CN102831437A - 一种基于样本质量的生物特征识别系统性能预测方法 - Google Patents

Abstract

本发明公开了一种基于样本质量的生物特征识别系统性能预测方法，该方法包括步骤：提取生物特征样本质量参数，根据生物特征样本标记信息将样本间匹配划分为类内匹配和类间匹配，分别对类内匹配分数和类间匹配分数进行平均采样，利用偏最小二乘回归方法建立生物特征样本质量参数和样本匹配分数的关系。本发明针对生物特征样本质量和样本匹配分数的关系，提出了基于偏最小二乘回归的方法预测识别系统的性能。本发明可用于大范围的生物特征识别系统性能预测，以及测试实际生物特征识别算法对特定样本样本质量的容忍度和鲁棒性。

Description

一种基于样本质量的生物特征识别系统性能预测方法

技术领域

本发明涉及计算机视觉、数字图像处理和模式识别技术领域，特别是一种基于样本质量的生物特征识别系统性能预测方法。

背景技术

随着信息时代的高速发展，传统的密码系统面临着巨大的挑战，信息安全随之得到空前的重视。生物特征识别技术由于其唯一性，稳定性和可靠性逐渐成为传统身份识别的最有效的替代品。随着研究的逐步深入，接触式的以及需要用户高度配合的生物特征识别系统已经满足不了人们对设备易用性的需求，取而代之的是大范围、远距离监控场景下的生物特征识别系统。随着易用性的提高，生物特征样本数量大幅增加，质量千差万别。基于高质量的生物特征识别算法的处理效率以及准确性都受到挑战。亟待解决的问题是如何将生物特征样本的质量与识别系统的性能直接关联起来。建立起这种关系，有三个方面的优点，第一，在具体识别操作之前可以大量去除根本无法识别的样本，减少系统响应时间，扩大识别系统的吞吐量；第二，根据样本质量预测的识别性能自适应改变识别系统算法，应变复杂样本质量变化需求；第三，通过人为改变生物特征样本质量分布，可以测试相应算法在极端条件下的识别效果，判断算法的优劣。

目前，基于样本质量的生物特征识别系统的性能预测并不成熟，一些已有的工作仅仅集中在通过特征空间分布和性能间的关系来建立预测模型，详见文献：[1]R.Wang and B.Bhanu，“Predicting fingerprint biometricsperformance from a small gallery”，Pattern Recognition Letters，28(1)：40-48，2007；[2]A.Johnson，J.Sun and A. Bobick.“Predicting large population datacumulative match characteristic performance from small population data”，Audio-and Video-based Biometric Person Authentication，volume 2688 ofLecture Notes in Computer Science，pages 1061-1062。这部分工作更趋近于对特征统计理论模型的分析，而对于改善系统性能的帮助很小。当然，也有工作侧重于通过样本质量与识别性能的对应关系建立预测模型，详见文献：[3]G.Aggarwal，S.Biswas，P. Flynn and K.Bowyer，“Predictingperformance of face recognition systems：An image characterization approach”，In Computer Vision and Pattern Recognition Workshop，pages 52-59，june2011。但是该方法有两方面的局限性。首先，这是基于人脸识别系统的性能预测，并没有推广到生物特征识别领域；其次，回归模型的采用上不能规避噪声的影响，使得它的准确性得到抑制；最后，由于非线性回归有一定时间复杂度，使应用受到限制。

综上所述，基于样本质量的生物特征识别系统性能预测方法具有重要的意义。

发明内容

本发明的目的是针对上述现有技术存在的问题，提供一种基于样本质量的生物特征识别系统性能预测方法。本发明综合了发明人曾经提出的虹膜样本质量确定方法，详见文献：[4]X.Li，Z.Sun and T.Tan，“Comprehensive assessment of iris image quality”，In International Conferenceon Image Processing，pages 3178-3181，2011，提出了一套生物特征识别系统性能预测的方法，具体包括，生物特征样本质量参数的提取，平均分布采样以及偏最小二乘回归建模，从而建立了生物特征样本质量与识别性能的量化关系。本发明通过偏最小二乘回归建模的方法，抑制了噪声对预测模型的影响。在预测时间方面，本发明方法远远领先于其他方法，满足了系统对时间复杂度的要求，取得了良好的预测综合效果。

本发明的基于样本质量的生物特征识别系统性能预测方法包括：

步骤S1，采集生物特征样本，组成训练样本库；

步骤S2，对训练样本库中的生物特征样本进行预处理，提取每一生物特征样本的质量参数向量，并将训练样本库中任意两个生物特征样本进行配对，得到配对的两个生物特征样本的样本质量参数向量对；

步骤S3，根据训练样本库中样本的标记信息将所述步骤2中的生物特征样本间的匹配分为类内比对和类间比对；

步骤S4，计算所述步骤2中配对的生物特征样本之间的比对分数，并基于样本的标记信息将计算得到比对分数分为类内比对分数和类间比对分数；

步骤S5，分别对所述步骤S4计算得到的类内比对分数和类间比对分数进行平均采样；

步骤S6，基于平均采样后的样本的生物特征样本质量参数向量对以及样本间的比对分数，通过偏最小二乘回归(PLS-R)方法分别建立生物特征样本质量参数向量对与生物特征样本比对分数之间的类内模型和类间模型；

步骤S7，与所述步骤S2相似，对被测生物特征识别系统中的所有测试生物特征样本进行预处理，得到测试生物特征样本的质量参数向量；

步骤S8，与所述步骤S3相似，根据样本的标记信息将测试生物特征样本间的匹配分为类内比对和类间比对；

步骤S9，根据所述步骤S6训练得到的类内模型和类间模型分别预测测试生物特征样本间的类内比对分数和类间比对分数，并根据预测得到的类内比对分数和类间比对分数的分布，计算代表生物特征识别系统总体性能的性能参数来测试所述生物特征识别系统预测的性能。

通过本发明的基于样本质量的生物特征识别系统性能预测方法能够建立生物特征样本质量和样本匹配分数的对应关系，进而预测生物特征识别系统的性能。

本发明的基于样本质量的生物特征识别系统性能预测方法在匹配分数选取时采用了平均采样的方法，该方法保证在一定的分数取值范围内分数间分配的权重相同，从而有效地降低训练集中高概率分数对回归模型的影响。

另外，本发明的基于样本质量的生物特征识别系统性能预测方法在匹配分数回归模型的建立上采用了偏最小二乘回归的方法，优点主要有三个方面。第一，偏最小二乘回归方法在特征空间中每次选取的是区分度最大的特征，这就有效地抑制了噪声点对回归模型的影响；第二，由于在模型建立的过程中，运用匹配分数与质量参数共同作用，从而突出两方面的相关性；第三，训练结束后，回归模块只是矩阵相乘，这样就大大降低了预测时间。

因此，本发明解决了基于样本质量的生物特征识别系统性能预测的问题，建立起生物特征样本质量和和样本匹配分数的对应关系，在今后的应用中，不仅可以根据样本质量分布预测生物特征识别系统的性能，而且还可以用于评价相应生物特征识别算法对特定生物特征质量的容忍度和鲁棒性，进而有效的推动生物特征识别算法向正确的方向发展。

附图说明

图1为本发明基于样本质量的生物特征识别系统性能预测方法流程图；

图2为决定虹膜样本质量的离焦、运动模糊、光照、眼皮及睫毛遮挡、斜眼及瞳孔伸缩示意图；

图3(a)为原始采样分数分布示意图；图3(b)为平均采样分数分布示意图；

图4(a)为本发明在ICE 2005Left数据库上的等错误率(EER)预测曲线图；图4(b)为本发明在ICE 2005Right数据库上的等错误率(EER)预测曲线图；图4(c)为本发明在ICE 2005Left数据库上的可区分指数(D-Index)预测曲线图；图4(d)为本发明在ICE 2005 Right数据库上的可区分指数(D-Index)预测曲线图；

图5为本发明在Lamp数据库上的原始识别性能和预测识别性能曲线图；

图6为本发明在Thous数据库上的原始识别性能和预测识别性能曲线图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

在这里以基于样本质量的虹膜识别性能预测为例解释说明本发明的具体细节。如何量化虹膜样本质量与虹膜识别性能的关系不仅有助于虹膜样本质量评价算法的发展，而且对衡量虹膜识别算法对虹膜样本的容忍度也有很重要的意义。

本发明提出的基于样本质量的生物特征识别系统性能预测方法涉及到的生物特征样本质量参数，平均采样方法以及生物特征识别性能指标定义如下：

生物特征样本质量参数：是反应生物特征样本质量的参数。虹膜识别具体涉及六种影响虹膜样本质量的状态，包括离焦模糊，如图2(a)所示；运动模糊，如图2(b)所示；光照，如图2(c)所示；眼皮及睫毛遮挡，如图2(d)所示；斜眼，如图2(e)所示；以及瞳孔伸缩，如图2(f)所示。

平均采样方法：是一种基于样本间比对分数分布的样本采样方法，该方法是本领域的通用技术，在此不作赘述。

生物特征识别性能指标：是反应生物特征识别整体性能的评价指标。本发明具体涉及两种性能指标的预测，包括等错误率(EER)和可区分指数(D-Index)。等错误率和可区分指数被定义如下：

等错误率：是错误接受率与错误拒绝率相等下的系统错误率。

可区分指数：是衡量生物特征识别类内比对分数分布与类间比对分数分布重叠程度的指标，具体定义如下：

$d^{\′}=\frac{|{\mathrm{\μ}}_1-{\mathrm{\μ}}_2|}{\sqrt{({\mathrm{\σ}}_1^2+{\mathrm{\σ}}_2^2)/2}},$

其中，d′代表可区分指数(D-Index)，μ₁和μ₂分别代表类内比对分数分布与类间比对分数分布的均值，σ₁和σ₂分别指类内比对分数分布与类间比对分数分布的方差。

接收机操作特性(ROC)曲线：是用来衡量系统错误接受率与正确识别率关系的曲线。

图1为本发明基于样本质量的生物特征识别系统性能预测方法的流程图。如图1所示，本发明基于样本质量的生物特征识别系统性能预测方法包括以下几个步骤：

步骤S1-S6为学习步骤，该步骤的主要目的是通过提取训练样本库中的生物特征样本质量参数、对样本比对分数的平均采样和偏最小二乘回归方法，得到生物特征样本质量与识别性能的对应关系。

步骤S1，采集生物特征样本，组成训练样本库；

所述生物特征样本包括人脸，指纹，虹膜，这里以虹膜为例进行阐述。首先通过虹膜图像采集设备进行虹膜区域图像采集，之后将采集得到的虹膜图像组成虹膜图像训练样本库。

步骤S2，对训练样本库中的生物特征样本进行预处理，提取每一生物特征样本的质量参数向量，并将训练样本库中任意两个生物特征样本进行配对，得到配对的两个生物特征样本的样本质量参数向量对；

所述预处理包括生物特征样本的定位以及提取有效的生物特征区域，现有技术中存在很多对于有效生物特征区域进行提取的方法，在此不做赘述。

所述生物特征样本质量参数是指影响识别性能的样本自身因素和对样本质量产生影响的外界环境因素。以虹膜样本为例，本发明主要考虑到六种影响虹膜识别性能的虹膜样本质量变化指标，包括离焦模糊、运动模糊、光照、眼皮及睫毛遮挡、斜眼以及瞳孔伸缩。提取到虹膜样本的质量参数后，将训练样本库中第i个虹膜样本的质量参数向量标记为Q_i。

之后将训练样本库中任意两个虹膜样本组成一对虹膜样本，得到配对后的虹膜样本质量参数向量对，将其标记为{Q_i，Q_j}，其中Q_i和Q_j分别表示第i个虹膜样本与第j个虹膜样本组成的虹膜样本质量参数向量。

步骤S3，根据训练样本库中样本的标记信息将所述步骤2中的生物特征样本间的匹配分为类内比对和类间比对；

生物特征识别系统是通过区分不同人的生物特征来进行的一对多的识别系统。通过简化之后，一对多的问题可以抽象成两类问题，即在生物特征识别中，给定两个生物特征样本，根据其标记信息，可以判断这两个生物特征样本是来自于同一个人的生物特征样本即类内比对，还是来自于不同人的生物特征样本即类间比对。

步骤S4，计算所述步骤2中配对的生物特征样本之间的比对分数，并基于样本的标记信息将计算得到比对分数分为类内比对分数和类间比对分数；

本发明以虹膜识别为例，采用二级子定序测量的虹膜识别算法提取虹膜特征，通过比对来得到任意的样本间的比对分数，计算公式如下：

${\mathrm{HD}}_{A,B}=\frac{\left|\right|\mathrm{codeA}\⊗\mathrm{codeB}\∩\mathrm{maskA}\∩\mathrm{maskB}\left|\right|}{\left|\right|\mathrm{maskA}\∩\mathrm{maskB}\left|\right|},$

其中，codeA和codeB分别指代两个不同生物特征样本的特征向量，maskA和maskB分别指代经过所述步骤2的预处理后得到的两个不同生物特征样本的有效区域标记，HD_A，B为两个生物特征样本之间的比对分数，

表示卷积运算，“∩”表示取两个集合的交集。

原始的训练样本库中虹膜样本对所对应的比对分数分布类似于高斯分布，如图3(a)所示。

步骤S5，分别对所述步骤S4计算得到的类内比对分数和类间比对分数进行平均采样；

如果直接将样本质量参数向量对与对应的比对分数进行回归训练，那么具有高概率值的比对分数会具有高权重(如图3(a)圆圈所示部位)，这将导致回归模型向对应高权重部分倾斜，使得预测结果不准确，所以本发明引入了平均采样的概念。这里的平均采样如图3(b)所示，即将原始的比对分数划分为k个区间(k的值视具体要求而定)，对应每个区间取固定数目的样本来进行后续的操作，以使经过平均采样后的样本质量向量对的比对分数分布呈现平均分布。

步骤S6，基于平均采样后的样本的生物特征样本质量参数向量对以及样本间的比对分数，通过偏最小二乘回归(PLS-R)方法分别建立生物特征样本质量参数向量对与生物特征样本比对分数之间的类内模型和类间模型；

本发明通过偏最小二乘回归(PLS-R)方法分别建立虹膜样本质量参数向量对与比对分数之间的类内模型和类间模型，以描述质量参数和系统性能之间的关系。所述模型的计算公式如下：

y_Intra＝X_Intrab_Intra+e_Intra，

y_Inter＝X_Interb_Inter+e_Inter

其中，X_Intra和X_Inter分别为输入的类内和类间预测因子，在本发明中为虹膜样本质量参数向量对{Q_i，Q_j}，y_Intra和y_Inter为类内和类间预测因子对应的响应，在本发明中为虹膜样本的比对分数，b_Intra和b_Inter分别为类内和类间预测模型的系数矩阵，e_Intra和e_Inter为预测误差。偏最小二乘回归方法与原始最小二乘方法的区别是偏最小二乘回归方法中的迭代过程通过偏最小二乘工具箱来完成，偏最小二乘的计算方式为本领域的通用技术，在此不作赘述。

步骤S7-S9的主要目的是已知生物特征样本质量参数向量对的情况下，根据训练得到的类内模型和类间模型对被测数据库中相应的测试生物特征样本之间的类内比对分数与类间比对分数做出预测。

步骤S7，与所述步骤S2相似，对被测生物特征识别系统中的所有测试生物特征样本进行预处理，得到测试生物特征样本的质量参数向量；

这里测试生物特征样本的质量参数向量所包含的质量参数与步骤S2中从生物特征样本中提取的质量参数相同。

步骤S8，与所述步骤S3相似，根据样本的标记信息将测试生物特征样本间的匹配分为类内比对和类间比对；

步骤S9，根据所述步骤S6训练得到的类内模型和类间模型分别预测测试生物特征样本间的类内比对分数和类间比对分数，并根据预测得到的类内比对分数和类间比对分数的分布，计算代表生物特征识别系统总体性能的性能参数来测试所述生物特征识别系统预测的性能。

所述性能参数包括等错误率(EER)和可区分因子(D-Index)以及ROC曲线。

为了验证本发明的有效性，分别在三个公开数据库ICE 2005、CASIALamp和CASIAThousand进行了实验。

实验一：ICE 2005数据库上的多识别算法的预测实验。识别算法运用的是二级子定序测量虹膜识别算法，不同的级子距离代表不同的识别算法。其中选用的级子间距离有4、7、10、13、16、19、22、25，数字代表级子间距离的像素个数。图4(a)(b)是在ICE Left和ICE Right数据库上对性能指标等错误率的预测结果，图4(c)(d)是在ICE Left和ICE Right数据库上对性能指标可区分指数的预测结果。其中灰色曲线代表真实的识别性能变化，而黑色虚线代表预测性能曲线变化。从曲线上可以看出，预测结果可以反映算法变化的趋势。

实验二，CASIA Lamp和CASIA Thousand数据库上基于小数据集的识别算法预测实验，采用的是双级子定序测量虹膜识别算法，级子距离为4个像素。CASIA Lamp数据库有16213个虹膜样本，CASIA Thousand数据库有20000个样本，分别从中取出2000个虹膜样本进行模型训练。实验结果如图所示。图5是在CASIA Lamp数据库上的ROC曲线图。图6是在CASIAThousand数据库上的ROC曲线图。横轴代表错误接受率，纵轴代表正确接受率(即1-错误拒绝率)，其中灰色曲线代表真实的识别性能变化，而黑色虚线代表预测性能曲线变化。从曲线上可以看出，在训练集只有整体数据八分之一和十分之一的情况下，预测模型依然能够达到正确预测算法性能的目的。

上表列出了具体性能指标与其他算法的对比结果。其中Lamp和Thous分布代表CASIA Lamp和CASIA Thous的缩写，EER和D-Index分布代表定义的性能评价指标。第一列为真实算法识别性能，第二列是本发明采用的回归模型，之后各列分别代表∈支持向量回归模型(ε-SVR)，线性∈支持向量回归模型(Linear ε-SVR)，υ支持向量回归模型(υ-SVR)，线性υ支持向量回归模型(Linear υ-SVR)，径向基神经网络(RBF-NN)。一方面从总体识别性能预测上，本发明采用的回归模型达到最接近真实识别性能的结果；另一方面在预测速度上也远高于其他回归方法，甚至远远高于真实识别速度，这就有助于推动本发明在实际中的应用。

本发明的基于样本质量的生物特征识别系统性能预测方法应用在基于小数据集的识别算法预测时，由于很难采集到全部用户的虹膜样本，从而很难评价一个具体识别算法的优劣。在实际应用中，可以尽可能采集质量差距较大的虹膜样本并通过本发明方法对算法进行预测，以达到评判算法优劣的目的。

本发明的基于样本质量的生物特征识别系统性能预测方法应用在检测算法对特定样本质量变化鲁棒性时，考虑到目前的虹膜识别算法层出不穷，各有千秋，很难说明在整体上哪个算法是最好的。由于本发明可以建立起识别算法和样本质量之间的关系，从而可以通过人为改变样本质量变化的程度来测试识别算法对特定样本质量的鲁棒性。

本发明的基于样本质量的生物特征识别系统性能预测方法应用在自适应选择识别算法上时。现有的虹膜识别系统具有的识别算法都是单一算法，本发明根据虹膜样本质量预测虹膜类内比对分数与类间比对分数，可以根据预测的分数改变识别策略，从而达到自适应识别的目的，提高虹膜识别系统的性能。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于样本质量的生物特征识别系统性能预测方法，其特征在于，该方法包括以下步骤：

步骤S1，采集生物特征样本，组成训练样本库；

步骤S2，对训练样本库中的生物特征样本进行预处理，提取每一生物特征样本的质量参数向量，并将训练样本库中任意两个生物特征样本进行配对，得到配对的两个生物特征样本的样本质量参数向量对；

步骤S3，根据训练样本库中样本的标记信息将所述步骤2中的生物特征样本间的匹配分为类内比对和类间比对；

步骤S4，计算所述步骤2中配对的生物特征样本之间的比对分数，并基于样本的标记信息将计算得到比对分数分为类内比对分数和类间比对分数；

步骤S5，分别对所述步骤S4计算得到的类内比对分数和类间比对分数进行平均采样；

步骤S6，基于平均采样后的样本的生物特征样本质量参数向量对以及样本间的比对分数，通过偏最小二乘回归(PLS-R)方法分别建立生物特征样本质量参数向量对与生物特征样本比对分数之间的类内模型和类间模型；

步骤S7，与所述步骤S2相似，对被测生物特征识别系统中的所有测试生物特征样本进行预处理，得到测试生物特征样本的质量参数向量；

步骤S8，与所述步骤S3相似，根据样本的标记信息将测试生物特征样本间的匹配分为类内比对和类间比对；

步骤S9，根据所述步骤S6训练得到的类内模型和类间模型分别预测测试生物特征样本间的类内比对分数和类间比对分数，并根据预测得到的类内比对分数和类间比对分数的分布，计算代表生物特征识别系统总体性能的性能参数来测试所述生物特征识别系统预测的性能。

2.根据权利要求1所述的方法，其特征在于，所述步骤S2和S7中的预处理包括生物特征样本的定位以及提取有效的生物特征区域。

3.根据权利要求1所述的方法，其特征在于，所述生物特征样本质量参数是指影响识别性能的样本自身因素和对样本质量产生影响的外界环境因素。

4.根据权利要求1所述的方法，其特征在于，所述类内比对为比对的两个生物特征样本来自于同一个人的生物特征样本；所述类间比对为比对的两个生物特征样本来自于不同人的生物特征样本。

5.根据权利要求1所述的方法，其特征在于所述步骤S4中的比对分数根据下式计算：

${\mathrm{HD}}_{A,B}=\frac{\left|\right|\mathrm{codeA}\⊗\mathrm{codeB}\∩\mathrm{maskA}\∩\mathrm{maskB}\left|\right|}{\left|\right|\mathrm{maskA}\∩\mathrm{maskB}\left|\right|},$

其中，codeA和codeB分别指代两个不同生物特征样本的特征向量，maskA和maskB分别指代经过预处理后得到的两个不同生物特征样本的有效区域标记，HD_A，B为两个生物特征样本之间的比对分数，

表示卷积运算，“∩”表示取两个集合的交集。

6.根据权利要求1所述的方法，其特征在于，所述平均采样为将原始的比对分数划分为k个区间，对应每个区间取固定数目的样本，以使经过平均采样后的比对分数分布呈现平均分布。

7.根据权利要求1所述的方法，其特征在于，所述类内模型和类间模型的计算公式如下：

y_Intra＝X_Intrab_Intra+e_Intra，

y_Inter＝X_Interb_Inter+e_Inter

其中，X_Intra和X_Inter分别为输入的类内和类间预测因子，y_Intra和y_Inter为类内和类间预测因子对应的响应，b_Intra和b_Inter分别为类内和类间预测模型的系数矩阵，e_Intra和e_Inter为预测误差。

8.根据权利要求7所述的方法，其特征在于，所述预测因子为质量参数向量对，所述预测因子对应的响应为比对分数。

9.根据权利要求1所述的方法，其特征在于，所述性能参数包括等错误率(EER)和可区分因子(D-Index)以及接收机操作特性(ROC)曲线。

10.根据权利要求9所述的方法，其特征在于，所述等错误率是错误接受率与错误拒绝率相等下的系统错误率；

所述可区分指数是衡量生物特征识别类内比对分数分布与类间比对分数分布重叠程度的指标：

$d^{\′}=\frac{|{\mathrm{\μ}}_1-{\mathrm{\μ}}_2|}{\sqrt{({\mathrm{\σ}}_1^2+{\mathrm{\σ}}_2^2)/2}},$

其中，d′代表可区分指数，μ₁和μ₂分别代表类内比对分数分布与类间比对分数分布的均值，σ₁和σ₂分别指类内比对分数分布与类间比对分数分布的方差；

所述接收机操作特性曲线是用来衡量系统错误接受率与正确识别率关系的曲线。

Images