GB/T 41786-2022 公共安全 生物特征识别 术语（正式版）

ICSCCSA91GB/T41786—2022公共安全生物特征识别术语国家市场监督管理总局国家标准化管理委员会I Ⅲ 1 13术语和定义 13.1生物特征识别通用术语 13.2人脸识别专用术语 83.3指纹识别专用术语 3.4掌纹识别专用术语 3.5指静脉识别专用术语 3.6掌静脉识别专用术语 3.7虹膜识别专用术语 3.8声纹识别专用术语 3.9笔迹识别专用术语 3.10步态识别专用术语 3.11其他生物特征识别专用术语 3.12多生物特征识别专用术语 3.13生物特征识别应用安全术语 索引 ⅢGB/T41786—2022本文件按照GB/T1.1—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。本文件由中华人民共和国公安部提出。本文件由全国安全防范报警系统标准化技术委员会(SAC/TC100)归口。息科技有限公司、北京得意音通技术有限责任公司、上海芯灵科技有限公司。1GB/T41786—2022公共安全生物特征识别术语3术语和定义2GB/T41786—20223.1.7生物特征识别biometricrecognition利用不同人生物特征的差异进行人的身份识别的过程。3.1.8用一个输入的生物特征与库中的每一个生物特征进行比对，以确定该输入的生物特征所对应的未3.1.9生物特征确认biometricverification用生物特征识别技术检验用户是否为其所提交的身份的过程，属于一对一的生物特征识别。对于未知身份的X,其提交的身份为A,将X的生物特征与身份为A的同类型生物特征进行比对，判断其是否为同一人。3.1.10通过生物特征辨认确定是否存在同一人被注册为不同身份的过程。3.1.11通过生物特征确认，对声称与已注册的人为同一人的人进行同一3.1.12实现生物特征识别的系统。3.1.13个人身份信息明确的特定样本集合。3.1.14闭集辨认close-setidentification3.1.15开集辨认open-setidentification3.1.16测试样本testsample3.1.17测试样本组成的集合。3.1.18具有同类生物特征的相同人不同样本的识别。3GB/T41786—2022具有同类生物特征的不同人的样本的识别。相似度similarity比对的输出结果，代表参与比对的两个生物特征的相似程度。注：简称阈值。决策decision生物特征识别系统依据比对结果所做出的反应。注：包括接受、拒绝或报警。采集已知人的身份信息与样本、提取特征并存储的过程。生物特征辨认中正确识别结果处于首位的比率。R₁——首选识别率；C₁——待识别样本总数；C₂——正确辨认结果处于第一名的样本数。生物特征辨认中正确识别结果处于前N名的比率。RN——前N识别率；N——正的自然数；C₁——待识别样本总数；C₃——正确辨认结果处于前N名的样本数。生物特征辨认中正确识别结果未处于前N名的比率。4GB/T41786—2022FNIR=1—Rn式中：Rn——前N识别率；N——正的自然数。3.1.28错误辨认接受率falsepositiveidentificationrate;FPIR注：式中：C₁——待识别样本总数；C₄———错误的辨认结果处于前N名的样本数。3.1.29错误接受率falseacceptancerate;FAR将不同人的样本误认为同一人的比率。注1:也称认假率。式中：C₅——不同人样本比对的总次数；C₆——不同人样本比对认作同一人的次数。错误拒绝率falserejectionrate;FRR将同一人的样本误认为不同人的比率。注1:也称拒真率。式中：C,——同一人样本比对的总次数；C₈——同一人样本比对被认作不同人的次数。3.1.31正确接受率genuineacceptancerate;GAR对同一人的样本做出正确识别的比率。3.1.32漏报率missrate目标集中的样本被认定为在目标集以外的比率。注1:也称漏警率。5式中：MR——漏报率；C,——属于目标集的待识别样本总数；C10——漏报的属于目标集的样本数。3.1.33虚报率misshitrate目标集以外的样本被认定为在目标集中的比率。注2:式中：MHR——虚报率；C——非目标集的待识别样本总数；C12——误报的非目标集的样本数。3.1.34等错误率equalerrorrate;EER错误接受率和错误拒绝率曲线的相交点所对应的错误率，在该点处错误接受率和错误拒绝率相等EER3.1.35接受者操作特性曲线receiveroperatingcharacteristiccurve;ROCcurve描述错误拒绝率和错误接受率之间的关系的曲线。注1:通常以错误接受率为横坐标，以1一错误拒绝率为纵坐标绘制(见图2)。注2:简称ROC曲线。6GB/T41786—20223.1.36累计匹配特性曲线cumulativematchcharacteristiccurve;CMCcurve描述前N识别率和数值N之间关系的曲线。注1:通常以N为横坐标，前N识别率为纵坐标绘制。注2:简称CMC曲线。3.1.37注册失败率enrolmentfailurerate不能完成注册的比率。EFR——注册失败率；C₁3——待注册的已知人的样本总数；3.1.38数字图像中的点元素，由数字图像中该点的坐标值以及彩色数值或灰度数值表示。3.1.39图像下采样imagedownsampling一种缩小图像尺寸的操作。3.1.40图像上采样imageupsampling一种放大图像尺寸的操作。3.1.41满足奈奎斯特采样定理的，且X、Y二个维度方向的像素数在单位长度上相等的二维图像。3.1.42满足奈奎斯特采样定理的，且X、Y、Z三个维度方向的像素数在单位长度上都相等的三维图像。3.1.43信噪比signal-to-noiseratio;SNR信号中有用信号和噪声信号强度的比率。3.1.44特征文件featurefile以特定格式保存特征数据的文件。3.1.45特征提取时间featureextractiontime;FET从生物样本中提取特征所需的时间。3.1.46特征比对时间matchingelapsedtime;MET完成两个同类生物特征比对的时间。7GB/T41786—20223.1.47图像亮度的最大值与最小值的差值。3.1.48像素深度pixeldepth表示图像像素色彩或灰度的比特位数。3.1.49变形。3.1.50现场注册on-siteenrolment生物特征识别系统现场获取样本完成注册的过程。3.1.51非现场注册off-siteenrolment将已有的样本导入生物特征识别系统完成注册的过程。3.1.52获取生物样本所需的时间。3.1.53训练集trainingset用来训练模型参数的样本集。3.1.54验证集validationset用来选择最优模型参数的样本集。3.1.55标签label类别的标识。3.1.56包含生物信息的数据。3.1.57使用采集设备获取或生成工具形成的未经修改的生物样本。3.1.58对原生生物数据处理形成的、与原生生物数据不同的生物数据。3.1.59生物关联数据biometricsampleassociateddata与生物数据所对应的个体信息。8关注名单watchlistX,其提交的身份为A,将X的人脸特征与身份为A的人脸特征进行比对，判断其是否为同一人。三维人脸图像3Dfaceimage3.2.103.2.113.2.129GB/T41786—20223.2.13人脸分辨率faceresolution单位尺寸人脸图像像素数，通常用两眼间距来表示。3.2.14人脸姿态facepose人脸相对于采集设备在三维空间的角度。三维坐标系的原点是鼻的尖端，水平转动角(Y)、俯仰角(P)和倾斜角(R)分别指代人脸相对于空间三个方向坐标轴的旋转角度(见图3)。俯仰角倾斜角图3人脸姿态3.2.15人脸检测facedetection对于给定的静态图像或视频图像，判断其中是否存在人脸。如果存在则确定人脸具体的位置和大小。3.2.16人脸关键点facekeypoint人脸图像中具有明确物理和几何意义的点。3.2.17人脸关键点定位facekeypointlocalization在人脸图像中确定关键点的具体位置。3.2.18对人脸图像按照一定的规则进行尺度变化或旋转等处理，使人脸图像达到规定的几何尺寸与角度。3.2.19人脸图像预处理faceimagepre-processing为提升人脸识别性能而进行的人脸图像处理操作。3.2.20人脸正样本positivefacesample包含符合特定要求的真实人脸的生物样本。GB/T41786—20223.2.21人脸负样本negativefacesample3.2.22人脸模板facetemplate记录人脸特征及相关信息的数据。3.2.23眼睛定位eyepositioning确定眼睛中心在人脸图像中的位置。3.2.24在关注名单上的人被正确认定的比率。3.2.25人脸特殊表征specialsurfacefeatureofface除肤色和表情的差异性以外的人脸表征。3.2.26人脸数据facedata包含人脸信息的数据。3.2.27原生人脸数据originalfacedata使用采集设备获取的或生成工具形成的未经修改的人脸图像。3.2.28派生人脸数据derivedfacedata3.2.29与人脸数据所对应的个体信息。3.3.1手指第一指节的乳突线。3.3.2指纹识别fingerprintrecognition利用指纹进行人的身份识别的过程。用数值表示的指纹图像各像素灰度值的集合(见图4)。分叉点分叉点脊线中心点三角点断点谷线图4指纹图像单个乳突线的路径和特别的局部特征。3.3.10GB/T41786—20223.3.11一种指纹特征点，一条乳突线在此终止(见图4)。3.3.12中心点corepoint位于指纹最内部的一条反曲的乳突线的焦点处。如果该乳突线被视作一个圆的一部分，则中心点心点的方向远离该曲线的中心(见图4)。3.3.13指纹三角点fingerprintdeltapoint图4)。3.3.14乳突线的一种二值图像表示，其中用单像素宽的黑色线条来表示乳突线的中心线而其他的像素为3.3.15同指比对samefingermatching相同手指指纹之间的比对。3.3.16不同手指指纹之间的比对。3.3.17视图数countofviews对同一手指指纹采集的图像个数。3.3.18指纹图像中有效区域之外的区域。3.3.19指纹位置偏移比fingerprintpositionoffsetratio指纹有效区域的质心点相对于指纹图像几何中心点的位移比。3.3.20指纹拒认fingerprintverificationfailure用某一成功注册的指纹样本与该指其他样本进行比对，若发生错误拒绝的次数占连续比对次数的3.3.21非拒认指纹同指比对时发生错误拒绝后的再尝试比对。3.3.22在指纹测试集中，发生重试的次数占非拒认指纹同指比对总比对次数的比例。GB/T41786—20223.3.23在指纹测试集中，发生拒认的指纹数占成功注册的指纹总指纹数的比例。3.3.24指纹采集设备fingerprintcapturedevice对指纹进行图像采集并输出数据的设备。3.3.25对指纹进行识别并输出识别结果的设备。3.3.263.3.27指纹图像采集时间fingerprintimagecapturetime从发出指纹图像采集指令到完成该图像完整数据接收的时间。3.3.28学中纹鱼际纹特征点乳突纹褶皱二角点大鱼际图5手掌区域和纹理GB/T41786—2022掌纹识别palmprintrecognition鱼际纹radialtransversecrease3.4.103.4.113.4.123.4.133.4.14GB/T41786—20223.4.15掌纹采集palmprintacquisition获取掌纹图像的过程。3.4.16接触式掌纹采集contactpalmprintacquisition被采集掌纹的手掌接触扫描屏、摄像机或手掌支撑部件的采集方式。3.4.17非接触式掌纹采集contactlesspalmprintacquisition被采集掌纹的手掌不接触扫描屏、摄像机或手掌支撑部件的采集方式。3.4.18手掌区域分割palmregionsegmentation在手掌图像中标记出有效的手掌区域，将手掌从背景图像中分割出来。3.4.19手掌关键点palmkeypoint掌纹图像中物理和几何意义都十分明确的点或点列。3.4.20手掌关键点定位palmkeypointlocalization在手掌图像中确定关键点位置的过程。3.4.21掌纹有效区域palmprintregionofinterest用于提取掌纹信息的手掌区域。3.4.22掌纹定位palmprintlocalization确定掌纹有效区域位置的过程。3.4.23掌纹图像对齐palmprintimagealignment对采集自同一手掌的多幅掌纹图像，根据成像模型进行像素坐标变换，使得掌纹同一点在不同图像中坐标一致的过程。3.4.24记录掌纹特征及相关信息的数据。3.4.25三维掌纹图像3Dpalmprintimage包含深度信息并随视点位置的变化而改变的掌纹图像。3.4.26三维掌纹识别3Dpalmprintrecognition基于三维掌纹图像的掌纹识别。3.4.27手掌姿态palmpose手掌相对于采集设备在三维空间的位置和角度。3.4.28由不同谱段的光源分别照射手掌所形成的掌纹图像集合。GB/T41786—2022多光谱掌纹识别multispectralpalmprintrecognition基于多光谱掌纹图像的掌纹识别。手指皮肤下的静脉血管相互交织所形成的纹理。指静脉识别fingerveinrecognition利用指静脉进行人的身份识别的过程。指静脉图像fingerveinimage由近红外成像设备采集的包含指静脉的数字图像。指静脉采集fingerveincapture获取指静脉图像的过程。指静脉细节点fingerveinminutia终点图6指静脉细节点示意图指静脉模板fingerveintemplate记录指静脉特征及相关信息的数据。3.5.7指静脉采集窗fingerveincapturewindow利用指静脉采集设备采集指静脉图像时，可获取指静脉区域的有效窗口。GB/T41786—2022由近红外光源采集设备采集的包含掌静脉的图像GB/T41786—2022睫毛巩膜瞳孔3.7.23.7.3仅包含左眼或者右眼虹膜的数字图像。3.7.43.7.5虹膜图像采集irisimagecap3.7.6虹膜识别irisrecognition3.7.7对距离虹膜获取设备1m以上的人员进行虹膜图像采集和身份识别。3.7.8运动中虹膜识别irisrecognitiononthemove对运动中的人员进行自动虹膜图像采集和身份识别。3.7.9虹膜分辨率irisresolution3.7.10主动式虹膜采集activeirisacquisitionGB/T41786—20223.7.11被动式虹膜采集passiveirisacquisition3.7.12虹膜与瞳孔的交界。3.7.13虹膜与巩膜的交界。3.7.14虹膜中心iriscenter以圆模型对虹膜的外边界进行拟合的圆心位置。3.7.15瞳孔中心pupilcenter以圆模型对虹膜的内边界进行拟合的圆心位置。3.7.16虹膜直径irisdiameter以圆模型对虹膜的外边界进行拟合的圆的直径(见图9)。虹膜直径3.7.17虹膜定位irislocalization虹膜内外边界定位和上下眼皮定位的过程。3.7.18虹膜关键点iriskeypoint在虹膜图像中物理和几何意义都十分明确的点或点列。GB/T41786—20223.7.193.7.20对语音中所蕴含的、能表征和标识说话人的语音特征，以及基于这些特征(参数)所建立的语音模型声纹识别voiceprintrecognition说话人模型speakermodeGB/T41786—20223.8.7声纹追踪voiceprinttracking给定一个目标说话人的声纹模型和一段或多段语音，判断目标说话人的语音是否在给定的语音中注：声纹追踪是声纹检出的扩展，是刑事侦查和情报分析中常用声纹识别模式。也称说话人追踪。3.8.8文本相关的声纹识别text-dependentvoiceprintrecog要求用于声纹模型训练和声纹识别的语音所对应的文本完全一致的声纹识别。3.8.9不要求用于声纹识别和声纹模型训练的语音所对应的文本一致的声纹识别。注：声纹识别的文本与声纹模型训练的文本不但内容可以不同，长度也可以不同。3.8.10要求用于声纹识别的语音所对应的文本为声纹识别系统所指定文本的声纹识别。注：指定文本的声纹识别可用于防止通过预先盗取或录制说话人的语音等方式非法闯入系统的情形发生。3.8.11要求在声纹模型训练和声纹识别时使用相同语种的声纹识别。3.8.12不要求在声纹模型训练和声纹识别时使用相同语种的声纹识别。注：用于识别和用于训练的语种可以不同，甚至用于训练和用于识别的语音可以是混合语种的。3.8.13声纹识别的语音中只含有一个说话人语音的声纹识别方式。3.8.14声纹识别的语音中含有多个说话人语音的声纹识别方式。3.8.15用于声纹模型训练的语音中只含有一个说话人语音的声纹模型训练方式。22尺兀工尺兀工3.8.16用于声纹模型训练的语音中含有多个说话人语音的声纹模型训练方式。3.8.17说话人模型自适应speakermodeladaptation利用新的语音数据对已有声纹模型的参数进行调整的过程。3.8.18有效语音validspeech抛除静音、背景噪音等不含有说话人信息的语音段后说话人的实际语首。3.8.19跨信道差异cross-channelmismatch用于声纹识别的语音与用于声纹模型训练的语音通过不同的信道进行传输或通过不同的设备进行采集的情形。3.8.20检测错误权衡曲线detectionerrortrade-offcurve;DETcurve对一个声纹识别系统，以FAR为横坐标轴，以FRR为纵坐标轴，通过调整其参数得到的FAR与FRR之间关系的曲线图(见图10)。FAR(%)图10DET曲线示例3.8.21检测损失函数detectioncostfunction漏警率和误警率的加权和。C=Cfa×P×(1-PTarget)+Cfr×Pf×PTargetC—检测损失函数；GB/T41786—2022Pfa———错误接受率；Pf错误拒绝率；3.9.13.9.23.9.3构成汉字字形的最小连笔单位(见图11)。笔画笔画名称例字笔画横7横折竖勾勾弯勾折勾撇提横勾勾竖弯撒折捺横撇竖提斜勾横折弯勾横折折名称点竖弯勾名称例字竖主日汉字基本笔画表)L撇点笔画例字3]7图11汉字基本笔画3.9.43.9.5根据笔迹检验的需要而收集的被鉴定人笔迹。GB/T41786—20223.9.6正常笔迹normalhandwriting书写人在正常的心理和生理状态下，在通常的书写条件下书写形成的字迹。3.9.7书写人在非正常状态或非通常的书写条件下书写形成的字迹。3.9.8注：如老年人笔迹、特殊病态笔迹和特殊书写工具形成的笔迹。3.9.9冒名笔迹impersonatehandwriting书写人未采用任何摹仿手段、直接冒用他人的名义书写形成的笔迹。3.9.10书写人试图改变自身的书写习惯，故意采用某些特殊的书写方式书写形成的异常笔迹。3.9.11摹仿笔迹imitatedhandwriting书写人仿照他人的笔迹书写形成的异常笔迹。注：书写人对照被摹仿人的笔迹，边看边写，即临摹；书写人利用被摹仿人的笔迹采用直接套描方式或勾描后再描记忆仿写。3.9.12笔迹布局特征handwritinglayoutcharacteristic的空间分布特点。3.9.13笔迹写法特征handwritingstylecharacteristic笔迹中单字及符号的基本构造和书写方法。注：构成汉字字形的要素是笔画、笔数及汉字部件的位置关系。字形按照繁简可分为简化字、繁体字；按照规范性3.9.14笔迹形体特征handwritingfontcharacteristic3.9.15笔迹结构特征handwritingstructurecharacteristicGB/T41786—20223.9.163.9.173.9.18书写过程中书写工具在字迹笔画中形成的综合反映书写工具结构特点和书写人书写动作特点的痕迹特征。3.10.1人行走时展现的肢体行为特征。3.10.2步态识别gaitrecognition利用步态进行人的身份识别的过程。3.10.3步态采集gaitacquisition对行走人的步态进行视频采集的过程。3.10.4步态图像序列gaitvideo步态采集获得的图像序列。3.10.5步态分割gaitsegmentation利用时空信息将步态图像序列切分成多个完整步态周期的过程。3.10.6步态配准gaitalignment3.10.7从步态图像序列样本中提取出的特定物理量。3.10.8步态特征提取gaitfeatureextraction从步态图像序列样本中提取出特定物理量的过程。3.10.9步态模板gaittemplate记录步态特征及相关信息的数据。GB/T41786—2022步态正样本positivegaitsample包含符合特定要求的真实步态的生物特征样本。不包含符合特定要求的真实步态的生物特征样本。步态特征比对gaitfeaturematching不同步态之间的特征的距离度量。3.11其他生物特征识别专用术语利用巩膜中血管形成的纹理进行人的身份识别的过程。利用人脸眼睛周围的区域(见图12)包含的信息进行人的身份识别的过程。图12眼周图像唇纹识别lipprintrecognition利用唇部表皮的纹线或这种纹线留下来的痕迹进行人的身份识别的过程。足迹识别footprintrecognition根据人的脚接触物体表面留下的痕迹进行人的身份识别的过程。根据耳朵轮廓和表象信息进行人的身份识别的过程。通过人体击键的固有属性进行人的身份识别的过程。利用行人衣着或步态等时空特征，在单视域及跨视域视频图像中确定特定行人的身份的过程。GB/T41786—20223.12多生物特征识别专用术语3.12.1多模态生物特征识别multi-modalbiometricrecognition利用多个模态的生物特征识别。3.12.2多实例生物特征识别multi-instancebiometricrecognition利用同一个模态的不同实例进行的生物特征识别。3.12.3多算法生物特征识别multi-algorithmicbiometricrecognition对于单一的生物特征实例，运用两种或两种以上不同算法进行的生物特征识别。3.12.4综合利用各个模态、实例或者算法进行生物特征识别的过程。3.12.5决策层融合decisionlevelfusion每一个生物特征识别过程给出自身的决策，融合过程将这些决策综合起来给出最后的决策。3.12.6每一个生物特征识别过程输出一个比对分数，融合过程将这些分数综合成为一个最终的比对分数，并根据这个分数做出决策。3.12.7每一个生物特征识别过程给出一组提取的特征，融合过程将这些特征综合成为一个特征集合或者3.13生物特征识别应用安全术语3.13.1有生命特征的人体。3.13.2活体检测livenessdetection判断所采集的人体生物特征样本是否来自活体的过程。3.13.3真实生物样本的复制品或者人为合成的生物样本。3.13.4呈现攻击presentationattack试图通过将假体呈现在采集设备前，达到干扰生物特征识别系统识别结果的目的。GB/T41786—20223.13.5呈现攻击检测presentationattackdetection自动检测是否存在呈现攻击。呈现攻击检测错误率presentationattackdetectionerrorrate;PADER呈现攻击被误认为活体生物特征的比例。C₁₅——总的攻击次数；C₁6——误认为活体的次数。3.13.7活体检测错误率livenessdetectionerrorrate;LDER活体生物特征被误认为呈现攻击的比例。式中：C,——总的活体测试次数；C₁8——误认为呈现攻击的次数。3.13.8生物数据安全biometricdatasecurity生物数据在采集、存储、传输及应用过程中的规范与授权要求。3.13.9生物数据授权biometricdataauthorization经管理部门审核与认证，获得生物数据使用权限的过程。3.13.10生物数据脱敏biometricdatadesensitization将生物数据按一定规则进行变换，使其和真实人员身份信息脱离。3.13.11生物数据在传输、存储或进行其他处理时因安全问题引发的数据被意外或非法破坏、损失、变更、未经授权披露或访问。3.13.12人体安全humansafety用户在使用生物特征识别系统过程中，人体受到的影响控制在人类健康可接受范围以内。GB/T41786—2022[1]GA/T773—2019指掌纹自动识别系统术语[2]GA/T894.3—2010安防指纹识别应用系统第3部分：指纹图像质量[3]GA/T894.6—2010安防指纹识别应用系统第6部分：指纹识别算法评测方法[4]GA/T939—2012安防指静脉识别应用系统算法评测方法[5]GA/T1126—2013近红外人脸识别设备技术要求[6]GA/T1315—2016法庭科学笔迹特征的分类规范[7]GA/T1460.2—2017法庭科学文件检验术语第2部分：笔迹检验[8]SJ/T11380—2008自动声纹识别(说话人识别)技术规范[9]ANSIINCITS385—2004AmericanStandardsforInformationTechnology—FaceRecogni-tionFormatforDataIntFormatfortheInterchangeofFingerprintFacial,&.OtherBiometricInf[14]P.J.Philips,P.Grother,R.J.Micheals,D.M.Blackburn,E.Tabassi,M.Boon,FaceRecognitionVendorTest2002EvaluationReport,NISTIR6965,2003.[15]P.J.Grother,G.W.QuinnandP.J.Phillips,Multiple—BiometricEvaluation(MBE):Re-portontheEvaluationof2DStill-ImageFaceRecognitionAlgorithms,NISTIR7709,2010.ceedingof5#ChineseConferenceonBiometri&.Ⅱ,British,StandardInstitution,June2003.[18]D.Maltoni,D.Maio,A.K.JainandS.Prabhakar,HandbookofFingerprintRecognition,Springer(NewYork),2003.[19]L.Wang,G.Leedham,D.S.Cho,Minutiaefeatureanalysisforinfraredhandveinpatternbiometrics,PatternRecognition,pp.920-929,Vol.41,2008.汉语拼音索引B被动式虹膜采集……………3.7.11比对分数层融合……………3.12.6笔画……………3.9.3笔迹……………3.9.2笔迹笔痕特征………………3.9.18笔迹笔顺特征………………3.9.16笔迹布局特征……………3.9.12笔迹结构特征………………3.9.15笔迹写法特征………………3.9.13笔迹形体特征………………3.9.14笔迹运笔特征………………3.9.17闭集辨认……3.1.14辨认型人脸识别………………3.2.4标签…………3.1.55步态…………3.10.1步态采集……3.10.3步态分割……3.10.5步态负样本…………………3.10.11步态模板……3.10.9步态配准……3.10.6步态识别…………………3.10.2步态特征……3.10.7步态特征比对………………3.10.12步态特征提取………………3.10.8步态图像序列………………3.10.4步态正样本…………………3.10.10C采集时间……3.1.52残留指纹……3.3.28测试集………3.1.17测试样本……3.1.16查重…………3.1.10查异…………3.1.11呈现攻击…………………3.13.4呈现攻击检测………………3.13.5呈现攻击检测错误率………3.13.6唇纹识别……3.11.3错误辨认接受率……………3.1.28错误辨认拒绝率……………3.1.27错误接受率…………………3.1.29错误拒绝率…………………3.1.30D大鱼际…………3.4.5单目虹膜图像…………………3.7.3单说话人声纹模型训练……3.8.15单说话人声纹识别…………3.8.13等错误率……3.1.34断点…………3.3.11多光谱掌纹识别……………3.4.29多光谱掌纹图像……………3.4.28多模态生物特征识别………3.12.1多实例生物特征识别………3.12.2多说话人声纹模型训练……3.8.16多说话人声纹识别…………3.8.14多算法生物特征识别………3.12.3E耳朵识别………3.11.5二级特征………3.3.8二维1:1图像………………3.1.41F非接触式掌纹采集…………3.4.17非现场注册…………………3.1.51分叉点………3.3.10G谷线……………3.3.5关注名单………3.2.2关注名单检出率……………3.2.24关注名单型人脸识别…………3.2.6H行人再识别…………………3.11.8虹膜……………3.7.1虹膜定位……3.7.17虹膜分辨率……3.7.9虹膜分割………3.7.19虹膜关键点…………………3.7.18虹膜关键点定位……………3.7.20虹膜内边界…………………3.7.12虹膜识别………3.7.6虹膜图像采集…………………3.7.5虹膜外边界…………………3.7.13虹膜直径……3.7.16虹膜中心……3.7.14活体…………3.13.1活体检测……3.13.2活体检测错误率……………3.13.7J击键识别……3.11.7脊线……………3.3.4假体…………3.13.3检测错误权衡曲线…………3.8.20检测损失函数………………3.8.21接触式掌纹采集……………3.4.16接受者操作特性曲线………3.1.35决策…………3.1.22决策层融合…………………3.12.5K开集辨认……3.1.15可见光人脸图像………………3.2.7跨信道差异…………………3.8.19L累计匹配特性曲线…………3.1.36两眼间距……3.2.12漏报率………3.1.32M冒充者识别…………………3.1.19摹仿笔迹……3.9.11模态……………3.1.4目标集………3.1.13P派生人脸数据………………3.2.28派生生物数据………………3.1.58Q前N识别率…………………3.1.26确认型人脸识别………………3.2.5R人脸……………3.2.1人脸分辨率…………………3.2.13人脸负样本…………………3.2.21人脸关键点…………………3.2.16人脸关键点定位……………3.2.17人脸关联数据………………3.2.29人脸检测……3.2.15人脸模板……3.2.22人脸识别………3.2.3人脸数据……3.2.26人脸特殊表征………………3.2.25人脸图像几何归一化………3.2.18人脸图像预处理……………3.2.19人脸正样本…………………3.2.20人脸姿态……3.2.14人体安全……3.13.12融合…………3.12.4乳突线轨迹…………………3.3.14S三维1:1:1图像…………3.1.42三维人脸识别………………3.2.10三维人脸图像…………………3三维掌纹识别………………3.4.26三维掌纹图像………………3.4.25生物关联数据………………3.1.59生物数据……3.1.56生物数据安全………………3.13.8生物数据授权………………3.13.9生物数据脱敏………………3.13.10生物数据外泄………………3.13.11生物特征………3.1.3生物特征辨认…………………3.1.8生物特征确认…………………3.1.9生物特征识别…………………3.1.7生物特征识别系统…………3.1.12生物样本………3.1.1生物样本采集…………………3.1.2声纹……………3.8.1声纹检出………3.8.6声纹模型………3.8.4声纹模型训练…………………3.8.5声纹模型自适应……………3.8.17声纹识别………3.8.2声纹特征………3.8.3声纹追踪………3.8.7视图数………3.3.17手掌……………3.4.1手掌关键点…………………3.4.19手掌关键点定位……………3.4.20手掌区域分割………………3.4.18手掌姿态……3.4.27首选识别率…………………3.1.25书写工具………3.9.1双目虹膜图像…………………3.7.4说话人模型……3.8.4说话人模型自适应…………3.8.17说话人特征……3.8.3T特征比对………3.1.6特征比对时间………………3.1.46特征层融合…………………3.12.7特征提取………3.1.5特征提取时间………………3.1.45特征文件……3.1.44条件变化笔迹…………………3.9.8同指比对……3.3.15瞳孔中心……3.7.15图像动态范围………………3.1.47图像畸变……3.1.49图像上采样…………………3.1.40图像下采样…………………3.1.39W伪装笔迹……3.9.10文本无关的声纹识别…………3.8.9文本相关的声纹识别…………3.8.8X现场注册……3.1.50相似度………3.1.20相似度阈值…………………3.1.21相同人识别…………………3.1.18像素…………3.1.38像素深度……3.1.48小鱼际…………3.4.6信噪比………3.1.43虚报率………3.1.33训练集………3.1.53Y牙齿识别……3.11.6眼睛定位……3.2.23眼睛中心……3.2.11眼纹识别……3.11.1眼周识别……3.11.2验证集………3.1.54样本笔迹………3.9.5一级特征………3.3.7异常笔迹………3.9.7异指比对……3.3.16有效语音……3.8.18鱼际纹…………3.4.9语言无关的声纹识别………3.8.12语言相关的声纹识别………3.8.11原生人脸数据………………3.2.27原生生物数据………………3.1.57远距离虹膜识别………………3.7.7运动中虹膜识别………………3.7.8Z掌静脉…………3.6.1掌静脉采集……3.6.4掌静脉定位…………………3.6.5指静脉模板…………………3.5.6掌静脉模板……3.6.6指静脉识别……3.5.2掌静脉识别……3.6.2掌静脉图像……3.6.3指静脉细节点…………………3.5.5掌纹…………3.4.2指纹…………3.3.1掌纹采集……3.4.15指纹背景区域……………3.3.18掌纹定位……3.4.22指纹采集设备………………3.3.24掌纹模板……3.4.24指纹拒认……3.3.20掌纹三角点…………………3.4.12指纹拒认率…………………3.3.23掌纹识别………3.4.3指纹三角点…………………3.3.13掌纹特征点…………………3.4.13指纹设备分辨力……………3.3.26掌纹图像……3.4.14指纹识别………3.3.2掌纹图像对齐………………3.4.23指纹识别设备………………3.3.25掌纹有效区域………………3.4.21指纹图像………3.3.3掌纹褶皱…………………3.4.11指纹图像采集时间…………3.3.27掌纹主线………3.4.7指纹位置偏移比……………3.3.19掌远纹…………3.4.8指纹有效区域…………………3.3.6掌中纹………3.4.10指纹重试……3.3.21正常笔迹……3.9.6指纹重试率…………………3.3.22正确接受率…………………3.1.31中心点………3.3.12指定文本的声纹识别………3.8.10主动式虹膜采集……………3.7.10指间区…………3.4.4注册…………3.1.23指静脉采集……3.5.4注册失败率…………………3.1.37指静脉采集窗…………………3.5.7足迹识别……3.11.422D1:1image……………3.1.4133D1:1:1image………………………3.1.423Dfaceimage………………3.2.93Dfacerecognition………………………3.2.103Dpalmprintimage……………………3.4.253Dpalmprintrecognition…………………3.4.26Aabnormalhandwriting……………………3.9.7activeirisacquisition……………………3.7.10Bbifurcation………………………3.3.10binocularirisimage…………………………3.7.4biometricdata………………3.1.56biometricdataauthorization………………3.13.9biometricdatadesensitization……………3.13.10biometricdatadisclosure…………………3.13.11biometricdatasecurity………………………3.13.8biometricfeature………………3.1.3biometricidentification………………………3.1.8biometricrecognition…………………………3.1.7biometricrecognitionsystem………………3.1.12biometricsample………………3.1.1biometricsampleassociateddata……………3.1.59biometricsamplecapture……………………3.1.2biometricverification…………………………3.1.9Ccapturingtime………………3.1.52close-setidentification………………………3.1.14condition-changedhandwriting………………3.9.8contactpalmprintacquisition………………3.4.16contactlesspalmprintacquisition…………3.4.17corepoint………………………3.3.12countofviews………………3.3.17cross-channelmismatch……………………3.8.19cumulativematchcharacteristiccurve(CMCcurve)………3.1.36Ddecision………………………3.1.22decisionlevelfusion…………………………3.12.5dentalrecognition……………3.11.6derivedbiometricdata………………………3.1.58derivedfacedata…………………detectioncostfunction………………………3.8.21detectionerrortrade-offcurve(DETcurve)………………3.8.20differentfingermatching……………………3.3.16disguisedhandwriting…………………………3.9.10distaltransversecrease………………………3.4.8duplicatecheck………………3.1.10Eearrecognition………………3.11.5enrolment……………………………3.1.23enrolmentfailure…………………3.1.24enrolmentfailurerate……………3.1.37equalerrorrate(EER)……………3.1.34eyecenter……………………………3.2.11eyedistance…………………………3.2.12eyepatternrecognition……………3.11.1eyepositioning………………………3Fface……………………3.2.1faceassociateddata…………………3.2.29facedata……………………………3.2.26facedetection………………………3.2.15faceidentification…………………3.2.4faceimagegeometricnormalization……………faceimagepre-processing…………………………3.2.19facekeypoint……………………facekeypointlocalization…………………………3.2.17facepose……………………………3.2.14facerecognition………………………3.2.3faceresolution………………………3.2.13facetemplate…………………………3.2.22faceverification………………………3.2.5fake……………………falseacceptancerate(FAR)………………………3.1.29falsenegativeidentificationrate(FNIR)………………………3.1.27falsepositiveidentificationrate(FPIR)………………………3.1.28falserejectionrate(FRR)…………………………3.1.30featureextraction…………………3.1.5featureextractiontime(FET)……………………3.1.45featurefile……………………………3.1.44featurelevelfusion………………3.12.7featurematching……………………3.1.6fingervein……………………………3.5.1fingerveincapture…………………3.5.4fingerveincapturewindow………………………3.5.7fingerveinimage……………………3.5.3fingerveinminutia…………………3.5.5fingerveinrecognition…………fingerveintemplate………………3.5.6fingerprint……………………………3.3.1fingerprintbackgroundregion……………………3.3.18fingerprintcapturedevice………………3.3.24fingerprintcapturedeviceresolvingpower……………3.3.26fingerprintdeltapoint…………………3.3.13fingerprintimage………………………3.3.3fingerprintimagecapturetime………………………3.3.27fingerprintpositionoffsetratio…………3.3.19fingerprintreattempt…………………3.3.21fingerprintreattemptrate……………3.3.22fingerprintrecognition……………………3.3.2fingerprintrecognitiondevice…………3.3.25fingerprintregionofinterest………………3.3.6fingerprintverificationfailure………………………3.3.20fingerprintverificationfailurerate……………………3.3.23footprintrecognition…………………3.11.4fusion……………………3.12.4Ggait………………………3.10.1gaitacquisition……………3.10.3gaitalignment…………………………3.10.6gaitfeature………………3.10.7gaitfeatureextraction…………………3.10.8gaitfeaturematching…………………3.10.12gaitrecognition……………3.10.2gaitsegmentation…………………………3.10.5gaittemplate………………………gaitvideo…………………3.10.4genuineacceptancerate(GAR)…………3.1.31genuinerecognition………………………3.1.18Hhandwriting………………3.9.2handwritingfontcharacteristic…………3.9.14handwritinglayoutcharacteristic………………………3.9.12handwritingpe