信息技術 生物特征識別 用于技術評估的指紋數(shù)據(jù)庫的難度度量 征求意見稿

1GB/ZXXXXX—XXXX/ISO/IECTR29198:2013信息技術生物特征識別用于技術評估的指紋數(shù)據(jù)庫的難度度量本文件基于相對樣本質量、相對旋轉、變形和指紋印跡重疊等因素，為評估指紋數(shù)據(jù)集對于指紋識別所具有的挑戰(zhàn)性和壓力程度提供指導。此外，還建立了構建不同難度水平數(shù)據(jù)集的方法，定義了用于指紋識別算法技術評價的指紋數(shù)據(jù)集的相對難度水平。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，建立了評價整個指紋數(shù)據(jù)集難度水平的統(tǒng)計方法；——比較不同指紋數(shù)據(jù)集的難度水平；——定義了用于技術評估的指紋數(shù)據(jù)集難度水平的測試和報告流程；——根據(jù)比對得分分析配對樣本對數(shù)據(jù)特性；——描述了建立評估數(shù)據(jù)集的歸檔數(shù)據(jù)選擇方法。本文件為比對指紋數(shù)據(jù)集的相對難度水平提供指導。本文件不包括：——定義單個指紋圖像的質量；——定義評價或預測指紋識別算法性能的方法或明確指標。2規(guī)范性引用文件本文件沒有規(guī)范性引用文件。3術語和定義下列術語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對象的一個或多個已存儲的生物特征樣本、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：在比對中標記的主體/對象可能是任意的。在一些比對中，生物樣本進行比對的主體，并輸入到生物特征比對算法中。例如，在重復注冊檢查中，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、與生物特征參考進行生物特征比對的生物特征樣本或生物特征項的集合。3.4技術評價technologyevaluation使用預先或專門收集的同一生物特征樣本集，對一種或多種算法進行的離線評價。3.5注冊失敗率FTERfailure-to-enrolrate（FTER）指定的一組生物特征注冊事務中注冊失敗的比例。注2：原文縮寫為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測/預期的失敗獲取率(前者），3.7誤不匹配率falsenon-matchrate（FNMR）在生物特征識別配對比對試驗中，誤不匹配的數(shù)量與完成的試驗數(shù)的比例。3.8誤匹配率falsematchrate（FMR）在生物特征識別不配對比對試驗中，誤匹配的數(shù)量與完成的試驗數(shù)的比例。3.9錯誤拒絕率falserejectrate（FRR）在生物特征識別配對比對試驗中，誤不匹配的數(shù)量與完成的試驗數(shù)的比例。3.10錯誤接受率falseacceptrate（FAR）在生物特征識別不配對比對試驗中，誤匹配的數(shù)量與完成的試驗數(shù)的比例。3.11接受者操作特性曲線receiveroperatingcharacteristiccurve（ROCcurve）以假陽性率(即錯誤接受)為橫坐標，以真陽性率(即正確接受)為縱坐標的決策閾值函數(shù)。3.12檢測誤差權衡曲線detectionerrortrade-offcurve（DETcurve）修正的ROC曲線，在兩軸上都繪制了錯誤率(x軸為假陽性率，y軸為假陰性率)。3.13性能performance錯誤率和吞吐率方面的能力。3.14質量quality用以完成或實現(xiàn)生物特征比對決策的生物特征樣本適應度的度量。3GB/ZXXXXX—XXXX/ISO/IECTR29198:20133.15質量得分qualityscore用以完成或實現(xiàn)比對決策的生物特征樣本的適應度值。3.16匹配度matchability兩個配對指紋樣本能通過多種比對算法比對成功的程度。3.17配對樣本對matedpair從同一來源采集的相同生物識別特征的兩個樣本集,其中一個用于參考,另一個用于測試。3.18難度水平levelofdifficulty衡量生物特征數(shù)據(jù)集的指標，表示指紋數(shù)據(jù)集相對于其他數(shù)據(jù)集在識別方面的“挑戰(zhàn)性”或“壓力程度”。注1：如果對于所選指紋比對算法，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更難識別。關于如何評估給定比對算法的性能，見ISO/I注2：為了評估指紋數(shù)據(jù)集的難度水平，在測試指紋比對算法對本數(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singularpoint指紋中心點或三角點。3.20對齊點alignmentpoint用于對齊指紋配對樣本對的點，為奇異點或特定的細節(jié)點。4縮略語下述縮略語適用于本文件。AP：對齊點（AlignmentPoint）CA：共有區(qū)域（CommonArea）DF：相對變形（RelativeDeformation）LOD：難度水平（LevelofDifficulty）RSQ：相對樣本質量（RelativeSampleQuality）SP：奇異點（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)集的下列屬性會影響指紋識別的性能：——傳感器類型(例如全內反射、電容、熱感、刮擦、非接觸式的、超聲波等)；——印跡類型(如平面、滾動、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指紋樣本質量得分來表示和量化。按照ISO/IEC29794-1的定義，生物特征樣本的質量是指生物特征樣本滿足目標應用的指定要求的程度，質量分數(shù)是質量的定量表達，然而，質量分數(shù)與每個個體的生物特征樣本相關，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[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)(在十指指紋辨識的情況下)；(2)參考和探針圖像之間的相關性；(3)參考和探針圖像的質量。兩個指紋之間的相關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)。圖像質量得分可以用來分別量化參考圖像和探針圖像的質量。如圖1和圖2所示，即使兩張指紋圖像的質量都很好，如果它們的共有區(qū)域很小(圖1)或者相對變形較嚴重(圖2)，則比對得分較低。此外，兩個低質量樣本的比對得分可能比一個高質量樣本和一個低質量樣本的比對得分更高。圖1比對較小共有區(qū)域的樣本對，相似度得分較低圖2比對變形嚴重的樣本對，相似度得分較低考慮到這些情況，ISO/IEC29794-4中定義的質量在技術測試中不足以評估指紋數(shù)據(jù)集的LOD。此外，考慮配對指紋對的其他差異的影響，還需要定義相對質量。相對難度水平可應用于選擇用于性能評估的數(shù)據(jù)。在資源有限的情況下進行互操作性性能測試時，可能需要關注具有挑戰(zhàn)性的數(shù)據(jù)集，因為通過相對比較少地比對可能產(chǎn)生有意義的結果。進一步，還可以用于評估數(shù)據(jù)集對于此類評估的適用性。實驗人員可以專注于少量的匹配樣本對數(shù)據(jù)，以對給定的數(shù)據(jù)集做出是否適用此目的的初步評估。5GB/ZXXXXX—XXXX/ISO/IECTR29198:20135.2共有區(qū)域5.2.1概述配對指紋樣本對之間的共有區(qū)域可能會因人為因素而有所不同。一般來說，共有區(qū)域越大，比對得分越高。圖3描述了配對指紋對的重疊區(qū)域。共有區(qū)域可能的度量項包括：a)共有區(qū)域與配對指紋樣本對所覆蓋的總面積之比(首選方法，將在下文討論)；b)每個印跡上細節(jié)點凸包的重疊區(qū)域。圖3基于配對印跡前景區(qū)域的共有區(qū)域的一種可能定義無論比對算法是基于細節(jié)點還是圖像，共有區(qū)域都是影響指紋識別中匹配性能的主要因素之一。一般來說，配對樣本對的共有區(qū)域越大，相似度得分越高。圖4顯示了使用商用指紋比對算法得到相似度得分的配對樣本對示例。圖4共有區(qū)域較低且相似度得分為0的配對樣本對示例;(a)和(b)是一對配對指紋對，(c)和(d)為(a)和(b)經(jīng)過細節(jié)點提取處理后的圖像，(e)是使用中心點作為(a)和(b)對齊點對齊的結果65.2.2共有區(qū)域的定義在本文件中，配對樣本對的共有區(qū)域的度量定義為共有區(qū)域面積與配對樣本對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。將該度量指標歸一化為[0,1]，其中0表示沒有找到相應的AP對。5.2.3配對樣本對共有區(qū)域的定位給定用于匹配的分割指紋配對樣本對，為了定位配對樣本對的共有區(qū)域，應該定位相應的對齊點對。對于非弓型指紋，可以從相應的像素級奇異點中找到對齊點對。對于包含弓型而沒有奇異點的指紋，可以從相應的細節(jié)點得到對齊點對。圖5、圖6和圖7分別顯示了對缺少奇異點對的螺紋型、弓型和環(huán)型指紋對計算共有區(qū)域的示例。注意在每種情況下可能有多個AP對。每個AP都有位置和方向。通過對齊位置和方向，可以校正參考樣本和探針樣本之間的旋轉和平移差圖5螺紋型共有區(qū)域的可能定位;(a)和(b)是一對配對樣本對，(c)(d)和(e)表示基于不同AP對得到的共有區(qū)域7GB/ZXXXXX—XXXX/ISO/IECTR29198:2013圖6通過對齊相應的細節(jié)點對得到弓型指紋共有區(qū)域的可能定位;(a)和(b)是一對配對樣本對，(c)顯示得到的共有區(qū)域圖7對缺少相應的奇異點對的環(huán)型共有區(qū)域可能的定位;(a)和(b)是一對配對樣本對，(c)顯示共有區(qū)域5.2.4配對樣本對共有區(qū)域的計算AP的計算是測量共有區(qū)域的關鍵步驟，需要在像素級精度檢測AP。由于大多數(shù)非弓型指紋包含至少一個SP，因此像素級SP是候選AP的首選。為了保證配對指紋對的對準精度，SP的檢測在像素級進行。同時，對弓型指紋和未能找到相應SP的指紋，則使用相應的細節(jié)點替代。圖8給出了計算共有區(qū)域的流程8圖8共有區(qū)域計算流程圖如圖5所示，當在一對配對樣本對中發(fā)現(xiàn)多個AP候選對時，選擇具有最大共有區(qū)域的AP作為最終AP。注1：對于樣本質量差的指紋，盡管相應的SP或細節(jié)點對存在，但也可能無法找到正確的AP，在這種情況下，將共注2：由于弓型指紋沒有奇異點，因此可以使用任何比對算法從一組對應的細節(jié)點對中獲得AP對。當有多個對應AP5.2.5共有區(qū)域與相似度得分的關系直觀地說，共有區(qū)域和相似度得分之間存在比例關系。然而，相似度得分還受到其他因素如變形、樣本質量等的影響。圖9顯示了在FVC2000數(shù)據(jù)集上配對樣本對的共有區(qū)域與相似度得分的散點圖。相似度得分高的配對樣本對通常具有較大的共有區(qū)域，而相似度得分低的配對樣本對不一定具有較小的共有區(qū)域。此外，具有較小共有區(qū)域的配對樣本對往往會產(chǎn)生較低的相似度得分，而具有較大共有區(qū)域的配對樣本對則不一定產(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圖;(a)2000-1a，(b)2000-2a，(c)2000-3a5.3相對變形5.3.1概述由于手指和皮膚是有彈性的，在采集過程中手指的壓力會導致指紋變形，因此，阻礙了即使有100%共有區(qū)域的配對樣本對的完美匹配。變形的存在使得指紋匹配更加困難。配對樣本對之間的相對變形越高，指紋匹配越困難。因此，配對樣本對的總體相對變形能間接反映指紋數(shù)據(jù)集的難度水平。雖然很難測量單個指紋的變形程度，但比較容易度量一對配對樣本對之間的相對變形程度。通過定位相應的點或模式，如細節(jié)點、奇異點、脊線和其他的拓撲模式，然后測量位置和方向的差異，能計算相對變形。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)和剪切。非線性變換的例子包括樣條變形。線性變形的一個簡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行估計）。彈性變形的度量方法有多種，如彎曲能。對配對指紋對相對變形的可能度量為：a)配對樣本對對齊后對應點的方向差異的平均值；b)利用薄板樣條法測量變形。5.3.2基于方向場的變形測量假設指紋方向的連續(xù)性，當配對指紋對對齊之后沒有相對變形，相同位置的方向將重合。然而，在大多數(shù)的匹配情況下，配對樣本對之間存在相對變形，這種變形可以通過整體的方向差異表示。基于方向場的變形在對齊的共有區(qū)域上進行測量，像素級方向場的計算可以通過多尺度高斯濾波器來實現(xiàn)?；诜较驁龅淖冃伪欢x為在對齊共有區(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為配對樣本對對齊位置的脊線方向。圖10到14示例了配對樣本對通過不同的AP對對齊來計算共有區(qū)域和相對變形。配對樣本對之間的旋轉差異通過使對應的AP對的方向重合來補償。它們表明共有區(qū)域比率和相對變形隨AP對的不同而不同。當在配對樣本對中找到多個AP候選對，選擇共有區(qū)域最大的AP作為最終AP。然后，使用最終AP計算相對變形。圖10以右側三角點為AP對齊后共有區(qū)域和相對變形的計算：(a)和(b)為配對樣本對，(c)共有區(qū)域，(d)像素級方向差異(暗-小，亮-大)，(e)按塊的方向差異GB/ZXXXXX—XXXX/ISO/IECTR29198:2013圖11以左側三角點為AP對齊后共有區(qū)域和相對變形的計算：(a)和(b)為配對樣本對，(c)共有區(qū)域，(d)像素級方向差異(暗-小，亮-大)，(e)按塊的方向差異圖12以上側中心點為AP對齊后共有區(qū)域和相對變形的計算：(a)和(b)為配對樣本對，(c)共有區(qū)域，(d)像素級方向差異(暗-小，亮-大)，(e)按塊的方向差異圖13以下側中心點為AP對齊后共有區(qū)域和相對變形的計算：(a)和(b)為配對樣本對，(c)共有區(qū)域，(d)像素級方向差異(暗-小，亮-大)，(e)按塊的方向差異圖14共有區(qū)域小但相對變形小的例子:(a)和(b)為配對樣本對，(c)共有區(qū)域，(d)像素級方向差異(暗-小，亮-大)，(e)按塊的方向差異GB/ZXXXXX—XXXX/ISO/IECTR29198:20135.3.3基于薄板樣條的測量基于薄板樣條的方法是測量配對指紋樣本對變形的方法之一。為了利用薄板樣條來測量配對指紋樣本對的變形，宜對相應的細節(jié)點集進行魯棒檢測。Bazen等人提出了基于三角局部結構檢測相應細節(jié)集的方法，稱為細節(jié)鄰域法，因為局部結構起源于指紋中的一小部分，可能不因塑性變形而嚴重變形。因為通過局部比對算法檢測羅列出的潛在相應細節(jié)鄰域可能含有錯誤匹配對，因此每對的正確性需要通過形狀上下文方案和RANSAC技術進行進一步驗證。檢測出正確對應的細節(jié)點對后，即可應用薄板樣條法計算出彎曲能，其可用于度量指紋對之間的變形。5.3.4基于方向場的變形與相似度得分的關系圖15顯示了在FVC2000數(shù)據(jù)集中配對樣本對的相對變形(從方向場計算)和相似度得分(由一種商用指紋比對算法獲得)的散點圖。在某種程度上，相對變形和相似度得分呈反比關系。這種關系并不是很明顯，因為相似度得分也受其它因素影響，如共有區(qū)域、樣本質量等。圖15中，相似度得分高的配對樣本對有較小的相對變形傾向，但是相似度得分低的配對樣本對不一定有很高的相對變形。此外，相對變形較高的配對樣本對其相似度得分有偏低傾向，但是相對變形較低的配對樣本對不一定會有很高的相似度得分。圖15FVC2000數(shù)據(jù)集相對變形與相似度得分的散點圖;(a)2000-1a，(b)2000-2a，(c)2000-3a5.4相對樣本質量5.4.1概述指紋樣本質量是影響指紋識別系統(tǒng)匹配性能的關鍵因素之一。因此，某一指紋數(shù)據(jù)集樣本質量的分布成為該數(shù)據(jù)集LOD的指標。在技術評價中，參考樣本的質量可能較低，則在配對樣本對中必須考慮兩個樣本的質量，而不僅僅是探針樣本的質量。5.4.2相對樣本質量的測量從配對樣本對的相對樣本質量方面來看，在比對中有四種情況：——(情況1)高質量的參考樣本和高質量的探針樣本；——(情況2)高質量的參考樣本和低質量的探針樣本；——(情況3)低質量的參考樣本和高質量的探針樣本；——(情況4)低質量的參考樣本和低質量的探針樣本。假設其他的影響因素如共有區(qū)域、相對變形，對匹配性能的影響可以忽略不計，一般來說，以上情況的相似度得分可以排序為：案例1>案例2≈案例3>案例4因此，給定一對配對樣本對，相對樣本質量的度量可以由單個樣本質量得分的任何類型的平均值來定義，可以是算術平均值、幾何平均值或調和平均值，樣本質量得分由ISO/IEC29794-4中描述的指紋質量度量產(chǎn)生。5.5計算數(shù)據(jù)集的LOD5.5.1概述考慮到配對指紋對之間的共有區(qū)域(CA)，相對變形(DF)，相對樣本質量(RSQ)是影響比對算法性能的主要因素，隨著CA和RSQ的增加以及DF的降低，配對樣本對的相似度得分也隨之增加。對于單配對樣本對，一般來說，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為單對指紋對的難度水平;ν為未知的影響因素，DF?1表示相對變形與難度水平的反比關系。5.5.2測量單對的LOD為了測量LODp，即單指紋配對樣本對的LOD，從多個因素來看，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)是對給定的訓練數(shù)據(jù)集進行實驗估算的系數(shù)。在實踐中，由于LOD是未知的，LODp被替換為每對配對樣本對的相似度得分，其由現(xiàn)有的比對算法得到。βij在經(jīng)多元非線性回歸估計后得到，并用于上述模型來計算未知待評價數(shù)據(jù)集的LOD分布。在將由訓練數(shù)據(jù)集獲得的系數(shù)βij應用于未知測試數(shù)據(jù)集的LOD計算模型時，基本的假設是每個因素對匹配錯誤率的影響程度相似。由于LODp與相似度得分成正比關系，因此可以采用線性函數(shù)對LODp進行歸一化處理，使LODp與相似度得分呈反比關系。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LODp的最大值和最小值。采用FVC2000、2002和2004的9個非合成數(shù)據(jù)集驗證上述模型的有效性。每個數(shù)據(jù)集包含從100根手指采集的800個指紋。僅對真正的配對樣本對測量LOD。圖16-圖18比較了三個FVC數(shù)據(jù)集(2000-DB2,2004-DB1,2004-DB3)分別通過上述方法計算得到的CA、DF和RSQ的分布，圖19顯示了數(shù)據(jù)集中單個對的LOD分布情況。圖16三個FVC數(shù)據(jù)集2000-DB2、2004-DB1、2004-DB3的CA直方圖圖17三個FVC數(shù)據(jù)集2000-DB2、2004-DB1和2004-DB3的DF直方圖圖18三個FVC數(shù)據(jù)集2000-DB2、2004-DB1和2004-DB3的RSQ直方圖圖19三個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LOD分布采用單因素ANOVA(ANalysisOfVAriance，方差分析)和TukeyHSD(HonestlySignificantDifference，真實顯著差異)測試以檢驗它們的差異是否顯著。圖19顯示了ANOVA測試的結果，以及使用TukeyHSD測試對三個不同難度級別的數(shù)據(jù)集進行分組的結果。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計算的，所以它獨立于比對算法。然而，期望LOD與匹配性能的指標間具有某種單調關系，例如，某種“通用”比對算法的等錯誤率（EER）。采用兩種廣泛使用的比對算法(VeriFinger5.0和Bozorth3)作為所有數(shù)據(jù)集的通用比對算法。表1還將排序的平均歸一化LOD和這兩種比對算法在相應數(shù)據(jù)集上獲得的EER和FRR進行了比較。LOD等級分為三類：簡單、中等和困難。從表中可以看出，除2000-DB3和2002-DB3數(shù)據(jù)集外測得的歸一化LOD與實際EER基本吻合，這還需進一步研究。圖20說明了歸一化LOD和用Bozorth3測量的EER之間的線性關表1數(shù)據(jù)集的歸一化LOD和對應的通過比對算法得到的EER圖20歸一化LOD和Bozorth3EER之間關系的示例6根據(jù)比對結果分析配對樣本對數(shù)據(jù)特性6.1概述通過使用比對得分，而不是圖像質量得分，可以實現(xiàn)技術測試數(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)以進行實際準確性評估。而且，該方法非常直接,可以觀察到以下情況:——一般來說，每種比對算法都有不同的評分特征，即使對于具有相同圖像質量得分的配對樣本數(shù)據(jù)，不同的算法的得分也不相同；——基于多種比對算法的結果來度量“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：——對于單個配對樣本對的數(shù)據(jù)，每個供應商算法的匹配度是確定的；——被標記為能夠匹配的配對樣本對數(shù)據(jù)稱為“可匹配的”。6.2.2判定匹配度的準則匹配度是配對樣本對通過匹配的算法比例的函數(shù)，判定匹配度的準則如下：——通過大量算法匹配的配對樣本對比通過少量算法匹配的配對樣本對更具匹配度；——總的來說，通過大量算法匹配的數(shù)據(jù)集比通過少量算法匹配的數(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，可以期待實現(xiàn)更通用的匹配度；——對所有供應商軟件的每個比對算法分配每對配對樣本對數(shù)據(jù)的匹配度標簽；GB/ZXXXXX—XXXX/ISO/IECTR29198:2013——本文件不提供評估不同傳感器類型或傳感技術對匹配度影響的指導。但是，可以設計測試來檢測傳感器變化對匹配度的影響，例如使用不同的傳感器來收集探針和圖庫數(shù)據(jù)。6.2.3匹配度的判定根據(jù)算法的不同，配對樣本對比對可能得到匹配/不匹配決策或是比對得分。為了評估匹配度，強烈建議獲得比對得分。特定匹配器決策閾值可用于確定給定的配對樣本對比對是否被判定為匹配。這種方法的好處是，可以使用相對較少的配對樣本對來描述數(shù)據(jù)集的LOD。閾值的確定可以基于測試組織以前對給定算法的經(jīng)驗。理解特定算法的比對得分分布通常會簡化基于匹配度的LOD評估。這種理解也將提高組織間的協(xié)作：共享基于分數(shù)的決策準則比共享不透明的、基于排名的結果更有用。為了充分理解閾值，通常需要執(zhí)行大量非配對樣本對比對。示例：測試組織可能之前已經(jīng)確定，對于比對算法B，比對得分為100通常對應的錯誤匹配率為0.01%，因此100在某些情況下，對配對樣本對進行基于排名的分析是合理的或有用的，例如測試僅在辨識模式下運行的算法時。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算法不宜產(chǎn)生高度量化的比對得分。量化削弱了對比對得分的洞察力;這種洞察力對區(qū)分配對樣本對比對得分的細微差異可能是必要的。例如，一些比對算法只在比對成功時返回分數(shù)，而在比對失敗時返回空或失敗結果。這種行為是不可取的，因為它降低了邊界比對的可見性，而邊界比對通?？赡芘c匹配度和LOD特別相關。表2提供了一個使用多種比對算法來確定匹配度的示例。表2匹配度示例表格高中低LOD可以與某個性能測試相關聯(lián)，并通過測試名稱進行區(qū)分，例如“NIST的MINEX2004”和“MTIT”。比對算法可以由性能測試主辦方收集。假設有M種算法可用來評估某數(shù)據(jù)集的LOD，該數(shù)據(jù)集中的配對樣本對數(shù)為N，對于給定的配對樣本對，如果某算法生成的比對得分大于聲明的閾值，或者將正確的配對樣本對識別為排名第一匹配，那么該算法將產(chǎn)生+1的分數(shù)。否則，該算法將產(chǎn)生?1的分數(shù)。通過這種方式，可以為每個比對算法和每個探針樣本生成一個分數(shù)，將其寫為sn,i，其中n指第n個比對，i指第i個算法。因此可以構造下列矩陣系統(tǒng)：記左邊的矩陣為S，未知權重的向量為w，右邊的目標是t。注意矩陣S的元素全部由+1和?1組成。假設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，那么所有的比對算法都會得到正確的答案，w的元素都是1；——如果數(shù)據(jù)無法匹配，那么所有的比對算法都會得到錯誤的答案，w的元素都為?1。因此，建議使用以下指標來衡量數(shù)據(jù)集的匹配度，如公式（6）所示：這個量的最小值為零，即所有的比對算法都得到了正確的比對結果。這個量的最大值是所用算法數(shù)的兩倍，即2M。這個度量可以通過除以2M歸一化到[0,1]。考慮更多的例子。假設有三種比對算法，其中算法1在大多數(shù)比對中都是正確的，而算法2和算法3在大多數(shù)的比對中是錯誤的。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。現(xiàn)在假設算法1和算法2在大多數(shù)比對中都是正確的，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果，因為如果兩種算法得到正確的答案，那么該數(shù)據(jù)集要比只有一個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，因為堅持得到使||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)最小二乘解有一個精確解，可以用奇異值分解(SVD)來計算。使用SVD還有一個優(yōu)點，它可以處理S為非滿秩的情況，例如當所有算法對所有數(shù)據(jù)都產(chǎn)生相同的輸出時會出現(xiàn)非滿秩的情況。6.2.4控制單個因素對整體性能的影響假設對指紋樣本質量的所有影響因素都能反映在比對結果中，通過仔細構建評估數(shù)據(jù)集，可以估算出單個因素對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，以便計算老化周期與比對得分之間的相關性。同樣方式可以評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試主體的數(shù)據(jù)樣本。另外，當使用同一個人的多個手指的指紋數(shù)據(jù)時，認為手指的模式是相似的。但是，本文件并沒有明確地專門處理這些數(shù)據(jù)特性。這是因為，如果能夠正確區(qū)分具有高模式相關性的手指，就適合于檢測模式間識別的性能特性。6.3構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：——通過為所有供應商算法選擇正確匹配的配對樣本對數(shù)據(jù)的交集，能夠建立一個“簡單”的標準數(shù)據(jù)集；——通過選擇至少通過兩種算法得到匹配結果的配對樣本對數(shù)據(jù)，能夠建立一個“中等”的標準數(shù)據(jù)集；——通過選擇至少通過一種算法得到匹配結果的配對樣本對數(shù)據(jù)，能夠建立一個“困難”的標準數(shù)據(jù)集。數(shù)據(jù)集的LOD與對所有配對樣本對正確匹配或得到排名第一匹配的算法數(shù)量的分布相關聯(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，排名第二的結果表明，與排名第一的結果相比，給定的配對樣本對更難匹配。圖24展示了構建不同難度水平指紋數(shù)據(jù)集的實驗結果，其中使用了三種比對算法，85對配對樣本對，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)集中難以匹配配對樣本對的數(shù)量的度量，但它不提供任何關于容易被錯誤匹配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)無關的，能應用于人臉等其圖21“簡單”標準數(shù)據(jù)集概念圖圖22“中等”標準數(shù)據(jù)集概念圖圖23“困難”標準數(shù)據(jù)集概念圖圖24構建不同難度水平的指紋數(shù)據(jù)集的實驗結果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)在供應商B參考模板和供應商A驗證程序之間進行互操作性測試的案例。實驗結果表明以實驗為依據(jù)的LOD概念在互操作性測試方面得到了有效的應用。參考文獻[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-