信息技術(shù) 生物特征樣本質(zhì)量 第1部分：框架（征求意見稿）

ICCSL71中華人民共和國(guó)國(guó)家標(biāo)準(zhǔn)GB/T33767.1—20XX/ISO/IEC29代替GB/T33767.1—2017在提交反饋意見時(shí)，請(qǐng)將您知道的相關(guān)專利連同支持性文件一并附上。布發(fā)布發(fā) 2規(guī)范性引用文件 3術(shù)語和定義 4縮略語 5符合性 6生物特征樣本質(zhì)量準(zhǔn)則 6.1參考模型 6.2質(zhì)量層面：特性、保真度、效用 6.3質(zhì)量度量數(shù)據(jù)的用例 7數(shù)據(jù)交換格式字段定義 7.1抽象描述 7.2XML編碼 107.3已標(biāo)記二進(jìn)制編碼 8質(zhì)量評(píng)估算法結(jié)果的標(biāo)準(zhǔn)化交換 9規(guī)范化 10成對(duì)質(zhì)量 11.1概述 11.2誤不匹配與丟棄方法 11.3誤匹配與丟棄方法 11.4DET與丟棄方法 1411.5樣本接受率或丟棄率 附錄A（資料性）生物特征質(zhì)量記錄編碼示例 16附錄B（資料性）質(zhì)量評(píng)估算法結(jié)果的標(biāo)準(zhǔn)化交換示例 17附錄C（資料性）基于效用的樣本系統(tǒng)質(zhì)量得分的聚合過程 20附錄D（資料性）計(jì)算效用預(yù)測(cè)性能指標(biāo)的示例代碼 22參考文獻(xiàn) IGB/T33767.1—20XX/ISO/IECFDIS29794-1:2023本文件按照GB/T1.1—2020《標(biāo)準(zhǔn)化工作導(dǎo)則第1部分：標(biāo)準(zhǔn)化文件的結(jié)構(gòu)和起草規(guī)則》的規(guī)定起草。本文件為GB/T33767《信息技術(shù)生物特征樣本質(zhì)量》的第1部分。GB/T33767已經(jīng)發(fā)布了以下部分：——第1部分：框架；——第4部分：指紋圖像數(shù)據(jù)；——第5部分：人臉圖像數(shù)據(jù)；——第6部分：虹膜圖像數(shù)據(jù)。本文件代替GB/T33767.1—2017《信息技術(shù)生物特征樣本質(zhì)量第1部分：框架》，與GB/T33767.1—2017相比，除結(jié)構(gòu)調(diào)整和編輯性改動(dòng)外，主要技術(shù)變化如下：a）在“范圍”的規(guī)定中增加了“質(zhì)量得分的聚合方法”和“質(zhì)量評(píng)估算法效率的評(píng)價(jià)方法”，并刪除了“規(guī)定了生物特征數(shù)據(jù)交換格式中質(zhì)量數(shù)據(jù)字段的格式和位置”（見第1章，2017年版的第1章）；b）在“規(guī)范性引用文件”中，增加了ISO/IEC2382-37和ISO/IEC39794-1，刪除了ISO/IEC19794-1:2006（見第2章，2017年版的第3章）；c）增加了術(shù)語和定義“生物特征關(guān)聯(lián)特性”、“生物特征效用”、“誤不匹配與丟棄特性”、“誤匹配與丟棄特性”、“原生質(zhì)量度量”、“質(zhì)量評(píng)估算法”、“質(zhì)量分量”、“質(zhì)量度量”）；d）刪除了術(shù)語和定義“生物特征登錄失敗”、“生物特征登錄失敗率”、“特征”、“非固有的”、“固有的”、“獲取失敗率”、“操作員”、“樣本”、“源”、“效用”（見2017年版的第4章）；e）術(shù)語和定義“質(zhì)量分?jǐn)?shù)”更改為“質(zhì)量得分”（見第3章，2017年版的第4章）；f）增加了縮略語CDF、DET、FMR、QVID（見第4章g）刪除了縮略語BIR、XML（見2017年版的第5章h）刪除了“通用生物特征識(shí)別系統(tǒng)”（見2017年版的第6章）；i）增加了質(zhì)量度量數(shù)據(jù)的用例“以質(zhì)量為導(dǎo)向的融合”（見6.3.8）、“通過質(zhì)量得分減少工作量”（見6.3.10）、“從一系列生物特征樣本中選擇最佳樣本”（見6.3.11）；j）“數(shù)據(jù)交換格式字段定義”中增加了“抽象描述”（見7.1），便于對(duì)“質(zhì)量塊的結(jié)構(gòu)”（見7.1.1）、“質(zhì)量評(píng)估算法標(biāo)識(shí)符塊”（見7.1.2）和“質(zhì)量度量”（見7.1.3）的定義及表述；k）增加了“質(zhì)量評(píng)估算法結(jié)果的規(guī)范化交換”（見第8章）、“成對(duì)質(zhì)量”（見第10章）、“評(píng)估”（見第11章）；l）增加了“生物特征質(zhì)量記錄編碼示例”，替換“構(gòu)建質(zhì)量分?jǐn)?shù)正則化數(shù)據(jù)集的過程”（見附錄A，2017年版的附錄A）；m）增加了“計(jì)算效用預(yù)測(cè)性能指標(biāo)的示例代碼”（見附錄D）。本文件等同采用ISO/IEC29794-1:20XX《信息技術(shù)生物特征樣本質(zhì)量第1部分：框架》。本文件做了下列最小限度的編輯性改動(dòng)：——增加了附加信息“注4：如果算法供應(yīng)商在國(guó)內(nèi)生物特征識(shí)別注冊(cè)機(jī)構(gòu)注冊(cè)，則使用GB/T28826.2分配質(zhì)量評(píng)估算法相關(guān)的標(biāo)識(shí)符”（見7.1.2）。本文件由全國(guó)信息技術(shù)標(biāo)準(zhǔn)化技術(shù)委員會(huì)（SAC/TC28）提出并歸口。GB/T33767.1—20XX/ISO/IECFDIS29794-1:2023本文件起草單位：。本文件主要起草人：。本文件及其所替代文件的歷次版本發(fā)布情況為：——2017年首次發(fā)布為GB/T33767.1—2017；——本次為第一次修訂。GB/T33767.1—20XX/ISO/IECFDIS29794-1:2023生物特征識(shí)別中的質(zhì)量度量標(biāo)準(zhǔn)具有重要價(jià)值。本文件旨在為生物特征識(shí)別領(lǐng)域提供一個(gè)樣本質(zhì)量度量框架，定義了質(zhì)量得分的表達(dá)、解釋和交換方法，為生物特征樣本質(zhì)量評(píng)估和評(píng)分提供了客觀和定量的依據(jù)。本文件為ISO/IEC19794系列、ISO/IEC39794系列和ISO/IEC19784-1等標(biāo)準(zhǔn)中生物特征樣本的質(zhì)量塊數(shù)據(jù)表示和交換提供了規(guī)范和指導(dǎo)。GB/T33767《信息技術(shù)生物特征樣本質(zhì)量》擬由15個(gè)部分構(gòu)成：——第1部分：框架。目的在于確立生物特征樣本質(zhì)量準(zhǔn)則、質(zhì)量度量的表達(dá)、解釋和交換，以及質(zhì)量評(píng)估算法性能的評(píng)價(jià)方法；——第4部分：指紋圖像數(shù)據(jù)。目的在于規(guī)定指紋圖像質(zhì)量指標(biāo)定義及要求、質(zhì)量分析方法和質(zhì)量度量方法；——第5部分：人臉圖像數(shù)據(jù)。目的在于規(guī)定人臉圖像質(zhì)量指標(biāo)定義及要求、質(zhì)量分析方法和質(zhì)量度量方法；——第6部分：虹膜圖像數(shù)據(jù)。目的在于規(guī)定虹膜圖像質(zhì)量指標(biāo)定義和量化計(jì)算方法、虹膜圖像采集質(zhì)量要求，以及質(zhì)量數(shù)據(jù)記錄編碼形式；——第7部分:簽名/簽字時(shí)間序列數(shù)據(jù)。目的在于規(guī)定簽名/簽字時(shí)間序列數(shù)據(jù)質(zhì)量指標(biāo)定義及要求、質(zhì)量分析方法和質(zhì)量度量方法；——第8部分:指紋骨架數(shù)據(jù)。目的在于規(guī)定指紋骨架數(shù)據(jù)質(zhì)量指標(biāo)定義及要求、質(zhì)量分析方法和質(zhì)量度量方法；——第9部分:血管圖像數(shù)據(jù)。目的在于規(guī)定血管圖像質(zhì)量指標(biāo)定義及要求、質(zhì)量分析方法和質(zhì)量度量方法；——第10部分:手形輪廓數(shù)據(jù)。目的在于規(guī)定手形輪廓圖像質(zhì)量指標(biāo)定義及要求、質(zhì)量分析方法和質(zhì)量度量方法；——第11部分:簽名/簽字處理的動(dòng)態(tài)數(shù)據(jù)。目的在于規(guī)定處理后的簽名/簽字的動(dòng)態(tài)數(shù)據(jù)質(zhì)量指標(biāo)定義及要求、質(zhì)量分析方法和質(zhì)量度量方法；——第12部分:臉型特性數(shù)據(jù)。目的在于規(guī)定臉型特性數(shù)據(jù)質(zhì)量指標(biāo)定義及要求、質(zhì)量分析方法和質(zhì)量度量方法；——第13部分:聲紋數(shù)據(jù)。目的在于規(guī)定聲紋數(shù)據(jù)質(zhì)量指標(biāo)定義及要求、質(zhì)量分析方法和質(zhì)量度量方法；——第14部分:DNA數(shù)據(jù)。目的在于規(guī)定高通量測(cè)序產(chǎn)生的各種DNA數(shù)據(jù)質(zhì)量指標(biāo)定義及要求、質(zhì)量分析方法和質(zhì)量度量方法；——第15部分:掌紋圖像數(shù)據(jù)。目的在于規(guī)定掌紋圖像數(shù)據(jù)質(zhì)量指標(biāo)定義及要求、質(zhì)量分析方法和質(zhì)量度量方法；——第16部分:全身圖像數(shù)據(jù)。目的在于規(guī)定全身圖像數(shù)據(jù)質(zhì)量指標(biāo)定義及要求、質(zhì)量分析方法和質(zhì)量度量方法；——第17部分:步態(tài)圖像序列數(shù)據(jù)。目的在于規(guī)定步態(tài)圖像序列數(shù)據(jù)質(zhì)量指標(biāo)定義及要求、質(zhì)量分析方法和質(zhì)量度量方法。本文件還建立了一個(gè)評(píng)估框架，旨在促進(jìn)評(píng)分工具的使用，這些工具不僅能夠鼓勵(lì)技術(shù)創(chuàng)新，還有助于增強(qiáng)生物特征識(shí)別系統(tǒng)的整體效能。雖然GB/T33767系列提出的質(zhì)量評(píng)估和評(píng)分工具通常是可GB/T33767.1—20XX/ISO/IECFDIS29794-1:2023選的，但在特定應(yīng)用配置或?qū)崿F(xiàn)中可能被確定為必選。這一靈活性確保了標(biāo)準(zhǔn)的廣泛適用性，同時(shí)允許針對(duì)ISO/IEC19794系列和ISO/IEC39794系列規(guī)定的不同生物特征模式進(jìn)行適當(dāng)?shù)恼{(diào)整。本文件強(qiáng)調(diào)了質(zhì)量度量與生物特征樣本之間的關(guān)聯(lián)，這是質(zhì)量度量標(biāo)準(zhǔn)化的重要組成部分。第7章中規(guī)定的質(zhì)量字段被納入生物特征數(shù)據(jù)交換格式中，而CBEFF（公用生物特征識(shí)別交換格式框架）數(shù)據(jù)頭的使用則進(jìn)一步豐富了質(zhì)量度量的表現(xiàn)形式，即通過CBEFF_BDB_quality表示質(zhì)量度量。生物特征樣本質(zhì)量度量的使用益處較多。例如，在注冊(cè)階段提供實(shí)時(shí)質(zhì)量反饋可以提高生物特征識(shí)別系統(tǒng)的運(yùn)行效率。此外，質(zhì)量度量還可以在比對(duì)過程中與其他樣本或參考數(shù)據(jù)結(jié)合，實(shí)現(xiàn)數(shù)據(jù)融合，以及在面對(duì)低質(zhì)量樣本或呈現(xiàn)攻擊時(shí)增強(qiáng)系統(tǒng)的防御能力。通過本文件的應(yīng)用，生物特征識(shí)別系統(tǒng)的設(shè)計(jì)者和使用者將能夠更有效地利用質(zhì)量度量，從而對(duì)系統(tǒng)進(jìn)行有效分析，識(shí)別潛在的問題，并發(fā)現(xiàn)改進(jìn)性能的機(jī)會(huì)。1GB/T33767.1—20XX/ISO/IECFDIS29794-1:2023信息技術(shù)生物特征樣本質(zhì)量第1部分：框架本文件根據(jù)需要為任一或所有生物特征樣本類型確立了以下內(nèi)容：a)在質(zhì)量度量的規(guī)范和使用中用到的術(shù)語和定義；b)生物特征質(zhì)量得分的目的和解釋；c)以質(zhì)量評(píng)分規(guī)范化為目的而推進(jìn)開發(fā)生物特征樣本數(shù)據(jù)集的動(dòng)力；d)質(zhì)量評(píng)估算法結(jié)果的交換格式；e)質(zhì)量得分的聚合方法；f)質(zhì)量評(píng)估算法效率的評(píng)價(jià)方法。本文件不包括以下內(nèi)容：a)規(guī)定樣本、模塊或系統(tǒng)質(zhì)量得分的最低要求；b)質(zhì)量評(píng)估算法的規(guī)范化；c)用于人工檢查的生物特征樣本或參考的效用評(píng)估。本文件適用于生物特征樣本質(zhì)量度量的表達(dá)、解釋和交換，以及質(zhì)量評(píng)估算法效率的評(píng)價(jià)和質(zhì)量評(píng)估算法結(jié)果的交換，為各種生物特征樣本質(zhì)量的規(guī)范化提供指導(dǎo)。2規(guī)范性引用文件下列文件中的內(nèi)容通過文中的規(guī)范性引用而構(gòu)成本文件必不可少的條款。其中，注日期的引用文件，僅該日期對(duì)應(yīng)的版本適用于本文件；不注日期的引用文件，其最新版本（包括所有的修改單）適用于本文件。ISO/IEC2382-37信息技術(shù)詞匯第37部分：生物特征識(shí)別（Informationtechnology—Vocabulary—Part37:Biometrics）注：GB/T5271.37—2021信息技術(shù)詞匯第37部分：ISO/IEC19785-2信息技術(shù)公用生物特征識(shí)別交換格式框架第2部分：生物特征識(shí)別注冊(cè)機(jī)構(gòu)（Informationtechnology—CommonBiometricExchangeFormatsFramework—Part2:Biometricregistrationauthority）ISO/IEC39794-1信息技術(shù)可擴(kuò)展的生物特征識(shí)別數(shù)據(jù)交換格式第1部分：框架（Informationtechnology—Extensiblebiometricdatainterchangeformats—Part1:Framework）3術(shù)語和定義ISO/IEC2382-37、ISO/IEC39794-1界定的以及下列術(shù)語和定義適用于本文件。3.1獲取保真度acquisitionfidelity2GB/T33767.1—20XX/ISO/IECFDIS29794-1:2023在獲取過程中得到的生物特征樣本的保真度（3.8）。3.2生物特征關(guān)聯(lián)特性biometriccharacter與生物特征獲取過程中不受控的生物特征特性關(guān)聯(lián)的屬性。[來源：ISO/IEC2382-37:2022,37.09.15,有修改，刪除了注]3.3生物特征效用biometricutility生物特征樣本支持生物特征識(shí)別性能（3.11）的程度。注1：樣本來源的特性、經(jīng)過處理的生物特征樣本的保真度（3.8）以及生物特征樣本呈現(xiàn)的符合性，有助于生物[來源:ISO/IEC2382-37:2022,37.09.16]3.4環(huán)境environment采集生物特征發(fā)生的物理場(chǎng)景和條件。3.5誤不匹配與丟棄特性falsenon-matcherrorversusdiscardcharacteristicFNM-EDC通過量化丟棄低質(zhì)量得分（3.16）樣本在改進(jìn)（即降低）誤不匹配率方面的效率來評(píng)價(jià)質(zhì)量評(píng)估算法（3.13）有效性的方法。注：誤不匹配與丟棄特性是質(zhì)量評(píng)估算法性能（3.11）的圖形表示，其繪制了在固定比對(duì)決策閾值下誤不匹配率3.6誤匹配與丟棄特性falsematcherrorversusdiscardcharacteristicFM-EDC通過量化丟棄低質(zhì)量得分（3.16）樣本在改進(jìn)（即降低）誤匹配率方面的效率來評(píng)價(jià)質(zhì)量評(píng)估算法（3.13）有效性的方法。注：誤匹配與丟棄特性是質(zhì)量評(píng)估算法性能（3.11）的圖形表示，其繪制了在固定比對(duì)決策閾值下誤匹配率與丟3.7提取保真度extractionfidelity在生物特征項(xiàng)提取過程中得到的樣本的那部分保真度（3.8）。3.8保真度fidelity生物特征樣本所能表現(xiàn)其源生物特征特性的程度。3GB/T33767.1—20XX/ISO/IECFDIS29794-1:2023注：樣本的保真度包括多個(gè)組成部分，這些組成部分來源于一個(gè)或多個(gè)處理步驟：3.9解釋interpretation與其他數(shù)據(jù)一起分析質(zhì)量得分（3.16）的過程，以給出該得分的上下文及相關(guān)含義。3.10原生質(zhì)量度量nativequalitymeasure不受數(shù)據(jù)格式和/或值范圍限制的質(zhì)量評(píng)估算法（3.13）的輸出。3.11性能performance對(duì)生物特征識(shí)別系統(tǒng)的誤匹配率、誤不匹配率、注冊(cè)失敗率、獲取失敗率、處理時(shí)間或吞吐率的評(píng)估結(jié)果。3.12質(zhì)量quality生物特征樣本滿足其目標(biāo)應(yīng)用的指定要求的程度。[來源:ISO/IEC2382-37:2022,37.09.14]3.13質(zhì)量評(píng)估算法qualityassessmentalgorithm質(zhì)量算法qualityalgorithm計(jì)算質(zhì)量度量（3.15）的算法。3.14質(zhì)量分量qualitycomponent對(duì)可能有助于計(jì)算統(tǒng)一質(zhì)量得分（3.16）的生物特征樣本的度量。注：表達(dá)質(zhì)量分量的特征在ISO/IEC29794系列的具3.15質(zhì)量度量qualitymeasure質(zhì)量得分（3.16）或質(zhì)量分量（3.14）。3.16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。[來源:ISO/IEC2382-37:2022,37.09.13]3.17質(zhì)量得分規(guī)范化qualityscorenormalization為提高尺度和解釋（3.9）的一致性，對(duì)質(zhì)量得分（3.16）的重新調(diào)節(jié)。4GB/T33767.1—20XX/ISO/IECFDIS29794-1:20233.18質(zhì)量得分規(guī)范化數(shù)據(jù)集qualityscorenormalizationdatasetQSND以質(zhì)量得分（3.16）標(biāo)注的、用于質(zhì)量得分規(guī)范化（3.17）的生物特征樣本的數(shù)據(jù)集。注：目標(biāo)質(zhì)量得分可能是基于使用相關(guān)樣本產(chǎn)生的性能（3.11）結(jié)果來分配，或者基于數(shù)據(jù)集獲取過程中記錄的3.19質(zhì)量得分百分位數(shù)qualityscorepercentilerankQSPR在已標(biāo)識(shí)的控制數(shù)據(jù)集中，低于指定質(zhì)量得分的生物特征樣本質(zhì)量得分（3.16）的百分位數(shù)。3.20原始質(zhì)量得分rawqualityscore未被質(zhì)量得分（3.16）創(chuàng)建者或接收者解釋（3.9）過的并且本質(zhì)上不能單獨(dú)提供上下文信息的質(zhì)量得分。4縮略語下列縮略語適用于本文件。BDB：生物特征數(shù)據(jù)塊（BiometricDataBlock）CBEFF：公用生物特征識(shí)別交換格式框架（CommonBiometricExchangeFormatsFramework）CDF：累計(jì)分布函數(shù)（CumulativeDistributionFunction）DET：檢測(cè)錯(cuò)誤權(quán)衡（DetectionErrorTrade-off）FERET：面部圖像數(shù)據(jù)庫（FacialImageDatabasedevelopedbytheU.S.governmentinthe1990s）FMR：誤匹配率（FalseMatchRate）FNMR：誤不匹配率（FalseNon-MatchRate）QAID：質(zhì)量評(píng)估算法標(biāo)識(shí)符（QualityAssessmentAlgorithmIdentifier）QSND：質(zhì)量得分規(guī)范化數(shù)據(jù)集（QualityScoreNormalizationDataset）QSPR：質(zhì)量得分百分位數(shù)（QualityScorePercentileRank）QVID：質(zhì)量評(píng)估算法供應(yīng)商標(biāo)識(shí)符（QualityAssessmentAlgorithmVendorIdentifier）5符合性如果生物特征樣本質(zhì)量塊的結(jié)構(gòu)和數(shù)據(jù)值符合第7章的格式要求，則應(yīng)認(rèn)為其符合本文件。語義符合性測(cè)試將在ISO/IEC29794系列的具體模態(tài)部分中處理，其中給出了符合性測(cè)試集（一組代表從差到好的各種質(zhì)量的生物特征樣本）和通過參考實(shí)現(xiàn)獲得的相關(guān)質(zhì)量得分。6生物特征樣本質(zhì)量準(zhǔn)則6.1參考模型5GB/T33767.1—20XX/ISO/IECFDIS29794-1:2023在生物特征識(shí)別中，術(shù)語“質(zhì)量”用于描述生物特征樣本的幾個(gè)不同層面，這些層面有助于生物特征識(shí)別系統(tǒng)的整體性能。為了規(guī)范化，本文件定義了用于區(qū)分質(zhì)量的不同層面的術(shù)語、定義和參考模型，見圖1。生物特征樣本的質(zhì)量取決于其品質(zhì)和保真度。質(zhì)量（品質(zhì)、保真度和效用）與系統(tǒng)性能之間的關(guān)系，見圖2。生物特征樣本的效用反映了該樣本對(duì)生物特征識(shí)別性能的影響。圖1質(zhì)量參考模型圖解圖2質(zhì)量和系統(tǒng)性能之間的關(guān)系6.2質(zhì)量層面：品質(zhì)、保真度、效用目前，根據(jù)上下文的不同，生物特征識(shí)別領(lǐng)域使用的術(shù)語“質(zhì)量”有不同的含義。三種主要用法主觀上表達(dá)了以下含義：a）樣本的品質(zhì)：基于樣本生物特征特性的固有屬性的質(zhì)量表達(dá)。例如，磨損的摩擦脊品質(zhì)較差，眼瞼下垂（眼皮下垂）導(dǎo)致虹膜品質(zhì)較差；b）樣本對(duì)其生物特征特性的保真度：基于保真度的質(zhì)量表達(dá)反映了樣本代表其生物特征特性的準(zhǔn)確程度。樣本保真度是由在不同處理過程中起作用的保真度組成的；c）生物特征識(shí)別系統(tǒng)中樣本的效用：基于效用的質(zhì)量表達(dá)反映了個(gè)體樣本對(duì)生物特征識(shí)別系統(tǒng)6GB/T33767.1—20XX/ISO/IECFDIS29794-1:2023整體性能預(yù)測(cè)的正面或負(fù)面影響?；谛в玫馁|(zhì)量取決于樣本或參考的品質(zhì)和保真度，以及正在評(píng)估其性能的具體生物特征識(shí)別系統(tǒng)的細(xì)節(jié)。這意味著效用不一定是樣本在所有系統(tǒng)中具有一致的通用屬性。與僅基于品質(zhì)或保真度的質(zhì)量度量相比，基于效用的質(zhì)量旨在更能預(yù)測(cè)系統(tǒng)性能（例如，在誤匹配率、誤不匹配率、注冊(cè)失敗率和獲取失敗率方面），見表1。術(shù)語“質(zhì)量”并不僅僅取決于采集設(shè)備的特性，如采樣率、傳遞函數(shù)、方向性、靈敏度、動(dòng)態(tài)范圍和位深、圖像分辨率、像素密度、像素尺寸或灰度/彩色位深，盡管這些因素會(huì)影響樣本效用并可能影響整體質(zhì)量得分。所獲取樣本的品質(zhì)和效用取決于特征項(xiàng)提取子系統(tǒng)生成的特征項(xiàng)。例如，同一指紋圖像的品質(zhì)和效用可能在細(xì)節(jié)點(diǎn)識(shí)別方面很低（因?yàn)榧?xì)節(jié)點(diǎn)太少），但在光譜模式識(shí)別方面卻很高。由于避免不同人群所表現(xiàn)的人口統(tǒng)計(jì)學(xué)差異對(duì)生物特征識(shí)別的所有應(yīng)用至關(guān)重要，質(zhì)量度量不宜基于與年齡、人種、性別、性特征、宗教或公認(rèn)殘疾相關(guān)的表現(xiàn)進(jìn)行衡量。出于這個(gè)原因，宜盡可能地描述質(zhì)量度量，以便能夠識(shí)別具有潛在人口統(tǒng)計(jì)學(xué)差異的指標(biāo)。表1對(duì)保真度、效用和品質(zhì)之間關(guān)系的說明低高低保真度低且品質(zhì)低導(dǎo)致效用較低。重新采集能提高效用。若條件允許，建議使用其他生物保真度高且品質(zhì)低導(dǎo)致效用較低。重新采集不能提高效用。建議使用其他高品質(zhì)高而保真度低的樣本通常效用不高。通過重新采集或信具有高品質(zhì)和高保真度的樣本表明采集到了有用的樣本。預(yù)計(jì)這種樣本效6.3質(zhì)量度量數(shù)據(jù)的用例6.3.1概述本文件將“效用”的定義限定為基于生物學(xué)特性和行為特性識(shí)別個(gè)體的自動(dòng)化系統(tǒng)性能。用于人工檢查或法醫(yī)應(yīng)用的生物特征樣本和參考的效用評(píng)估超出了本文件的范圍。6.3.2實(shí)時(shí)質(zhì)量評(píng)估操作員、自動(dòng)化系統(tǒng)或生物特征數(shù)據(jù)主體能使用生物特征樣本的實(shí)時(shí)質(zhì)量評(píng)估和由此產(chǎn)生的質(zhì)量度量，以幫助提高所采集的生物特征樣本的平均質(zhì)量。這種反饋能用于手動(dòng)或自動(dòng)決策，以確定是否需要再次嘗試采集，或者確定接受樣本還是丟棄樣本，而不用于注冊(cè)或比對(duì)。在決定是否接受（或保留）樣本、丟棄樣本、重新嘗試采集或宣布獲取失敗或注冊(cè)失敗的情況下，通過協(xié)助操作員或增加自動(dòng)質(zhì)量控制系統(tǒng)為整體系統(tǒng)性能的改進(jìn)提供了機(jī)會(huì)。質(zhì)量度量數(shù)據(jù)能夠被保留，待以后使用，例如，用于確定在采集下一個(gè)樣本時(shí)是否宜替換注冊(cè)樣本。6.3.3在不同的應(yīng)用中使用所獲取的生物特征樣本能夠用于包含幾種不同特征項(xiàng)提取和比對(duì)算法的多個(gè)應(yīng)用中。在樣本獲取并評(píng)估其質(zhì)量時(shí)，這些應(yīng)用程序和算法可能是未知的。樣本的質(zhì)量評(píng)估宜盡可能廣泛地預(yù)測(cè)各種用途和生物特征識(shí)別系統(tǒng)算法的效用。建立通用質(zhì)量標(biāo)準(zhǔn)的第一個(gè)挑戰(zhàn)是定義一種度量，該度量要具有足夠的適應(yīng)性，以便在具有不同效用指標(biāo)的應(yīng)用中與不同的比對(duì)算法配合使用。因此，一種質(zhì)量評(píng)估算法可能只會(huì)對(duì)有限數(shù)量的生物特征識(shí)別系統(tǒng)產(chǎn)生預(yù)測(cè)效用的度量。計(jì)算和應(yīng)用多個(gè)質(zhì)量得分能提高對(duì)各種故障模式的可預(yù)測(cè)性。第二個(gè)挑戰(zhàn)是，比對(duì)算法從探針與參考的比對(duì)中產(chǎn)生得分，并受到每個(gè)探針和參考質(zhì)量的影響。如果參考以聚合樣本或平均樣本的形式存在，或者是一個(gè)模型，則可能不一定為參考分配質(zhì)量得分。7GB/T33767.1—20XX/ISO/IECFDIS29794-1:2023第三個(gè)挑戰(zhàn)是，參考數(shù)據(jù)庫通常是在各種策略驅(qū)動(dòng)的約束（隱式或顯式）下策劃或創(chuàng)建的。例如，空白的指紋圖像或空白的細(xì)節(jié)點(diǎn)文件通常會(huì)從指紋數(shù)據(jù)庫中刪除。作為參考的面部圖像僅限于符合ISO/IEC39794-5:2019D.1要求的面部圖像。聲紋識(shí)別模型能夠使用特定的音頻采集通道開發(fā)。探針與參考比對(duì)的相似度得分會(huì)受到探針收集模仿參考收集的程度和管理策略的影響。因此，在開發(fā)質(zhì)量評(píng)估算法時(shí)，有必要盡可能完整、清晰地闡明參考創(chuàng)建和管理過程的前提。例如，一種人臉圖像質(zhì)量評(píng)估算法適用于符合ISO/IEC39794-5:2019D.1的全正面參考人臉圖像，而另一種人臉圖像質(zhì)量評(píng)估算法適用于戶外人臉圖像。在產(chǎn)生原始生物特征樣本的采集設(shè)備和應(yīng)用的背景下，算法特定的質(zhì)量得分的可解釋性是有用的。在生成和應(yīng)用質(zhì)量得分的上下文中對(duì)其進(jìn)行解釋的能力對(duì)于設(shè)置比對(duì)決策閾值（或識(shí)別閾值）尤為重要。6.3.4作為測(cè)量統(tǒng)計(jì)使用質(zhì)量得分能用于監(jiān)控操作條件和過程。示例2：如果產(chǎn)生質(zhì)量得分的生物特征樣本是從多個(gè)地點(diǎn)或不示例3：如果人臉圖像質(zhì)量是在車輛管理部門的發(fā)證服務(wù)別質(zhì)量低于平均水平的服務(wù)臺(tái)，或者在數(shù)周或6.3.5相關(guān)統(tǒng)計(jì)數(shù)據(jù)的積累可靠的質(zhì)量得分能用于測(cè)評(píng)用戶和交易以積累統(tǒng)計(jì)數(shù)據(jù)，這些統(tǒng)計(jì)數(shù)據(jù)給出諸如“給定手指A質(zhì)量為X的樣本，從手指A（或手指B）得到質(zhì)量為Y的樣本的可能性是多少”的條件概率。這將通知系統(tǒng)和/或操作員，如果嘗試再次采集，是否有可能獲得更高質(zhì)量的樣本。6.3.6基于樣本的參考數(shù)據(jù)庫改進(jìn)將質(zhì)量度量與將進(jìn)入?yún)⒖紨?shù)據(jù)庫的樣本關(guān)聯(lián)起來，對(duì)于維護(hù)和改進(jìn)參考數(shù)據(jù)庫的效用是很重要的。對(duì)樣本質(zhì)量度量的跟蹤可能發(fā)現(xiàn)操作者表現(xiàn)、環(huán)境條件或生物特征樣本采集設(shè)備性能變差。樣本質(zhì)量度量的跟蹤宜作為生物特征識(shí)別系統(tǒng)操作規(guī)程的重要組成部分。通過替換或擴(kuò)充來改進(jìn)樣本參考數(shù)據(jù)庫，以使用最高質(zhì)量的生物特征樣本。通常，替換決策與處理數(shù)據(jù)系統(tǒng)的比對(duì)器性能相關(guān)。6.3.7基于質(zhì)量的條件處理生物特征樣本能夠根據(jù)質(zhì)量度量進(jìn)行不同的處理。特別是低質(zhì)量的生物特征樣本會(huì)使用不同于高質(zhì)量生物特征樣本的算法或閾值來處理。質(zhì)量得分不宜用于呈現(xiàn)攻擊的檢測(cè)。對(duì)信號(hào)的操縱（例如，通過添加噪聲）可能會(huì)在生成威脅向量時(shí)影響質(zhì)量。6.3.8以質(zhì)量為導(dǎo)向的融合當(dāng)應(yīng)用多模態(tài)或多樣本生物特征融合時(shí)，樣本的相對(duì)質(zhì)量能夠用于指導(dǎo)或增強(qiáng)融合過程。在多實(shí)例系統(tǒng)中，每個(gè)貢獻(xiàn)通道的權(quán)重能夠根據(jù)生物特征樣本的質(zhì)量來確定。例如，在十指指紋識(shí)別系統(tǒng)中，預(yù)計(jì)小指的權(quán)重會(huì)更小。6.3.9不同系統(tǒng)質(zhì)量度量的交換在不同系統(tǒng)之間進(jìn)行規(guī)范化的質(zhì)量度量交換，對(duì)于保持本地或遠(yuǎn)程系統(tǒng)硬件和軟件組件的模塊化互換性，以及在發(fā)生這種交換時(shí)質(zhì)量度量的完整性是有用的。8GB/T33767.1—20XX/ISO/IECFDIS29794-1:2023例如，通過使用規(guī)范化的質(zhì)量度量交換，若更換某個(gè)組件，則該組件的質(zhì)量度量使用者只需進(jìn)行最低限度的修改即可。6.3.10通過質(zhì)量得分減少工作量在大規(guī)模生物特征識(shí)別系統(tǒng)中，基于最近質(zhì)量得分的智能搜索能減少生物特征辨識(shí)的計(jì)算量，從而減少交易時(shí)間。更準(zhǔn)確地說，不同生物特征類型（人臉、虹膜和指紋）上表現(xiàn)出的質(zhì)量得分的可變性能夠轉(zhuǎn)化為快速索引的優(yōu)勢(shì)。根據(jù)數(shù)據(jù)庫的大小和屬性，根據(jù)樣本質(zhì)量的變化，能夠顯著減少每個(gè)生物特征特性的搜索空間?；谫|(zhì)量的處理將提高效率，但由于所使用的質(zhì)量評(píng)估算法可能失效，可能對(duì)整體識(shí)別精度產(chǎn)生不利影響。6.3.11從一系列生物特征樣本中選擇最佳樣本對(duì)于給定數(shù)據(jù)主體的一系列生物特征樣本，質(zhì)量得分能用于選擇最佳樣本。當(dāng)接收系統(tǒng)只需要一個(gè)樣本，而發(fā)送系統(tǒng)需要從幾個(gè)采集的樣本中決定傳輸哪個(gè)樣本時(shí)，這個(gè)操作是有用的。7數(shù)據(jù)交換格式字段定義7.1抽象描述7.1.1概述質(zhì)量塊的結(jié)構(gòu)見圖3。數(shù)據(jù)結(jié)構(gòu)是為交換質(zhì)量度量值而設(shè)計(jì)的。ISO/IEC29794系列的其他部分能夠使用該數(shù)據(jù)結(jié)構(gòu)來編碼特定模式的質(zhì)量分量（例如，指紋圖像中的細(xì)節(jié)點(diǎn)數(shù)量、所采集人臉的姿態(tài)角）。如果未嘗試進(jìn)行質(zhì)量評(píng)分，則不應(yīng)存在質(zhì)量塊。如果生物特征樣本有一個(gè)以上的質(zhì)量度量，則應(yīng)采用質(zhì)量塊序列。圖3質(zhì)量塊的結(jié)構(gòu)7.1.2質(zhì)量評(píng)估算法標(biāo)識(shí)符塊抽象值：從1到65535的兩個(gè)整數(shù)的序列；9GB/T33767.1—20XX/ISO/IECFDIS29794-1:2023內(nèi)容：該數(shù)據(jù)元素應(yīng)標(biāo)識(shí)所使用的質(zhì)量評(píng)估算法。應(yīng)由兩個(gè)要素組成：——質(zhì)量評(píng)估算法供應(yīng)商標(biāo)識(shí)符（QVID——質(zhì)量評(píng)估算法標(biāo)識(shí)符（QAID）。QVID應(yīng)為根據(jù)ISO/IEC19785-2注冊(cè)的生物特征識(shí)別組織標(biāo)識(shí)符之一。QAID應(yīng)為與給定QVID相關(guān)聯(lián)的質(zhì)量評(píng)估算法標(biāo)識(shí)符之一。產(chǎn)生不同結(jié)果的質(zhì)量評(píng)估算法的不同版本應(yīng)分配不同的QAID，以允許唯一標(biāo)識(shí)。注1：ISO/IEC19785-1:2020的7.1.6規(guī)定生物特征識(shí)別產(chǎn)品注2：使生物特征數(shù)據(jù)的接收者能夠區(qū)分由不同質(zhì)量評(píng)估算法生成的質(zhì)量度量，并且，如有必要，則在處理或分析過程中調(diào)整期間的差異。QVID和QAID的組合是一種能夠快速實(shí)施的解決方案，但只能實(shí)現(xiàn)部分質(zhì)量得分規(guī)范化的目標(biāo)。這種方法并不排除，而是補(bǔ)充了進(jìn)一步標(biāo)準(zhǔn)化通用質(zhì)量評(píng)分方法的工作（即本質(zhì)上包含某種程度注3：ISO/IEC29794系列的其他部分規(guī)定了ISO/IEC29794序列該部分中定義的質(zhì)注4：如果算法供應(yīng)商在國(guó)內(nèi)生物特征識(shí)別注冊(cè)機(jī)構(gòu)注冊(cè)，則使用GB/T28826.2分配質(zhì)7.1.3質(zhì)量度量（質(zhì)量得分或質(zhì)量分量）或差錯(cuò)抽象值：0到100的整數(shù)或failureToAssess（評(píng)估失?。?；內(nèi)容：質(zhì)量度量應(yīng)以0到100之間的整數(shù)嵌入質(zhì)量塊中。如果質(zhì)量評(píng)估算法的輸出是浮點(diǎn)數(shù)或在0到100的范圍之外，則應(yīng)將其轉(zhuǎn)換（即縮放）到[0,100]，并四舍五入到最接近的整數(shù)，以便嵌入質(zhì)量塊中。抽象值failureToAssess應(yīng)表明質(zhì)量評(píng)估算法失敗。質(zhì)量得分可區(qū)分不同的性能水平。當(dāng)與根據(jù)規(guī)定的收集策略形成的參考進(jìn)行比對(duì)時(shí)，質(zhì)量得分應(yīng)預(yù)測(cè)性能指標(biāo)，如誤匹配率和誤不匹配率。質(zhì)量得分將質(zhì)量分量統(tǒng)一為一個(gè)值，以整體的方式表示整個(gè)生物特征樣本的質(zhì)量。質(zhì)量得分值越高意味著生物特征效用越高。對(duì)于質(zhì)量分量，此條件不一定適用。示例1：特定的人臉圖像質(zhì)量評(píng)估算法能生成質(zhì)量得分，以預(yù)測(cè)符合ISO/IEC39794-5:2019D.1的全正面人臉圖像質(zhì)量得分可以是幾個(gè)質(zhì)量分量的組合。例如，指紋圖像的質(zhì)量得分能夠反映指紋的清晰度或摩擦脊均勻性，或者正確標(biāo)識(shí)的細(xì)節(jié)點(diǎn)數(shù)量，以及其他分量。與較高的質(zhì)量得分值不同，較高的質(zhì)量分量值并不一定意味著較高的生物特征效用。為了預(yù)測(cè)性能，質(zhì)量得分可對(duì)生物特征比對(duì)器和圖像或信號(hào)處理算法的已知故障模式/敏感度進(jìn)行建模。為了實(shí)現(xiàn)某種通用性，質(zhì)量得分宜基于一類系統(tǒng)（例如，基于細(xì)節(jié)點(diǎn)數(shù)據(jù)的指紋比對(duì)算法）共同的敏感度集。如果生物特征識(shí)別系統(tǒng)使用來自多個(gè)供應(yīng)商的組件，則質(zhì)量得分宜反映出對(duì)所使用的每種算法都很重要的性能方面。注1：由于很難找到一個(gè)通用的、不特定于供應(yīng)商的、但又能充分表明性能的質(zhì)量度量，因此應(yīng)用多個(gè)質(zhì)量評(píng)估算每當(dāng)生物特征樣本經(jīng)過轉(zhuǎn)換時(shí)（例如，下采樣或進(jìn)一步壓縮），宜重新評(píng)估轉(zhuǎn)換樣本的質(zhì)量，并將其與轉(zhuǎn)換樣本相關(guān)聯(lián)。示例2：在整個(gè)身份管理系統(tǒng)中，生物特征樣本能夠按照多種格式存儲(chǔ)（例如，集中存儲(chǔ)的高分辨率手指圖像和存原生質(zhì)量度量可按照公式（1）進(jìn)行轉(zhuǎn)換。Qs,i=minmax0,100,100)……（1）式中：Qs,i——生物特征樣本i的經(jīng)過轉(zhuǎn)換的質(zhì)量度量；Qn,i——生物特征樣本i的原生質(zhì)量度量；GB/T33767.1—20XX/ISO/IECFDIS29794-1:2023min(Qn)——原生質(zhì)量度量的最小值；max(Qn)——原生質(zhì)量度量的最大值。minQn和maxQn可根據(jù)經(jīng)驗(yàn)計(jì)算。注2：極大極小函數(shù)的線性性質(zhì)[見公式（1）]允許準(zhǔn)確估另一種將原生質(zhì)量度量轉(zhuǎn)換到[0,100]的方法是Sigmoid函數(shù)，如公式（2）所示：Qs,i=………………式中：Qs,i——生物特征樣本i的經(jīng)過轉(zhuǎn)換的質(zhì)量度量；Qn,i——生物特征樣本i的原生質(zhì)量度量；Qn,0——表示拐點(diǎn)；w——Sigmoid函數(shù)的斜率。參數(shù)Qn,0和w應(yīng)由質(zhì)量評(píng)估算法的開發(fā)人員或生物特征識(shí)別系統(tǒng)操作員選擇。Sigmoid函數(shù)輸出值（Qs,i）與原生質(zhì)量度量值Qn,i的關(guān)系見圖4。注3：Sigmoid函數(shù)用于連續(xù)特征的非線性歸一化。與使用線性歸一化相比，非線性歸一化允許關(guān)注那些質(zhì)量值，圖4Sigmoid函數(shù)7.2XML編碼ISO/IEC39794-1定義了質(zhì)量塊的XML編碼。相關(guān)示例見附錄A。7.3已標(biāo)記二進(jìn)制編碼ISO/IEC39794-1定義了ASN.1中質(zhì)量塊的抽象語法。生物特征數(shù)據(jù)塊的已標(biāo)記二進(jìn)制編碼依據(jù)ASN.1非典型編碼規(guī)則（ISO/IEC8825-1）進(jìn)行編碼，并應(yīng)用于描述數(shù)據(jù)塊的ASN.1模塊。相關(guān)示例見附錄A。8質(zhì)量評(píng)估算法結(jié)果的規(guī)范化交換GB/T33767.1—20XX/ISO/IECFDIS29794-1:2023質(zhì)量評(píng)估算法供應(yīng)商宜能夠以規(guī)范化的方式向生物特征識(shí)別行業(yè)提供其質(zhì)量評(píng)估算法的結(jié)果。另一方面，ISO/IEC19794系列和ISO/IEC39794系列生物特征數(shù)據(jù)塊的使用者能有效地檢索和處理這些信息，以便評(píng)價(jià)該質(zhì)量評(píng)估算法的輸出對(duì)其實(shí)現(xiàn)的價(jià)值。這種方法有以下好處：a）質(zhì)量評(píng)估算法供應(yīng)商和使用者都能從技術(shù)改進(jìn)中受益，這在廣泛使用質(zhì)量得分的開始階段是必要的；b）在一些應(yīng)用中，如果有必要的基礎(chǔ)設(shè)施，則可以自動(dòng)檢索更新；c）使用者與集成商可以將QAID的評(píng)價(jià)結(jié)果返回給質(zhì)量評(píng)估算法供應(yīng)商（進(jìn)行評(píng)價(jià)）；d）隨著時(shí)間的推移，規(guī)范化測(cè)試集將不斷發(fā)展，原因如下：1)公布測(cè)試集符合質(zhì)量評(píng)估算法供應(yīng)商的利益，這對(duì)很多使用者也是有益的；2)隨著時(shí)間的推移，對(duì)新測(cè)試集的需求將減少，生物特征識(shí)別行業(yè)將對(duì)新測(cè)試集的使用進(jìn)行嚴(yán)格檢查。e）測(cè)試集的不斷完善將促進(jìn)QSND的發(fā)展。為便于交換，應(yīng)提供以下內(nèi)容：a）質(zhì)量評(píng)估算法供應(yīng)商ID；b）質(zhì)量評(píng)估算法ID；c）算法輸出值理論上的最大和最小值；d）所用測(cè)試集的唯一名稱（例如，人臉識(shí)別中的“FERET-Grayscale”數(shù)據(jù)庫）；e）已經(jīng)處理的樣本列表（例如，人臉識(shí)別中的FERET數(shù)據(jù)庫的子庫“Duplicate1”）。任何人都可以發(fā)布新的測(cè)試集（生物特征樣本和命名規(guī)則）。宜使用類似XML的自描述語言描述數(shù)據(jù)集及評(píng)估結(jié)果。評(píng)估結(jié)果有可能由注冊(cè)中心或供應(yīng)商網(wǎng)站（通過注冊(cè)中心的鏈接訪問）維護(hù)。使用XML實(shí)現(xiàn)的示例見附錄B。9規(guī)范化質(zhì)量得分?jǐn)?shù)據(jù)的規(guī)范化是指質(zhì)量得分?jǐn)?shù)據(jù)的接收者對(duì)其進(jìn)行處理，以給出其本地的上下文和含義的過程，例如，使來自不同算法的質(zhì)量得分具有相似的含義。通過特定的質(zhì)量評(píng)估算法將原始質(zhì)量得分分配給生物特征樣本。為了解釋原始得分，得分的接受者應(yīng)掌握一些上下文信息。能夠提供以下信息：a）非固有的元數(shù)據(jù)或離線數(shù)據(jù)（例如，標(biāo)準(zhǔn)）。這些數(shù)據(jù)用來指導(dǎo)接收者解釋得分。由于質(zhì)量得分伴隨著用于生成相關(guān)樣本的質(zhì)量得分的算法標(biāo)識(shí)（即QAID），因此能使用供應(yīng)商提供的數(shù)據(jù)（例如，推薦閾值）來配置接收軟件，以最佳地處理樣本。該算法還能用于執(zhí)行分析，以充分優(yōu)化給定本地應(yīng)用和數(shù)據(jù)得分的解釋。通過不同的算法標(biāo)識(shí)，能區(qū)分由不同算法創(chuàng)建的得分，例如，根據(jù)質(zhì)量得分的不同來源可使用不同的閾值。b）固有的規(guī)范化質(zhì)量得分的形式。質(zhì)量得分?jǐn)?shù)據(jù)的規(guī)范化提供了關(guān)于得分的上下文信息。QAID支持供應(yīng)商自定義的測(cè)量尺度，使得這些尺度可與0～100尺度相關(guān)聯(lián)。例如，接收者可對(duì)質(zhì)量得分與其比對(duì)器在處理樣本時(shí)得到的誤匹配率和誤不匹配率之間的關(guān)系做分析。例如，該分析結(jié)果可用于規(guī)定樣本獲取或丟棄的操作質(zhì)量閾值。這種方法為接受者提供了必要的信息，以一種與自身的環(huán)境和應(yīng)用相關(guān)的方式來解釋得分，并允許在單個(gè)系統(tǒng)中使用不同算法或算法的不同版本。質(zhì)量得分規(guī)范化數(shù)據(jù)集(QSND)的目的是通過規(guī)范化質(zhì)量得分或質(zhì)量得分百分位數(shù)(QSPR)提供質(zhì)量得分的一致性解釋。QSPR實(shí)現(xiàn)了定量的樣本質(zhì)量得分的通用表達(dá)和解釋，即質(zhì)量評(píng)估算法“X”認(rèn)為與QSN（質(zhì)量得分規(guī)范化）語料庫中的數(shù)據(jù)相比，生物特征樣本“Y”具有質(zhì)量百分位數(shù)“Z”。通過在規(guī)范化的樣本語料庫上運(yùn)行指定的質(zhì)量評(píng)估算法，并將所有可能的原始得分結(jié)果與百分位數(shù)對(duì)應(yīng)，可以實(shí)現(xiàn)原始質(zhì)量得分到百分位數(shù)的轉(zhuǎn)換。GB/T33767.1—20XX/ISO/IECFDIS29794-1:202310成對(duì)質(zhì)量比對(duì)得分來自探針與參考樣本的比對(duì)，兩者都可能附有質(zhì)量得分。在某些應(yīng)用中，沒有關(guān)于探針或參考（符合任何收集的最佳實(shí)踐或要求）的符合性假設(shè)。如6.2所述，效用被分配給作為結(jié)果的比對(duì)得分，不宜僅將其視為探針或參考是否符合任何收集要求的函數(shù)。宜解決分配單個(gè)質(zhì)量得分的問題，該得分可以預(yù)測(cè)性能，并能反映參與比對(duì)的兩個(gè)生物特征樣本所計(jì)算的比對(duì)得分。成對(duì)質(zhì)量的分配對(duì)于使用動(dòng)態(tài)識(shí)別閾值、比對(duì)分?jǐn)?shù)級(jí)融合或評(píng)價(jià)質(zhì)量評(píng)估算法的應(yīng)用是有用的，詳見第11章。假設(shè)來自數(shù)據(jù)主體i的探針樣本（qi1）和來自數(shù)據(jù)主體j的參考樣本（qj2）是來自相同生物特征和模式的表示。如果i和j是不同的數(shù)據(jù)主體，并且樣本代表相同的生物特征實(shí)例(例如，同樣的食指)，則比對(duì)是“不配對(duì)的”。如果i和j是相同的數(shù)據(jù)主體，并且樣本代表相同的生物特征實(shí)例(例如，同樣的食指)，則比對(duì)是“配對(duì)的”。探針樣本的質(zhì)量為qi1，參考樣本的質(zhì)量為qj2。將探針樣本與參考樣本進(jìn)行比對(duì)得到比對(duì)得分sij，該得分必須與單個(gè)質(zhì)量度量QSij相關(guān)聯(lián)。用于分配單個(gè)質(zhì)量度量的函數(shù)將被稱為F，適用于公式（3）：QSij≌Fqi1,qj2))………（3）成對(duì)質(zhì)量函數(shù)F的選擇取決于質(zhì)量度量的特性及其建議的用途。根據(jù)模態(tài)選擇合適的F，可包括探針和參考質(zhì)量度量的最小值、平均值、差值或其他關(guān)系。這些將在ISO/IEC29794系列的其他部分中進(jìn)行討論。每個(gè)探針和參考的比較只產(chǎn)生一個(gè)比對(duì)得分，不過，數(shù)據(jù)主體i和j可能有多個(gè)探針和參考，因此，每個(gè)i和j可能有多個(gè)sij值。為了簡(jiǎn)化，在本文件中對(duì)每個(gè)i和j僅考慮一個(gè)比對(duì)得分的情況。11評(píng)估11.1概述本章列出了用于評(píng)估生物特征樣本質(zhì)量評(píng)估算法性能的幾種方法，即通過評(píng)估質(zhì)量得分如何預(yù)測(cè)生物特征識(shí)別子系統(tǒng)的性能。無論生物特征參考是否滿足目標(biāo)應(yīng)用的指定要求，都可以應(yīng)用這些方法。在11.2至11.5的計(jì)算方法中，如果質(zhì)量評(píng)估不適用于參考樣本，則只會(huì)用于探針樣本的質(zhì)量評(píng)估。11.2誤不匹配與丟棄方法用于比較評(píng)估生物特征樣本質(zhì)量評(píng)估算法的一個(gè)度量項(xiàng)是誤不匹配與丟棄特性的曲線，在參考文獻(xiàn)[10]中作為誤不匹配與拒絕曲線引入。目的是表明如何有效地丟棄具有低質(zhì)量得分的樣本，從而改進(jìn)(即降低)誤不匹配率。假設(shè)一個(gè)應(yīng)用，其中來自同一數(shù)據(jù)主體的相同生物特征模態(tài)i具有質(zhì)量得分qi1和qi2)的一對(duì)樣本（上標(biāo)為1和2），經(jīng)比對(duì)后產(chǎn)生相似度得分sii，其中存在N對(duì)這樣的樣本。由于統(tǒng)一的質(zhì)量得分預(yù)計(jì)會(huì)隨著質(zhì)量的提高而提高，因此引入質(zhì)量閾值u來定義可接受的質(zhì)量水平，并定義低質(zhì)量記錄的集合D(u)，如公式（4）所示：DU=ii:Fqi1,qi2)<U}…………………（4）其中，會(huì)選擇最適合操作需要和約束的函數(shù)作為成對(duì)質(zhì)量函數(shù)F。很多情況下，質(zhì)量得分可使用Fqi1,qi2))=minqi1,qi2)來合并，因?yàn)檩^低質(zhì)量的樣本會(huì)導(dǎo)致較低的相似度得分，或者，如果在評(píng)GB/T33767.1—20XX/ISO/IECFDIS29794-1:2023估或操作中已有意將參考樣本qi1設(shè)置為具有高質(zhì)量的樣本，則簡(jiǎn)單地使用Fqi1,qi2=qi2。然后，對(duì)于不在集合D(u)中的樣本對(duì)，將誤不匹配率計(jì)算為低于某個(gè)臨界識(shí)別閾值t的配對(duì)相似度得分（例如，來自同一主體的同一手指的比對(duì)得分)的分?jǐn)?shù)（即誤不匹配數(shù)量占全部配對(duì)的比對(duì)數(shù)量的比例）。識(shí)別閾值t是固定的，而質(zhì)量閾值u在特定于算法的質(zhì)量得分域中變化，以顯示在所選識(shí)別閾值下誤不匹配率對(duì)質(zhì)量閾值的依賴關(guān)系。相關(guān)示例腳本，參見附錄D。對(duì)于識(shí)別閾值t，誤不匹配率的值作為丟棄樣本百分比的函數(shù)[取決于質(zhì)量閾值u，參見公式(4)]能用圖形表示。如果質(zhì)量得分與配對(duì)的相似度得分完全相關(guān)，則設(shè)置識(shí)別閾值t以給出總體誤不匹配率x，然后丟棄具有最低質(zhì)量得分的x%的樣本，將導(dǎo)致誤不匹配率為零。對(duì)于一個(gè)好的質(zhì)量評(píng)估算法，誤不匹配率宜隨著小部分的丟棄而迅速下降。能夠從兩個(gè)或多個(gè)樣本中計(jì)算比對(duì)得分?；诙鄠€(gè)樣本的比對(duì)得分計(jì)算誤不匹配與丟棄特性不在本文件的范圍內(nèi)。圖5給出了兩個(gè)識(shí)別閾值的誤不匹配與丟棄特性的示例，這兩個(gè)閾值分別對(duì)應(yīng)0.1%和0.01%的誤匹配率，這是由NFIQ2[6]、開源指紋細(xì)節(jié)點(diǎn)比對(duì)軟件[7]、[8]與指紋數(shù)據(jù)庫計(jì)算的質(zhì)量得分，其中，指紋數(shù)據(jù)庫的樣本由光學(xué)指紋采集設(shè)備采集[9]。圖5在對(duì)應(yīng)于0.1%和0.01%的初始FMR的兩個(gè)不同識(shí)別閾值下，誤不匹配與丟棄特性示例11.3誤匹配與丟棄方法在某些應(yīng)用中誤匹配是常見的和重要的，或者當(dāng)特定的識(shí)別算法在低質(zhì)量樣本上導(dǎo)致不配對(duì)的高相似度得分時(shí)，評(píng)價(jià)質(zhì)量評(píng)估算法是否能預(yù)測(cè)哪些樣本將導(dǎo)致錯(cuò)誤匹配是有價(jià)值的。此外，為了檢驗(yàn)丟棄低質(zhì)量樣本對(duì)性能的全面影響，宜同時(shí)考慮誤不匹配與丟棄特性的關(guān)系以及誤匹配與丟棄特性的關(guān)系。類似于上面的誤不匹配與丟棄方法，誤匹配與丟棄方法的目的是表明如何有效地丟棄具有低質(zhì)量得分的樣本，從而改進(jìn)(即降低)誤匹配率。假設(shè)一個(gè)應(yīng)用，其中來自不同數(shù)據(jù)主體i和j的具有質(zhì)量得分qi和qj的一對(duì)生物特征樣本，經(jīng)比對(duì)后產(chǎn)生相似度得分sij。由于質(zhì)量得分預(yù)計(jì)會(huì)隨著質(zhì)量的提高而提高，因此引入質(zhì)量閾值u來定義可接受的質(zhì)量水平，并定義低質(zhì)量記錄的集合D(u)，如公式（5）所示：GB/T33767.1—20XX/ISO/IECFDIS29794-1:2023DU={ij:Fqi,qj<U},i≠j…………………（5）其中，使用Fqi,qj=minqi,qj來合并質(zhì)量值，因?yàn)檩^低質(zhì)量的樣本會(huì)導(dǎo)致較低的比對(duì)得分，或者，如果在評(píng)估或操作中已有意將參考樣本qi設(shè)置為具有高質(zhì)量的樣本，則簡(jiǎn)單地使用Fqi,qj=qj。然后，對(duì)于不在集合D(u)中的樣本對(duì)，將誤匹配率計(jì)算為不配對(duì)的相似度得分(例如，不同數(shù)據(jù)主體的人臉圖像的比對(duì))超過某個(gè)識(shí)別閾值t的分?jǐn)?shù)（即誤匹配數(shù)量占全部不配對(duì)的比對(duì)數(shù)量的比例）。識(shí)別閾值t是固定的，而質(zhì)量閾值u在特定于算法的質(zhì)量得分域中變化，以顯示所選識(shí)別閾值下誤匹配率對(duì)質(zhì)量閾值的依賴關(guān)系。相關(guān)示例腳本，參見附錄D。誤匹配率的值作為識(shí)別閾值t的質(zhì)量閾值u的函數(shù)能用圖形表示。圖6給出了兩個(gè)識(shí)別閾值的誤匹配與丟棄特性的示例，這兩個(gè)閾值分別對(duì)應(yīng)0.1%和0.01%的誤匹配率，這是由NFIQ2[6]、開源手指紋細(xì)節(jié)點(diǎn)比對(duì)軟件[7]、[8]與指紋數(shù)據(jù)庫計(jì)算的質(zhì)量得分，其中指紋數(shù)據(jù)庫的樣本由光學(xué)指紋傳感器采集[9。]圖6在對(duì)應(yīng)于0.1%和0.01%的初始FMR的兩個(gè)不同識(shí)別閾值下，誤匹配與丟棄特性示例11.4DET與丟棄方法用于比較評(píng)估生物特征樣本質(zhì)量評(píng)估算法的第三個(gè)度量項(xiàng)是DET與丟棄圖。這種方法適用于任何類型的參考(樣本、模板、模型)。目的是表明如何有效地丟棄具有低質(zhì)量得分樣本，從而改進(jìn)DET圖。這種方法的優(yōu)點(diǎn)是同時(shí)考慮了誤不匹配和誤匹配，并且它不需要臨界識(shí)別閾值，因?yàn)榘怂锌赡艿拈撝?。假設(shè)一個(gè)應(yīng)用，將來自相同或不同生物特征數(shù)據(jù)主體i和j的具有質(zhì)量得分qi樣本與具有質(zhì)量得分rj參考樣本進(jìn)行比對(duì)，以產(chǎn)生相似度得分sij，其中N對(duì)樣本來自相同的數(shù)據(jù)主體，M對(duì)樣本來自不同的數(shù)據(jù)主體。能夠根據(jù)這些得分創(chuàng)建兩個(gè)直方圖，即sij的配對(duì)的直方圖，其中i=j，和sij的不配對(duì)的直方圖，i≠j。這些能為所有sij<t創(chuàng)建兩個(gè)累積分布函數(shù)，即MatedCDF（t）和NonMatedCDF（t每個(gè)直方圖都有一條累積曲線。當(dāng)t在依賴于比對(duì)算法的整個(gè)分?jǐn)?shù)值范圍內(nèi)增加時(shí)，能夠通過繪制誤不匹配率（FNMR）=1-MatedCDF(t)與誤匹配率（FMR）=NonMatedCDF(t)的值來創(chuàng)建DET。引入質(zhì)量閾值u來GB/T33767.1—20XX/ISO/IECFDIS29794-1:2023定義可接受的質(zhì)量水平，并定義低質(zhì)量記錄的集合D(u)，如公式（6）所示：Du={qi<uORrj<u}…………………（6）如果質(zhì)量評(píng)估不適用于參考樣本（即不計(jì)算rj），則Du={qi<u}。對(duì)于若干質(zhì)量閾值u，丟棄集合D(u)中的樣本比對(duì)，并計(jì)算一組DET曲線。對(duì)于好的質(zhì)量評(píng)估算法，隨著質(zhì)量閾值u的增加，誤不匹配率宜在廣泛的誤匹配率值范圍內(nèi)降低。11.5樣本接受率或丟棄率本節(jié)定義了兩個(gè)相關(guān)度量項(xiàng)，用于評(píng)價(jià)質(zhì)量評(píng)估算法的性能，這些算法用于決定是否保留生物特征樣本以供進(jìn)一步處理。第一個(gè)度量項(xiàng)是錯(cuò)誤率，表示當(dāng)生物特征樣本由下游比對(duì)子系統(tǒng)做出正確匹配決策時(shí)被錯(cuò)誤丟棄的生物特征樣本的比例。錯(cuò)誤的樣本丟棄率(RISD)由質(zhì)量得分向量q、配對(duì)的比對(duì)得分向量s、識(shí)別閾值t和質(zhì)量閾值u組成的一組測(cè)試輸出來評(píng)估的，如公式(7)所示:RISDqi?uSi?t……………式中：N——向量中的樣本數(shù)；H(x)——當(dāng)x<0時(shí)，階躍函數(shù)等于0，當(dāng)x≥0時(shí),階躍函數(shù)等于1。公式（7）給出了質(zhì)量得分低于質(zhì)量閾值u但比對(duì)得分高于識(shí)別閾值的樣本比例。第二個(gè)度量項(xiàng)也是錯(cuò)誤率，表示當(dāng)生物特征樣本最終導(dǎo)致比對(duì)子系統(tǒng)的誤不匹配時(shí)被錯(cuò)誤保留的生物特征樣本的比例。該錯(cuò)誤率被稱為錯(cuò)誤的樣本接受率RISA，相關(guān)計(jì)算如公式（8）所示：RISAu=ΣHqi?u1?HSi?t))……………（8）公式（8）給出了具有高質(zhì)量得分但最終無法識(shí)別的樣本比例。GB/T33767.1—20XX/ISO/IECFDIS29794-1:2023（資料性）生物特征質(zhì)量記錄編碼示例A.1ASN.1示例遵循ISO/IEC39794-1中定義的抽象語法的ASN.1值表示法的示例如下：qualityBlocks{{algorithmIdBlock{organization257,scoreOrErrorscore:50}}A.2XML示例遵循ISO/IEC39794-4中定義的XSD的XML示例如下：<fir:qualityBlocks><cmn:qualityBlock><cmn:algorithmIdBlock><cmn:organization>257</cmn:organization><cmn:id>56</cmn:id></cmn:algorithmIdBlock><cmn:scoreOrError><cmn:score>50</cmn:score></cmn:scoreOrError></cmn:qualityBlock></fir:qualityBlocks>A.3二進(jìn)制示例ISO/IEC39794-4中定義的指紋圖像質(zhì)量數(shù)據(jù)塊的已標(biāo)記二進(jìn)制編碼的質(zhì)量塊的十六進(jìn)制轉(zhuǎn)儲(chǔ)如A00780020101A103GB/T33767.1—20XX/ISO/IECFDIS29794-1:2023質(zhì)量評(píng)估算法結(jié)果的規(guī)范化交換示例B.1概述如第8章中所述，質(zhì)量評(píng)估算法供應(yīng)商宜能夠向生物特征識(shí)別行業(yè)提供質(zhì)量度量，包括原始質(zhì)量得分和原生質(zhì)量度量（不一定是0到100范圍內(nèi)的整數(shù)）。特別是公共數(shù)據(jù)集生成的質(zhì)量得分交換將有助于提供技術(shù)見解，并允許質(zhì)量得分的使用者檢查和理解質(zhì)量得分與樣本的內(nèi)在信息內(nèi)容之間的關(guān)系。本附錄提供以XML格式交換此類信息的示例。B.2質(zhì)量交換文檔示例本節(jié)提供了一個(gè)XML編碼示例，該示例中id=123的供應(yīng)商“SampleVendor”在測(cè)試集“FERET-grayscale”和“FERET-color”上進(jìn)行測(cè)試，并發(fā)布了id=456的算法“SampleAlgo_v10”的測(cè)試結(jié)果。該示例的XML文檔可從/iso-iec/29794/-1/ed-3獲得。<?xmlversion="1.0"encoding="UTF-8"?><iso:isoVendorQualityReportxmlns:iso="/iso-iec/29794/-1"qualityVendorId="123"qualityAlgorithmId="456"qualityAlgorithmMinValue="0.0"qualityAlgorithmMaxValue="100.0"><iso:testSets><iso:testSetname="FERET-grayscale"location="/humanid/feret/feret_master.html"><iso:samplename="ID-00001fa010_930831"qualityValue="73.64"/><iso:samplename="ID-00002fa010_930831"qualityValue="48.91"/></iso:testSet><iso:testSetname="FERET-color"ocation="/humanid/colorferet/home.html"><iso:samplename="ID-00002_931230_fa"qualityValue="51.26"/><iso:samplename="ID-00002_931230_fb"qualityValue="82.17"/></iso:testSet></iso:testSets></iso:isoVendorQualityReport>B.3XML質(zhì)量交換文檔示例的信息模式GB/T33767.1—20XX/ISO/IECFDIS29794-1:2023該XSD可在/iso-iec/29794/-1/ed-3獲得。<!--Permissionisherebygranted,freeofchargeinperpetuity,toanypersonobtainingacopyoftheSchema,touse,copy,modify,mergeanddistributefreeofcharge,copiesoftheSchemaforthepurposesofdeveloping,implementing,installingandusingsoftwarebasedontheSchema,andtopermitpersonstowhomtheSchemaisfurnishedtodoso,subjecttothefollowingconditions:THESCHEMAISPROVIDED"ASIS",WITHOUTWARRANTYOFANYKIND,EXPRESSORIMPLIED,INCLUDINGBUTNOTLIMITEDTOTHEWARRANTIESOFMERCHANTABILITY,FITNESSFORAPARTICULARPURPOSEANDNONINFRINGEMENT.INNOEVENTSHALLTHEAUTHORSORCOPYRIGHTHOLDERSBELIABLEFORANYCLAIM,DAMAGESOROTHERLIABILITY,WHETHERINANACTIONOFCONTRACT,TORTOROTHERWISE,ARISINGFROM,OUTOFORINCONNECTIONWITHTHESCHEMAORTHEUSEOROTHERDEALINGSINTHESCHEMA.Inaddition,anymodifiedcopyoftheSchemashallincludethefollowingnotice:THISSCHEMAHASBEENMODIFIEDFROMTHESCHEMADEFINEDINISO/IEC29794-1,ANDSHOULDNOTBEINTERPRETEDASCOMPLYINGWITHTHATSTANDARD--><xs:schemaxmlns:xs="/2001/XMLSchema"xmlns:vc="/2007/XMLSchema-versioning"xmlns="/iso-iec/29794/-1"vc:minVersion="1.0"targetNamespace="/iso-iec/29794/-1"elementFormDefault="qualified"attributeFormDefault="unqualified"><xs:annotation><xs:documentationxml:lang="en">ISO-IEC29794-1Edition1VendorQualityReport</xs:documentation></xs:annotation><xs:elementname="isoVendorQualityReport"type="isoVendorQualityReportType"/><xs:complexTypename="isoVendorQualityReportType"><xs:sequenceminOccurs="0"><xs:elementname="testSets"type="testSetsType"/></xs:sequence><xs:attributename="qualityVendorId"type="xs:int"use="required"/><xs:attributename="qualityAlgorithmId"type="xs:int"use="required"/><xs:attributename="qualityAlgorithmMinValue"type="xs:float"use="required"/><xs:attributename="qualityAlgorithmMaxValue"type="xs:float"use="required"/></xs:complexType><xs:complexTypename="testSetsType"><xs:sequencemaxOccurs="unbounded">GB/T33767.1—20XX/ISO/IECFDIS29794-1:2023<xs:elementname="testSet"type="testSetType"/></xs:sequence></xs:complexType><xs:complexTypename="testSetType"><xs:sequenceminOccurs="0"maxOccurs="unbounded"><xs:elementname="sample"type="sampleType"/></xs:sequence><xs:attributename="name"type="xs:ID"use="required"/><xs:attributename="location"type="xs:anyURI"use="required"/></xs:complexType><xs:complexTypename="sampleType"><xs:attributename="name"type="xs:ID"use="required"/><xs:attributename="qualityValue"type="xs:float"use="required"/></xs:complexType></xs:schema>GB/T33767.1—20XX/ISO/IECFDIS29794-1:2023基于效用的質(zhì)量得分在樣本為基礎(chǔ)的系統(tǒng)中的聚合過程本附錄對(duì)在樣本集上適當(dāng)進(jìn)行基于效用的質(zhì)量得分的聚合過程給出了建議，如整個(gè)企業(yè)范圍的匯總。其結(jié)果是一個(gè)有助于質(zhì)量監(jiān)測(cè)匯總值。質(zhì)量匯總通常在使用情況類似的樣本中進(jìn)行，例如，企業(yè)的所有注冊(cè)樣本的質(zhì)量匯總，或者企業(yè)的所有驗(yàn)證樣本的質(zhì)量匯總。在用戶與生物特征識(shí)別系統(tǒng)頻繁交互的操作中（如考勤應(yīng)用），可以基于每個(gè)用戶進(jìn)行質(zhì)量得分的匯總。這將揭示是否存在持續(xù)產(chǎn)生低質(zhì)量樣本的個(gè)體。C.2方法假設(shè)企業(yè)收集生物特征樣本，并使用質(zhì)量評(píng)估算法度量每個(gè)樣本的質(zhì)量。質(zhì)量得分與配對(duì)的相似度得分呈單調(diào)關(guān)系，即質(zhì)量得分越高，相似度得分越高。在這種情況下，質(zhì)量得分被量化為L(zhǎng)級(jí)，這樣（在不失一般性的前提下）q=0...L，其中q=0和q=L分別表示最低和最高的質(zhì)量得分。如果在運(yùn)行情況下，在給定時(shí)間間隔內(nèi)收集的生物特征樣本數(shù)量為n，并且由nq個(gè)質(zhì)量為q的生物特征樣本組成，則可以計(jì)算所有n個(gè)樣本的平均質(zhì)量。然而，算數(shù)平均值并不是匯總質(zhì)量得分的首選方法，因?yàn)樗袠颖緹o論其質(zhì)量得分如何，都被賦予相同的權(quán)重。如果質(zhì)量為q的生物特征樣本t的預(yù)期效用是uq=Uq，則質(zhì)量的更好匯總表述如公式（C.1）所示：………如果效用uq(t)實(shí)際上是對(duì)生物特征驗(yàn)證系統(tǒng)在閾值t運(yùn)行時(shí)質(zhì)量為q的樣本的誤匹配或誤不匹配錯(cuò)誤率的估算，其錯(cuò)誤是可以估算的，則q-(t)將是對(duì)預(yù)期錯(cuò)誤率的估算。接下來，將引入不同等級(jí)質(zhì)量評(píng)估算法的效用uq(t)計(jì)算過程，從而使匯總的質(zhì)量得分成為預(yù)期錯(cuò)誤率的估算值。假設(shè)一個(gè)同時(shí)使用探針樣本和參考樣本的生物特征驗(yàn)證系統(tǒng)，該系統(tǒng)的語料庫包含來自N個(gè)主體的N對(duì)生物特征樣本。第一個(gè)樣本代表參考樣本，第二個(gè)樣本代表探針樣本。每對(duì)樣本都有整型的質(zhì)量qj1和qj2)，其中j=1,…,N。對(duì)這些樣本運(yùn)用V個(gè)比對(duì)算法，得到以下結(jié)果：——N個(gè)配對(duì)的相似度得分Sjjv；——最多N(N-1)個(gè)不配對(duì)的相似度得分sj（j≠k）。其中，v=1,…,V，且V≥1。a）對(duì)于每種比對(duì)算法v和從0到L的每個(gè)可能質(zhì)量得分i，根據(jù)公式(C.2)計(jì)算FNMRvτv,i。FNMRvτv,i是指在決策得分閾值τv處的誤不匹配率，對(duì)應(yīng)于使用比對(duì)算法v的配對(duì)得分、質(zhì)量為i的探針樣本與質(zhì)量?jī)?yōu)于或等于i的參考樣本的特定預(yù)期系統(tǒng)誤不匹配率或誤匹配率（質(zhì)量因數(shù)或fom，f）。質(zhì)量得分越高表明質(zhì)量越好。for(v=1,…,V)for(i=0,…,L)endend從而得到以下數(shù)組：GB/T33767.1—20XX/ISO/IECFDIS29794-1:2023FNMR1(τ1,1)FNMR2(τ2,1)…FNMRV(τV,1)FNMR1(τ1,L)FNMR2(τ2,L)…FNMRV(τV,L)FNMRFNMR1(τ1,L)FNMR2(τ2,L)…FNMRV(τV,L)V=1相當(dāng)于使用單一比對(duì)算法。如果V>1，則針對(duì)每種比對(duì)算法計(jì)算相似度得分和FNMR。b）按照公式（C.3）計(jì)算權(quán)重ui：…………因此，整個(gè)企業(yè)的聚合質(zhì)量如公式（C.4）所示：pi……其中pi是質(zhì)量為qi的樣本分?jǐn)?shù)。計(jì)算出的Q值不會(huì)在使用者熟悉的范圍內(nèi)。如果所有樣本都是最佳質(zhì)量（即,q=L結(jié)果將是Q=uL。同理，最壞的情況是企業(yè)中的所有樣本的質(zhì)量都是q=0，即Q=u0。因此，這種表述會(huì)使質(zhì)量匯總的范圍為[u0，uL]。公式（C.4）適合作為基于多種算法總體FNMR的樣本集合的一般質(zhì)量因數(shù)。不過，建議將[u0，uL]轉(zhuǎn)換到推薦范圍[0，100]，即0為最低質(zhì)量，100為最佳質(zhì)量。這能通過以下任一方法實(shí)現(xiàn)：1)如公式（C.5）所述，將質(zhì)量匯總數(shù)Q（即，預(yù)期錯(cuò)誤率）與原生質(zhì)量范圍關(guān)聯(lián)起來：=U?1=U?10uipi………其中，U?1是參數(shù)對(duì)i,ui的函數(shù)逼近（例如，分段線性插值）。2)將[u0，uL]映射（例如，線性映射）到[0,100]。因此，映射到[0,100]的質(zhì)量匯總由公式（C.6）給出：=100Σ…………………公式（C.3）中的權(quán)重是對(duì)在某固定閾值上計(jì)算的觀察到的誤不匹配率的估算值。這些權(quán)重在特定閾值上最準(zhǔn)確，而對(duì)于其它閾值下運(yùn)行的生物特征識(shí)別系統(tǒng)則不準(zhǔn)確。在驗(yàn)證應(yīng)用中，當(dāng)操作閾值固定為τ時(shí)，質(zhì)量評(píng)估算法的使用者能夠根據(jù)列出的步驟確立其權(quán)重。注：公式（C.3）中的權(quán)重是共識(shí)估算值。這意味著它們是使用一組比對(duì)算法中觀察到的誤不匹配率估算出來的。因此，這些權(quán)重未必是任何一種算法或一組指定算法的權(quán)重。公式（C.3）中的權(quán)重，除GB/T33767.1—20XX/ISO/IECFDIS29794-1:2023（資料性）計(jì)算效用預(yù)測(cè)性能指標(biāo)的示例代碼用于計(jì)算錯(cuò)誤與丟棄特性的Python腳本可從/iso-iec/29794/-1/ed-3上獲取。已測(cè)試的CPython最低版本為3.5.6，numpy版本為1.7.0。importnumpyasnpdefcompute_edc(pair_comparison_scores,pair_quality_scores,comparison_threshold,comparison_function):Thisdocstringiswritteninthenumpydocstyle.Parameterspaircomparisonscores:arraylikeThepairwisebiometriccomparisonscores(floating-pointorinteger).Thisdoesnotneedtobesorted,butthecomparisonscoresneedtocorrespondtothe`pair_quality_scores`,sothat`zip(pair_comparison_scores,pair_quality_scores)`representsthepairwisecomparison&qualityscores.pairqualityscores:arraylikeThepairwisebiometricqualityscores(floating-pointorinteger).Itisassumedthathigherqualityscoresmeanbetterquality,sothatcomparisonswithlowerqualityscoresarediscardedfirst.Pairwisequalityscorescanbederivedastheminimumofthepairs'correspondingsamplequalityparisonthreshold:floatorintThe`pair_quality_scores`arecomparedagainstthis`comparison_threshold`viathe`comparison_function`todeterminewhichofthecomparisonsrepresentan"error"inthecomputedEDC.comparisonfunction:np.ufuncChoosingthisfunctiondependsonwhetherhigherorlowercomparisonscoresmeanhighersimilarity,anditdependsonwhetherafalsenon-matcherrorvsdiscardcharacteristicorafalsematcherrorvsdiscardcharacteristicistobecomputed.The`pair_comparison_scores`aretheleft-handsideofthecomparison,GB/T33767.1—20XX/ISO/IECFDIS29794-1:2023`comparison_threshold`istheright-handside.E.g.ifhighercomparisonscoresmeanhighersimilarity,errorvsdiscardcharacteristic,and`np.greater_equal`canbeusedtocomputethefalseerrorvsdiscardcharacteristic.Returns-------tuple[np.ndarray,np.ndarray]The`discard_fractions`andthecorresponding`error_fractions`ofthecomputedEDCarereturned.ForEDCplots,the`discard_fractions`aretypicallyplottedonthex-axis,`error_fractions`onthe"""#Createanumpyarrayandsortitbyquality:scores=np.array(lis