GB/T 41989-2022 公共安全 虹膜识别应用 算法评测方法

　　ICS 13 . 310 CCS A 9 1

　　中 华 人 民 共 和 国 国 家 标 准

　　GB/T 41989—2022

　　公共安全 虹膜识别应用

　　算法评测方法

　　publicsecurity—Irisrecognitionapplications—

　　Testmethodsforalgorithms

　　2022-10-12 发布 2023-05-01 实施

　　国家市场监督管理总局国家标准化管理委员会

　　

　　发

　　

　　布

　　GB/T 41989—2022

　　目 次

　　前言 I

　　1 范围 1

　　2 规范性引用文件 1

　　3 术语和定义 1

　　4 缩略语 1

　　5 测试库建库规则 1

　　6 测试环境 2

　　7 测试流程 2

　　8 测试方法 4

　　GB/T 41989—2022

　　前 言

　　本文件按照 GB/T 1 . 1—2020《标准化工作导则 第 1 部分:标准化文件的结构和起草规则》的规定起草 。

　　请注意本文件的某些内容可能涉及专利 。本文件的发布机构不承担识别专利的责任 。

　　本文件由全国安全防范报警系统标准化技术委员会(SAC/TC100)提出并归口 。

　　本文件起草单位:中国科学院自动化研究所 、北京中科虹霸科技有限公司 、天津中科虹星科技有限公司 、北京邮电大学 、北京眼神智能科技有限公司 、天津中科智能识别有限公司 、公安部第一研究所 、上海芯灵科技有限公司 。

　　本文件主要起草人: 王云龙 、孙哲南 、李星光 、张慧 、李海青 、何召锋 、侯鸿川 、马力 、侯广琦 、王微 、杨春林 、刘洋 、张堃博 、薛文芳 、李文洁 、徐伟 。

　　I

　　GB/T 41989—2022

　　公共安全 虹膜识别应用

　　算法评测方法

　　1 范围

　　本文件规定了公共安全虹膜识别应用中算法评测方法的测试库建库规则 、测试环境 、测试流程 , 描述了测试方法。

　　本文件适用于公共安全虹膜识别应用中算法的评测。

　　2 规范性引用文件

　　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可少的条款。 其中 , 注 日期的引用文件 , 仅该日期对应的版本适用于本文件;不注日期的引用文件 , 其最新版本(包括所有的修改单)适用于本文件。

　　GB/T 41786—2022 公共安全 生物特征识别 术语

　　GB/T 41988—2022 公共安全 虹膜识别应用 图像技术要求

　　GB/T 41990—2022 公共安全 虹膜识别应用 采集设备

　　GA/T 1486—2018 安全防范 虹膜识别应用 程序接口规范

　　3 术语和定义

　　GB/T 41786—2022 界定的术语和定义适用于本文件。

　　4 缩略语

　　下列缩略语适用于本文件。

　　ARM:进阶精简指令集机器(Advanced RISC Machine)

　　Cpu:中央处理器(Central processing unit)

　　DET:检测误差权衡(Detection Error Tradeoff)

　　dll: windows 系统下的动态链接库(dynamic link library)

　　FAR:错误接受率(False Acceptance Rate)

　　FRR:错误拒绝率(False Rejection Rate)

　　so: Linux系统下的动态链接库(shared object)

　　5 测试库建库规则

　　5 . 1 虹膜图像采集设备要求

　　采用按照 GB/T 41990—2022 第 5 章规定的技术要求且不少于两家厂商制造的虹膜采集设备。

　　1

　　GB/T 41989—2022

　　5 . 2 虹膜图像采集对象要求

　　采集对象人数:不少于 1 000 人 。

　　采集对象性别分布:男女人数各占总人数的(50±3)% 。

　　采集对象年龄分布: 1 岁以上 15 岁以下对象占总人数的(16±3)% 、15 岁至 65 岁对象占总人数的(70±3)% 、65 岁以上对象占总人数的(14±3)% 。

　　采集对象民族分布:汉族占总人数的(90±2)% , 其他民族占总人数的(10±2)% 。

　　采集对象配饰要求:不应佩戴有色镜片眼镜或有色隐形眼镜 , 数据库中佩戴无色镜片眼镜或无色隐形眼镜的虹膜图像比例不超过 50% 。

　　5 . 3 虹膜图像采集方式要求

　　要求采集对象眼睛正视虹膜采集设备 , 在虹膜图像采集设备的有效采集范围内对每位采集对象的左眼和右眼分别采集不少于 5 幅图像 , 采集图像质量按照 GB/T 41988—2022 第 5 章规定的技术要求 , 其中注册用虹膜图像与识别用虹膜图像数量比例应不大于 4 : 1 且不小于 1 : 1 。 每家厂商的采集设备采集到的虹膜图像数量应相等 。

　　6 测试环境

　　6 . 1 硬件平台

　　CPU 主频大于 2 . 0 GHz 、内存大于 1 GB的 x86 、x64 、ARM 或兼容架构计算机 。

　　6 . 2 操作系统

　　windows 、Linux、麒麟或兼容操作系统 。

　　7 测试流程

　　7 . 1 接口提交方式

　　被测试算法由被测试方以动态链接库 dll 或 so 的形式提交 , 命名为 irisrec. dll 或 irisrec. so 。动态链接库为 32 位或 64 位版本 。被测试算法的接口函数按照 GA/T 1486—2018 中 6 . 2 . 3 的定义 。

　　7 . 2 虹膜特征提取

　　虹膜特征提取测试接口调用流程应符合图 1 的规定 。其中 , 人眼区域检测 、虹膜图像预处理和提取虹膜模板组成了虹膜特征提取的步骤 。

　　2

　　3

　　GB/T

　　

　　41989—2022

　　图 1 虹膜特征提取测试接口调用流程

　　7 . 3 虹膜特征比对

　　虹膜特征比对测试接口调用流程应符合图 2 的规定 。

　　图 2 虹膜特征比对测试接口调用流程

　　GB/T 41989—2022

　　7 . 4 特征文件结构

　　虹膜特征文件结构应符合表 1 的规定 。

　　表 1 虹膜特征文件结构

　　序号

　　字段

　　位置索引

　　长度/字节

　　说明

　　是否必备

　　1

　　字段 1

　　1

　　1

　　文件头类型 , 记录字符“C”(43H)

　　是

　　2

　　字段 2

　　2

　　1

　　版本号 , 表示虹膜识别算法的版本 , 版本号用 00H~ FFH 表 示 , 表 示 范 围 为 0 ~ 255 , FFH表示“未知 ”

　　是

　　3

　　字段 3

　　3

　　1

　　虹膜图像采集设备代码 , 表示虹膜特征文件的虹 膜 图 像 采 集 设 备 来 源 , 由 测 试 方 分配 , FFH表示“未知 ”

　　是

　　4

　　字段 4

　　4

　　1

　　算法所属单位代码 , 表示使用的是哪一个单位的虹膜识别算法 , 由测试方分配 , FFH 表示“未知 ”

　　是

　　5

　　字段 5

　　5

　　1

　　特征提取状态 , 字符“A”(41H)表示“ 提取特征成功”, 字符“ R”(52H)表示“ 提取特征失败”, FFH表示“未知 ”

　　是

　　6

　　字段 6

　　6~14

　　9

　　保留项

　　否

　　7

　　字段 7

　　15~16

　　2

　　特征数据长度 , 表示以字节为单位的虹膜特征数据长度 。位置 15 和 16 分 别 存 放 高 位和低位数据

　　是

　　8

　　字段 8

　　17

　　—

　　特征数据 , 记录虹膜特征的二进制数据

　　是

　　8 测试方法

　　8 . 1 测试项目

　　虹膜识别算法的测试项 目为注册失败率 、错误接受率 、错误拒绝率 、等错误率 、注册时间和比对时间 。

　　8 . 2 注册失败率

　　测试程序调用算法评测动态链接库 , 并对虹膜图像测试库中所有图像进行特征提取 , 统计提取特征失败的图像数 。按公式(1)计算注册失败率 。

　　FTE ……………………( 1 )

　　式中:

　　FTE — 注册失败率 ;

　　NFTE — 提取特征失败的虹膜图像数 ;

　　NI — 总的虹膜图像数 。

　　4

　　GB/T 41989—2022

　　8 . 3 错误接受率

　　将每幅虹膜图像的特征数据按表 1 规定的特征文件结构保存 。虹膜图像测试库中所有提取特征成功的文件构成特征文件库 。测试程序调用算法评测动态链接库的虹膜特征确认(IR-Alg-IrisverifyF)函数,在特征文件库中,将每一幅虹膜图像的特征文件与所有不同类虹膜图像的特征文件进行比对 。按公式(2)计算在不同阈值下的错误接受率 。

　　FAR ……………………( 2 )

　　式中:

　　FAR — 不同阈值下的错误接受率 ;

　　NFA — 误判为真实人比对的次数 ;

　　NIM — 总的冒充者比对次数 。

　　8 . 4 错误拒绝率

　　测试程序调用算法评测动态链接库的虹膜特征确认(IR-Alg -IrisverifyF) 函数,在特征文件库中,将同一类虹膜的每一个特征文件与该类别其他特征文件进行比对 。按公式(3)计算在不同阈值下的错误拒绝率 。

　　FRR ……………………( 3 )

　　式中:

　　FRR — 不同阈值下的错误拒绝率 ;

　　NFR — 误判为冒充者比对的次数 ;

　　NGM — 总的真实人比对次数 。

　　8 . 5 等错误率

　　在不同阈值下,错误接受率和错误拒绝率曲线的相交点对应的错误率,在该点错误接受率和错误拒绝率相等 。

　　8 . 6 注册时间

　　从虹膜图像测试库中随机挑选 5 000 幅虹膜图像构成虹膜图像子集 。测试程序以单线程形式调用算法评测动态链接库,对虹膜图像子集中所有图像进行特征提取,记录运行时间作为总注册时间 。按公式(4)计算平均注册时间 。结果精确到毫秒(ms) 。

　　t enr ……………………( 4 )

　　式中:

　　tenr — 平均注册时间,单位为毫秒(ms) ;

　　Tenr — 总注册时间,单位为毫秒(ms) ;

　　Nenr — 虹膜图像子集的图像数 。

　　8 . 7 比对时间

　　从特征文件库中随机挑选 5 000 个特征文件构成特征文件子集 。测试程序以单线程形式调用算法评测动态链接库的虹膜特征确认(IR-Alg-IrisverifyF)函数,将特征文件子集中的每个特征文件与所有其他特征文件进行比对,记录 IR-Alg-IrisverifyF函数总运行时间,并将其作为总比对时间 。按公式

　　5

　　GB/T 41989—2022

　　(5)计算平均比对时间 。结果精确到微秒(μs) 。

　　t match ……………………( 5 )

　　式中 :

　　tmatch — 平均比对时间,单位为微秒(μs) ;

　　Tmatch — 总比对时间,单位为微秒(μs) ;

　　Nmatch — 比对次数 。

　　8 . 8 DET 曲线的绘制

　　建立以 FAR 为横轴 、FRR 为纵轴的坐标系,在特征文件库中,按 8 . 3 和 8 . 4 计算不同阈值下的FAR和 FRR,标出 FAR 和 FRR在坐标系中的对应点,将点用曲线相连,完成 DET 曲线绘制,如图 3所示 。

　　图 3 DET 曲线

　　8 . 9 算法总体性能的评价

　　注册失败率越低,表明将虹膜图像注册成特征模板时,虹膜识别算法对虹膜图像的适应性更强 。在相同的错误接受率下,错误拒绝率越低表明虹膜识别算法的识别精度越高 。 等错误率越低表明虹膜识别算法的识别精度越高 。注册时间越短表明虹膜识别算法将虹膜图像注册成虹膜特征的速度越快 。 比对时间越短表明虹膜识别算法比对两幅虹膜图像特征的速度越快 。

　　6