搜索结果: GB/T 33767.5-2018, GB/T33767.5-2018, GBT 33767.5-2018, GBT33767.5-2018
| 标准编号 | GB/T 33767.5-2018 (GB/T33767.5-2018) | | 中文名称 | 信息技术 生物特征样本质量 第5部分:人脸图像数据 | | 英文名称 | Information technology -- Biometric sample quality -- Part 5: Face image data | | 行业 | 国家标准 (推荐) | | 中标分类 | L71 | | 国际标准分类 | 35.240.15 | | 字数估计 | 18,198 | | 发布日期 | 2018-06-07 | | 实施日期 | 2019-01-01 | | 发布机构 | 国家市场监督管理总局、中国国家标准化管理委员会 | GB/T 33767.5-2018
Information technology -- Biometric sample quality -- Part 5: Face image data
ICS 35.240.15
L71
中华人民共和国国家标准
信息技术 生物特征样本质量
第5部分:人脸图像数据
(ISO/IEC TR29794-5:2010,NEQ)
2018-06-07发布
2019-01-01实施
国 家 市 场 监 督 管 理 总 局
中国国家标准化管理委员会 发 布
目次
前言 Ⅲ
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 人脸图像质量定义方法 2
6 人脸图像质量分类 2
7 人脸图像质量分析 3
附录A(资料性附录) 对称性分析示例 9
参考文献 12
前言
GB/T 33767《信息技术 生物特征样本质量》分为以下部分:
---第1部分:框架;
---第4部分:指纹图像数据;
---第5部分:人脸图像数据;
---第6部分:虹膜图像数据。
本部分为GB/T 33767的第5部分。
本部分按照GB/T 1.1-2009给出的规则起草。
本部分使用重新起草法参考ISO/IEC TR29794-5:2010《信息技术 生物特征样本质量 第5部
分:人脸图像数据》编制,与ISO/IEC TR29794-5:2010的一致性程度为非等效。
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。
本部分由全国信息技术标准化技术委员会(SAC/TC28)提出并归口。
本部分起草单位:中国电子技术标准化研究院、广州广电卓识智能科技有限公司、广州广电运通金
融电子股份有限公司、北京旷视科技有限公司、北京天诚盛业科技有限公司、深圳爱酷智能科技有限公
司、杭州晟元数据安全技术股份有限公司、东方网力科技股份有限公司、长春鸿达光电子与生物统计识
别技术有限公司、山西天地科技有限公司、浙江蚂蚁小微金融服务集团股份有限公司、广东光阵光电科
技有限公司、深圳赛西信息技术有限公司。
本部分主要起草人:黄跃珍、罗攀峰、林冠辰、高健、袁昕、梁添才、聂芸芸、张鑫、王欣、刘旭东、刘兵、
金晓峰、章烈剽、芦效东、龚文川、徐俊、王乃洲、彭程、郑征、陈星、宋继伟、王文峰、秦日臻。
信息技术 生物特征样本质量
第5部分:人脸图像数据
1 范围
GB/T 33767的本部分规定了人脸图像质量指标定义、分类以及分析方法。
本部分适用于人脸图像质量的分析。
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。
GB/T 33767.1 信息技术 生物特征样本质量 第1部分:框架(GB/T 33767.1-2017,
ISO/IEC 29794-1:2009,IDT)
ISO/IEC 19794-5 信息技术 生物特征数据交换格式 第5部分:人脸图像数据(Information
ISO/IEC 19794-5:2005/Amd.1 信息技术 生物特征数据交换格式 第5部分:人脸图像数据
3 术语和定义
GB/T 33767.1界定的以及下列术语和定义适用于本文件。
3.1
比较分数 comparisonscore
通过比较而获得的数值(或一组值)。
3.2
用于计算出给定人脸图像样本质量的算法。
3.3
人脸图像 facialimage
人肖像的电子图像表现。
4 缩略语
下列缩略语适用于本文件。
CCD:电荷耦合器件(Charge-CoupledDevice)
7 人脸图像质量分析
7.1 概述
人脸图像质量分析时应考虑不同方面因素。这些因素可以分为:
a) 图像属性,如图像的尺寸或分辨率;
b) 图像外观特征,如曝光度或噪声;
c) 环境特征,如光照或背景;
d) 图像中显示的肤色与主体肤色的一致性之类特征;
e) 主体的行为。
上述有些属性和特征很难评估和评价,如图像中显示的肤色与主体肤色的吻合度等。
眼距(单位为像素)等一些属性与特征的要求,见ISO/IEC 19794-5。这些属性与特征的评估需要
更加复杂的算法及计算机视觉与图像理解方面的技术。此外,还可能存在不同的处理方式,如自动检测
眼睛在人脸图像中的位置就依据各种不同的原理。依据GB/T 33767.1,可得出正则化质量分数。
FQAA算法能不以对人脸区域进行分割为前提检测图像(如在测量图像尺寸时评估采集过程的静
态特征,如压缩率、压缩方式、传感器分辨率)或仅对人脸区域进行分析(例如估计主体的姿态)。在局部
区域内,人脸的局部结构由像素值(原始或加工后)定义;单个质量分数可能由多个局部结果融合而来。
针对不同的环境、摄像头、主体等因素可以开发出各种人脸图像质量评估算法,在不同数据集上表现出
不同性能。
7.2 动态主体特征
7.2.1 主体行为
与主体行为相关的常见特征包括:
---眼睛睁闭;
---嘴巴张合;
---各种表情,如微笑或中性;
---头部姿态,如正对或转至任意方向。
与环境属性或特征类似,上述参数的量化需要对背景、人脸及人脸特征进行识别。
此外,要求算法中的(评估某种属性)的核心算法能在计算机上实现,并且可以得到这些核心算法的
评估表现的量化数值,以达到降低计算复杂度的目的。如果条件允许,可以通过选择最常用的算法或概
念来降低复杂度。
7.2.2 基于左半脸和右半脸统计差异的分析
7.2.2.1 光照对称性
假设基于二维的肖像图像(见ISO/IEC 19794-5:2005/Amd.1规定的图像),可用左右对称性来分
析光照和姿态质量。人脸区域以眼睛中线为基准分为左右两个区域(如图1)。下面的对称性分析就是
检测面部左右相应区域的差异。差异值表示在某局部图像属性的对称度,如原始像素值或局部滤波像
素值。局部图像滤波器可使用伽柏(Gabor)滤波器、局部二进制滤波器、顺序滤波器或其他任何合适的
局部滤波器。左右区域差异值给出了光照质量分数(即光照对称性怎样)或姿态质量分数(即正面姿态
怎样)。大部分人脸是左右对称的,但有些人的面部左右部分存在明显差异,如痕迹、变色等引起的差
异。质量分析度量的对称性宜考虑这些差异性。
注:图1来自人脸图像数据库,参见参考文献[18]。
光照对称性差异可基于左右人脸区域的某些局部特征直方图HLm*n与HRm*n,其中m 是特征向量
的维度,n是直方图组数。直方图差计算公式如下:
Di= HLm*n-HRm*n (1)
式(1)中|.|是直方图距离的合适形式,如直方图交集、交叉熵或KL距离。差异越大,人脸区域的
左右对称性越差,同时图像质量在某方面就越低。一种可能是使用图像正则化像素值。
A.1给出了分析示例。
7.2.2.2 姿态对称性
姿态对称性是人脸图像质量判断的重要因素。人脸转动方向分为上下旋转角(pitch)、深度旋转角
(yaw)和面内旋转角(rol)三个分量,其中深度旋转角分量发生变化是姿态对称性受到影响的最主要因
素。通常认为深度旋转角分量在-5°与+5°之间的人脸图像是优质图像,深度旋转角分量在-30°与
+30°之间的人脸图像是可接受图像。
姿态对称性分析应基于姿态敏感的图像属性。可使用局部二值模式 (LBP)过滤像素值。
A.2给出了分析示例。
7.3 获取过程的静态特征
7.3.1 概述
描述环境影响的典型场景特征如下:
---图像增强和数据压缩过程,如图像分辨率和尺寸;
---静态摄像头特征,如:分辨率;
---背景的静态特征,如:壁纸。
根据属性或特征,对这些参数进行量化要求识别出背景、面部和面部特征。
此处可以采用不同的核心算法以及它们的性能值。
7.3.2 图像分辨率及尺寸
图像行和列像素的数量可以用来表示标称分辨率。以像素为单位的瞳距可用于测量出相对于面部
特征的像素范围。此外,应用瞳距统计平均值(例如63mm),像素密度可转换为空间采样率。
7.3.3 噪声
7.3.3.1 噪声源
人脸图像中的噪声来源于获取数字图像的各个过程。不同的设备或过程对应不同的引入噪声。相
关噪声源包括:
---数字图像采集设备,如数字相机的图像传感器;
---模拟图像采集设备;
---图像扫描设备;
---图像压缩算法,如JPEG或小波的压缩。
7.3.3.2......
|