【GA公共安全标准】 安防虹膜识别应用算法评测方法

ICS13.310
中华人民共和国公共安全行业标准GA/T1208-2014
安防虹膜识别应用
算法评测方法
Iris recognition applications in security systemsTesting methodologies for algorithms2014-12-22发布
中华人民共和国公安部发布
2015-01-01实施
规范性引用文件
术语、定义..
分类及标识。
虹膜图像采集要求.
4.3非虹膜图像测试..
测试环境
硬件平台
5.2操作系统.
6测试接口.
测试模块接口
6.2特征文件结构.
动态链接库接口函数说明
7测试方法
7.1测试项目.
7.2错误注册率.
注册失败率..
错误接受率
错误拒绝率
注册时间..
比对时间，
DET曲线的绘制
........
.......
GA/T1208-2014
.....6
本标准按照GB/T1.1-2009给出的规则起草。GA/T1208-2014
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这些专利的责任本标准由全国安全防范与报警系统标准化技术委员会人体生物特征识别应用分技术委员会（(SAC/TC100/SC2)提出并归口。
本标准起草单位：中国科学院自动化研究所、北京中科虹霸科技有限公司、北京天诚盛业科技有限公司、北京释码大华科技有限公司。本标准主要起草人：孙哲南、李海青、何召锋、谭铁牛、邱显超、李志林、马力、李星光、杨春林、王晓鹏。
1范围
安防虹膜识别应用
算法评测方法
GA/T1208-2014
本标准规定了安防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、测试接口和测试方法本标准适用于安防虹膜识别应用中算法的性能评测。2规范性引用文件
下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件，仅注日期的版本适用于本文件。凡是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。GA/T893安防生物特征识别应用术语ISO/IEC19794-6信息技术生物特征数据交换格式technology-Biometric data interchangeformats-Part 6:Iris imagedata3术语、定义
GAT839界定的以及下列术语和定义适用于本文件。3.1
家non-iris image
非虹膜图像
不包含虹膜区域的图像。
falseenrollment rate
错误注册率
从非虹膜图像成功提取虹膜特征的比例。4
分类及标识
4.1分类
4.1.1灰度等级
256级。
4.1.2图像尺寸
640（宽）×480（高）像素。
4.1.3文件格式
bmp或符合ISO/IEC19794-6规定的其他文件格式。4.1.4图像质量
第6部分：虹膜图像数据（Information2
应符合如下虹膜图像质量要求：一虹膜半径应大于80个像素；
一瞳孔半径与虹膜半径之比应大于0.2且小于0.6：一灰度动态范围应大于或等于128个灰度级：GA/T1208-2014
一未被眼皮、睫毛和光斑遮挡的可用虹膜区域与整个虹膜环状区域的面积比应大于或等于70%4.2虹膜图像采集要求
采集设备：采用来源于不少于两家厂商的近红外虹膜图像采集设备。近红外光源波长宜为750mm～900nm。
采集方式：要求采集对象眼晴正视虹膜图像采集设备。在虹膜图像采集设备的有效景深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。每家厂商的采集设备的采集到的虹膜图像数目应相等可见光光照条件：使用D50标准光源，分别在人脸表面眼部区域附近照度低于3001x、高于3501x且低于6001x和高于6501x的光照条件下进行图像采集。上述三种光照条件下采集的图像占虹膜测试库的比例分别为(20±3)%、(60±3)%和(20±3)%0采集对象人数：不少于1000人。采集对象性别分布：男女各占(50土3)%采集对象年龄分布：1岁以上15岁以下占（17土3)%、15岁～60岁占(70土3)%、60岁以上占(13土3)%。采集对象民族分布：汉族占(95土2)%，其他民族占(5土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形眼镜的虹膜图像比例不超过50%。
4.3非虹膜图像测试
非虹膜图像测试库的图像参数应符合4.1.1～4.1.3的要求。图像数量应大于或等于10000幅。非虹膜图像可以是人脸图像中的非虹膜区域或者不包含任何虹膜区域的各种自然场景图像5测试环境
5.1硬件平台
CPU主频大于2.0GHz、内存大于1GB的x86或x64兼容架构计算机。5.2操作系统
Windows7或兼容系统。
6测试接口
测试模块接口
GA/T1208-2014
被测试算法由被测试方以动态链接库dll的形式提交。动态链接库为32位版本，支持多线程调用，文件名称是irisrec.dll，其接口函数见表1。表1动态链接库接口函数
GetFeatureLength
FeatureExtract
FeatureMatch
特征文件结构
虹膜特征文件结构见表2。
字段1
字段2
字段3
字段4
字段5免费标准下载网bzxz
字段6
字段7
字段8
相对位置
长度/字节
动态链接库接口函数说明
GetFeatureLength
获取特征数据长度，以字节为单位从虹膜图像提取特征后按表2规定的特征文件结构输出对指定的2个特征文件数据进行比对表2虹膜特征文件结构
文件头类型，记录字符“C”（43H)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”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”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”特征提取状态，字符“A”（41H)表示特征“提取特征成功”，字符“R”(52H)表示特征“提取特征失败”，FFH表示“未知”
保留项
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特征数据，记录虹膜特征的二进制数据函数声明：intstdcallGetFeatureLength(int*piFeaLen)。参数：piFeaLen一输出参数。虹膜特征文件字段7记录的特征数据长度(以字节为单位)。返回值：调用成功，返回0：否则返回小于0的错误代码。是否必备
说明：获取特征数据长度，以便调用者为后续操作分配特征数据的内存空间。6.3.2
FeatureExtract
函数声明：intstdcallFeatureExtract(unsignedcharucCamType,unsignedcharucAlglD）GA/T1208-2014
unsigned char * puclmgBuf, unsigned char * pucFeaData)。参数：ucCamType一输入参数。虹膜图像采集设备代码。ucAlgID一输入参数。算法所属单位代码。puclmgBuf一输入参数。一维数组指针，指向虹膜图像数据，数组长度为307200，puclmgBuf[0]存储图像左上角像素灰度值，按行主序存储。pucFeaData一输出参数。一维数组指针，指向虹膜特征文件数据，数据结构应符合表2的要求。返回值：调用成功，返回0；否则返回小于0的错误代码。说明：若函数执行失败，也生成对应虹膜图像的特征文件.特征文件结构中的字段7(特征数据长度设置为0。
6.3.3FeatureMatch
函数声明：int_stdcall Feat ureMatch(unsigned char*pucFeaDatal,unsigned char*pucFeaData,float * pfSim)
参数：pucFeaDatal一输入参数。虹膜特征文件数据指针1。pucFeaData2一输入参数。虹膜特征文件数据指针2pfSim一输出参数。特征数据比对的相似度，取值范围为[0,1]，值越高，两个特征数据的相似程度越高。
返回值：调用成功，返回0；否则返回小于0的错误代码。说明：若函数执行失败，则输出的相似度为0.00：若输入参数中有一个或两个特征文件的特征数据长度为0，则输出的相似度为0.00。
7测试方法
7.1测试项目
虹膜识别算法的测试项目为错误注册率、注册失败率、错误接受率、错误拒绝率、注册时间和比对时间。
7.2错误注册率
测试程序调用irisrec.dll的FeatureExtract函数，对非虹膜图像测试库中所有图像进行特征提取，统计提取特征成功的图像数。按式(1)计算错误注册率：FER=
NRNL×100%
式中：
FER一错误注册率；
NRNI一提取特征成功的非虹膜图像数：MNI一总的非虹膜图像数。
7.3注册失败率
GA/T1208-2014
测试程序调用irisrec.dll的FeatureExtract函数，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。按式(2)计算注册失败率：NrIE×100%
式中：
FTE一注册失败率：
NFTE一提取特征失败的虹膜图像数；Ni一总的虹膜图像数。
7.4错误接受率
将每幅虹膜图像的特征数据按表2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irisrec.dll的FeatureMatch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。按式(3)计算在不同阅值下的错误接受率：NEA×100%
式中：
FAR一错误接受率：
NFA一误判为真实人比对的次数：NiM一总的冒充者比对次数。
7.5错误拒绝率
测试程序调用irisrec.dll的FeatureMatch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。按式(4)计算在不同阈值下的错误拒绝率：FRR
式中：
FRR一错误拒绝率：
NFR一误判为冒充者比对的次数；NeR×100%
NGM一总的真实人比对次数。
7.6注册时间
GA/T1208-2014
从虹膜图像测试库中随机挑选5000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irisrec.dll中的FeatureExtract函数，对虹膜图像子集中所有图像进行特征提取，记录FeatureExtract函数运行时间作为总注册时间，按式(5)计算平均注册时间，结果精确到毫秒(ms)：tenr
式中：
tenr—平均注册时间；
Tenr总注册时间：
Ni一虹膜图像数。
7.7比对时间
从特征文件库中随机挑选5000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irisrec.dll中的FeatureMatch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FeatureMatch函数总运行时间作为总比对时间，按式(6)计算平均比对时间，结果精确到微秒(μus)：tmatch
式中：
tmatch一平均比对时间；
Tmateh一总比对时间；
Nmatch一比对次数。
7.8DET曲线的绘制
Tmatch
Nmateh
建立以错误接受率(FAR)为横轴、错误拒绝率(FRR)为纵轴的坐标系，在特征文件库中，按7.4和7.5计算不同阈值的错误拒绝率和错误接受率，标出错误拒绝率和错误接受率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1所示。0.1
7.9算法总体性能的评价
图1DET曲线
DET曲线
GA/T1208-2014
错误注册率越低表明虹膜识别算法可以更好地排除非虹膜图像成功注册成为虹膜特征的风险。注册失败率越低表明虹膜识别算法在将虹膜图像注册成特征模板时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确度越高。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。GA/T1208-2014
GA/T1208-2014
中华人民共和国公共安全
行业标准
安防虹膜识别应用
算法评测方法
GA/T1208—2014
中国标准出版社出版发行
北京市朝阳区和平里西街甲2号（100029）北京市西城区三里河北街16号（100045）网址：gb168.cn
服务热线：400-168-0010
010-68522006
2015年3月第一版
书号：155066：2-28480
版权专有
侵权必究
小提示：此标准内容仅展示完整标准里的部分截取内容，若需要完整标准请到上方自行免费下载完整标准文档。