ГОСТ Р 54411—2011/ISO/IEC/TR 24722:2007
О
к
ончание таблицы 6
- V, — /V-размерный вектор степеней схожести «самозванцев*, где N — число модальностей.
- N — число модальностей:
- V, —
ЛЛ
размерный вектор степеней схожести «самозванцев*, где N — число модальностей.
- PC(S — значение PDFCпри степени схожести S,.
’ рца — значение PDF, при степени схожести S,.
5.4 Объединение на уровне признаков
При комбинировании на уровне признаков объединение биометрических данных происходит по
сле извлечения признаков до сопоставления (см. рисунок Зс)). Существует несколько способов комби
нирования признаков. Наиболее простой заключается в объединении векторов признаков (или наборов
признаков, если нет скрытой взаимосвязи) и в применении метода классификации признаков к объеди
ненному вектору признаков. В некоторых случаях применение объединения на уровне признаков более
эффективно, чем применение объединения на уровне степеней схожести; оно обеспечивает улучшение
общих эксплуатационных характеристик. На практике объединение на данном уровне сложно
производить по следующим причинам:
- векторы признаков нескольких модальностей могут быть несовместимыми (например, множес
тво контрольных точек пальцев и собственные коэффициенты изображения лица);
- взаимоотношения между пространствами признаков разных биометрических систем могут быть
неизвестны;
- соединение двух векторов признаков может в итоге произвести вектор признаков большой раз
мерности. что приводит к «проклятию» размерности;
- может понадобиться более сложное устройство сопоставления для работы с объединенным
вектором признаков в соответствии с [56].
Несмотря на данные сложности, объединение на уровне признаков было предпринято в разных
условиях. В (5] приведеноописание объединения на уровне признаков модальностей лица иуха. что яв
ляется свидетельством значительного улучшения производительности. В [45Jприведен способ объеди
нения отпечатка ладони и признаков геометрии кисти руки одного человека для улучшения процесса
сопоставления. Данные, приведенные в этих работах, доказывают, что объединение на уровне степе
ней схожести эффективнее объединения на уровне признаков. Однако в [56] приведено описание ком
бинирования модальности лица и уха пользователя (мультибиометрическая система) наравне с
каналами R. G, В изображения лица пользователя (мультидатчикоеая система) на уровне признаков, с
доказательством того, что схема выбора признаков может быть необходимой для улучшения процесса
сопоставления на данном уровне. Таким образом, для комбинирования данных на уровне признаков
требуется применение соответствующей схемы выбора признаков.
Признаки можно комбинировать более сложным способом на уровне алгоритмов путем совмес
тной регистрации. Большинство алгоритмов извлечения признаков требуют локализации ориентиров
для создания общей системы координатдля извлечения признаков. В мультибиометрических системах
отдельные компоненты могут обмениваться ориентирами или поддерживать их извлечение на взаим
ной основе. Этот метод, называемый совместной регистрацией, является одной из форм комбинирова
ния на уровне признаков. Например, алгоритм распознавания лица может предоставить данные о
положении глаза для алгоритма распознавания радужной оболочки глаза, или ориентиры глубины в
системах распознавания трехмерного изображения лица могут быть применены для исправления
положения лица на изображениях текстуры.
6 Данные характеризации для мультибиометрических систем
6.1 Обзор
Для мультибиометрических систем одним из наиболее важныхаспектов нормализации и комбини
рования является происхождение параметровдля проведения нормализации и/или комбинирования. В
случае комбинирования на уровне степеней схожести с использованием статистической теории сопос
тавления шаблонов (образцов) требуются ФПРВ степеней схожести подлинных пользователей и «са
мозванцев». При других случаях комбинирования на уровне степеней схожести, на уровне признаков и на
уровне принятия решения важными параметрами являются те. которые необходимо получить при
характеризации. Таким образом, этот вопрос является универсальным.
17