清华大学 苏光大 王生进 苏 楠

摘要：

本文介绍了《公共安全生物特征识别术语》国家标准的立项背景、起草过程，列出了本标准的起草单位和起草组成员。

本文论述了本标准的基本架构。该架构将各模态生物特征中重复定义的内容归于通用术语，有效的减少了标准的篇幅。

本文梳理了《公共安全生物特征识别术语》国家标准的技术特点，并辅以实例介绍了本标准的准确性、适用性、全面性和创新性。

一、 基本情况

生物特征识别技术的研究与应用在国家安全和公共安全中具有十分重要的意义。在公安部、科技部等部门的大力推动下，我国生物特征识别的理论研究和应用都得到了迅猛的发展。以人脸识别、指纹识别为代表的生物特征识别技术，广泛应用于公共安全、公共服务、移动支付、金融等诸多行业，相关产品已融入到国民生活中。

面对生物特征识别技术应用的不断扩大，研究部门、生产部门、使用部门、监管部门等行业参与主体迫切需要制定生物特征识别技术的相关标准，以规范生物特征识别应用的通用概念、技术要求及其测试方法、客观评价各类应用的性能指标以及生物特征识别应用安全。在众多生物特征识别的标准中，生物特征识别术语标准是基础标准，具有准确性、规范性、领引性的显著特点。

国家标准委于2017年9月28日下达了国家标准《公共安全人体生物特征识别应用术语》的立项通知，标准起草工作由公安部科信局直接领导，全国安全防范报警系统标准化技术委员会 (SAC/TC100)归口组织，清华大学为该标准的承担单位。

在2019年8月7日标准送审稿的审查会上，起草小组与评审专家一致建议将标准名称改为《公共安全生物特征识别术语》，国家标准委批准了标准名称更改。

《公共安全生物特征识别术语》标准是由国内生物特征识别领域内的专家学者、公司以及管理应用部门共同起草。

本标准的起草单位为清华大学、公安部第一研究所、中国科学院自动化研究所、国防科技大学、香港中文大学（深圳）、中国科学院计算技术研究所、西湖大学、广州像素数据技术股份有限公司、深圳市利众信息科技有限公司、北京得意音通技术有限责任公司、上海芯灵科技有限公司。

本标准的主要起草人为苏光大、王生进、陈健生、郑方、侯鸿川、刘琳、李子青、雷震、孙哲南、谢剑斌、张大鹏、山世光、韩琥、姚若光、苏楠、刘旸、尹德森、徐伟。

本标准的起草小组以中华人民共和国公共安全行业标准《安防生物特征识别应用术语》（GA/T 893-2010）为基础，参考了国际标准ISO/IEC 2382-37 Information technology - Vocabulary - Part 37: Biometrics以及国内的GB/T 26238-2010《信息技术 生物特征识别术语》国家标准等相关标准，遵循准确性、实用性、先进性、相对完备性的基本原则，全面的规范了生物特征识别术语。

在标准的起草阶段，全国安全防范报警系统标准化技术委员会组织专家对起草小组提交的征求意见稿、送审稿、报批稿进行了逐次严格审查。国家标准委对标准稿进行了公示，起草组也进行了必要的解答与修改。国家标准委于2022年10月14日批准发布《公共安全生物特征识别术语》国家标准（标准编号：20171818-T-312）。

本标准以生物特征识别技术的研究与应用为基础，将生物特征识别技术术语规范化，为生物特征识别研究、应用及标准起草提供了重要的基础性技术规范。本标准既包括生物特征识别的通用术语，还包括多种生物特征识别专用术语以及生物特征识别应用安全术语等内容。

《公共安全生物特征识别应用术语》标准是国际上第一部国家级的涵盖了生物特征识别通用术语和人脸、指纹、虹膜、声纹等多种生物特征识别专用术语以及生物特征识别应用安全术语的标准，具有理论性、全面性、创新性等显著特点。

二、 《公共安全生物特征识别术语》国家标准的基本架构

生物特征识别可分为生理特征识别和行为特征识别。图1给出了生物特征识别类别的基本划分图。特别需要说明的是，图1仅列出了常用的生物特征识别，另外还有眼纹识别、眼周识别、唇纹识别、耳朵识别、牙齿识别等。在生物特征识别应用中，有多模态生物特征识别（如人脸识别＋指纹识别）。在同一类生物特征识别中还有多实例生物特征识别（如虹膜（左眼）＋虹膜（右眼））、多算法生物特征识别（如人脸识别算法1＋人脸识别算法2）。除此之外，在生物特征识别应用中，还需要包含生物特征识别的应用安全问题。本标准所涉及的内容如此众多，就规模而言，术语所定义的内容是庞大的。就学术范围来说，术语所包含的知识面也是非常广泛的。根据标准起草的需要，我们特别邀请了各类别生物特征识别的专家共同组成起草小组，以适应标准制定的学术性等方面的需要。

图1

对于术语所定义的庞大内容，我们发现各模态生物特征中多有重复定义的内容。如表征生物特征识别性能的错误接受率、错误拒绝率、漏警率、误警率等。我们将各模态中相同定义的术语归类于通用术语中，然后再建立独立模态的专用术语。梳理的结果表明，有多达59条的术语归类于通用术语中。显然，通用与专用的划分，全文结构简洁，内容明确，取得了明显的简洁效果。表1给出了本标准的基本架构。

随着生物特征识别技术的发展，表1中的类别内容可能会增减。在这种基本架构下，类别的增减也是十分容易的。

三、 《公共安全生物特征识别术语》国家标准的技术特点

《公共安全生物特征识别术语》标准是国际上第一部国家级的涵盖了生物特征识别通用术语和人脸、指纹、虹膜、声纹识别等单类别的生物特征识别专用术语以及多生物特征识别专用术语的标准，还包括了生物特征识别应用安全术语，具有准确性、适用性、全面性、创新性等显著的技术特点。

1、 准确性

对于任何一部标准，对准确性的严格要求都是勿容置疑的。这种准确性既包括词条的词义准确，还需要字字句句准确。生物特征识别术语标准，其技术性强，所涉及内容范围广大，标准的起草难度不言而喻。

实例1：人脸数据的有关定义

3.2.26 人脸数据 face data

包含人脸信息的数据，分为原生人脸数据和派生人脸数据。

3.2.27

原生人脸数据 original face data

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。

注：包含但不限于动态人脸图像、静态人脸图像和合成人脸图像。

3.2.28

派生人脸数据 derived face data

对原生人脸数据处理形成的、与原生人脸数据不同的人脸数据。

注：包含但不限于人脸关键点、人脸几何归一化图像和人脸特征数据。

3.2.29

人脸关联数据face associated data

与人脸数据所对应的个体信息。

注：包含但不限于身份数据、活动轨迹数据和档案数据。

词条3.2.26人脸数据的定义，仅包含原生人脸数据和派生人脸数据。至于人脸所对应的个体信息，则定义为人脸关联数据。

有一种提法是人脸数据既包括原生人脸数据、派生人脸数据，还包括关联人脸数据。那就是说，将人脸所对应的个体信息如身份证信息（姓名、住址、出生时间等）都定义为人脸数据。显然，这种定义是不准确的。

在人脸识别应用安全中，人脸数据是敏感数据，是需要保护的。人脸数据和人脸关联数据绑定的综合数据，其安全等级极高，安全保护的等级也会更高。在早期记录闯红灯人员的人脸识别中，有的识别设备在屏幕上不仅公布了闯红灯人的人脸图像，还公布了闯红灯人的身份信息。这种做法是错误的。当然，这种情况已经整改。

2、适用性

中华人民共和国公共安全行业标准《安防生物特征识别应用术语》（GA/T 893-2010）自发布实施以来，被广泛引用，足以说明生物特征识别术语的适用性。本标准在《安防生物特征识别应用术语》的基础上，结合学术界、产业界、一线公安机关等公共安全相关部门意见，调研生物特征识别技术的新进展和应用的新拓展后综合提出。通过理论与实践结合验证，标准中所提内容符合科学研究与实际应用需求，具有更加广泛的适用性。

实例1：查重

3.1.10

查重 duplicate check

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。

实例1：查异

3.1.11

查异 non-identity check

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性验证的过程。

查重、查异是公安部门卓有成效的工作。

例如，某公安局应用人脸识别技术，在户籍库中进行查重，共查出12314对重复户口，并查出8名网上逃犯。更多的公安厅局进行查重工作，取得了更优异的成绩。

在二代证制证工作中，要进行查异的工作。即采用人脸识别技术，判定办证申请人是否是与声称身份的同一个人。在应用中，查出一些假冒别人身份来申办二代证的人。

当然，查重、查异不仅仅应用于户籍管理、二代证制证，还可用于海关等部门的相关业务中。值得一提的是，查重、查异术语，不仅具有适用性，还具有创新性。

3、全面性

本标准根据公共安全生物特征识别领域学术研究与实践应用要求，以公共安全领域常用生物特征识别为出发点，并考虑了前瞻性的前沿技术，从概念、公式、图表等方面对生物特征通用术语、人脸识别、指纹识别、掌纹识别、指静脉识别、掌静脉识别、虹膜识别、声纹识别、笔迹识别、步态识别等专用术语进行规范，全面的界定了生物特征识别中的常用术语及其定义。

这种全面性不仅体现于生物特征识别类别的广泛性、体现于单生物特征识别术语的广泛性，还体现于多模态生物特征识别、多实例生物特征识别、多算法生物特征识别的多样性。

在生物特征识别的应用安全方面的术语方面，既包括活体检测、呈现攻击检测、人体安全等应用的安全，还包括生物数据的安全。

在技术性层面上也体现出了本标准的全面性，如：

实例1：眼睛中心

3.2.11

眼睛中心 eye center

眼睛的瞳孔中心点或同眼内外两眼角连线的中点。

在人脸识别算法中，需要定位眼睛中心的具体位置。一种算法是定位眼睛的瞳孔中心点，而另一种算法是定位同眼内外两眼角连线的中点。

4、创新性

本标准在兼顾当前生物特征识别技术的同时，考虑生物特征识别行业发展的技术趋势和实际需求趋势，前瞻性的对生物特征数据采集、生物特征数据安全等内容进行了规范，分别定义了二维1:1图像、人脸分辨率、虹膜分辨率；原生生物数据、派生生物数据、生物关联数据、原生人脸数据、派生人脸数据、人脸关联数据、查重、查异等创新性术语。对生物特征识别技术发展具有指引作用。

实例1：二维1:1图像的有关定义

3.1.41

二维1:1图像 2D 1:1 image

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。

3.1.49

图像畸变 image distortion

由于光学成像和图像采样等过程产生的在大小、比例、梯形、枕形、桶形、扭曲和旋转等方面的图像变形。

实例2：人脸分辨率的有关定义

3.2.12

两眼间距 eye distance

用图像像素数量表示的人脸两眼眼睛中心之间的距离。

3.2.13

人脸分辨率 face resolution

单位尺寸人脸图像像素数，通常用两眼间距来表示。

在公共安全领域中的一些行业标准中，要求人脸的两眼间距为30像素，相对应的人脸图像尺寸约为120x90。随着人脸识别技术的发展，可以准确识别一些更小的人脸图像。可以说，人脸分辨率是人脸识别性能的一个指标，表征了人脸识别所达到的对微小人脸图像的识别能力。该词条的定义，无疑将进一步推动人脸识别技术的发展。

四、 结束语

本标准发布以后，下一步还需要做好贯标工作。

在《公共安全生物特征识别术语》国家标准的立项申报过程中，面对国际上的相关标准，我们满怀信心表明“中国有能力形成自己的生物特征识别术语标准”。本标准的发布与实施，融入了国家发展的大局。作为标准起草人，有幸承担本标准的起草工作，我们心存感激。从标准立项、标准起草、到标准审批的全过程，我们感谢国家标准委、公安部科信局、SC2秘书处的领导和帮助。我们也感谢本标准评审专家的支持与帮助，这些专家包括公安部一所严明、浙江中正智能科技有限公司刘中秋、汉王科技有限公司刘昌平、广州像素数据技术开发有限公司姚若光、四川川大智胜软件股份有限公司曾文斌、北京海鑫智圣技术有限公司杨春宇、北京金博星指纹识别科技有限公司邓国强、北京天诚盛业科技有限公司杨春林等专家。在筹备标准起草组的时候，许多专家希望加入起草组，鉴于起草组成员的人数限制而未能如愿，我们在此也再一次表示歉意。

参考文献

（1）GB/T 26238-2010 《信息技术 生物特征识别术语》国家标准

（2）ISO/IEC 2382-37 Information technology - Vocabulary - Part 37:

Biometrics

（3）图像处理系统，苏光大，清华大学出版社，2022年5月