−𝑂 800LOD16-18FVC数据集(2000-DB22004-DB12004-DB3)CA、DFRSQ19显示了LOD分布情况。16三个FVC2000-DB2、2004-DB1、2004-DB3CA17三个FVC2000-DB2、2004-DB12004-DB3DF18三个FVC2000-DB2、2004-DB12004DB3RSQ19三个FVC2000-DB2、2004-DB12004-DB3LOD对LOD分布采用单因素ANOVA(ANalysisOfVAriance，方差分析和TukeyHSD(HonestlySignificantDifference，真实显著差异)测试以检验它们的差异是否显著。图19显示了ANOVA测试的结果，以及使用TukeyHSD测试对三个不同难度级别的数据集进行分组的结果。在此图中，不同颜色的数据集对算法(VeriFinger5.0和Bozorth3)作为所有数据集的通用比对算法。1数据集的归一化LODFRR(FAR=0.011.641.861.396.897.9610.935.9610.7913.2520归一化LODBozorth3EER示例：B1000.012LOD“NIST的MINEX2004”和“MTIT”。那么该算法将产生+1的分数。否则，该算法将产生−1的分数。通过这种方式，可以为每个比对算法和sn,inn个比对，ii个算法。因此可以构造下列

并具有最小那么所有的比对算法都会得到正确的答案，w1；——如果数据无法匹配，那么所有的比对算法都会得到错误的答案，w的元素都为−1。数据集匹配度=1−1= 1− 2M2M归一化到[0,1]。3在大多数的比对中是错误的。因此期望解向量接近[300]，数据集难度将是(|1-3||1-0||1-0|4。现0]+|1-0|