生物特征质量：综述及基于 FaceQnet 的人脸识别应用

“计算机系统的输出精度只能与其输入信息相当。”这一颇为平凡的陈述是生物特征识别中一个核心概念的基石：生物特征质量。如今质量被广泛视为导致自动生物特征系统性能优劣的头号因素。它指生物特征样本被用于识别目的并产生一致、准确、可靠结果的能力。这一主观术语由所谓的生物特征质量度量客观估计。这些算法如今在系统正确运行中起着关键作用，为用户提供反馈并作为宝贵的审计工具。尽管其相关性获得一致认可，一些最常用和部署最广的生物特征特性在这些方法的发展上却落后了。人脸识别便是如此。在温和引入生物特征质量这一总体主题并回顾人脸质量度量的过往努力之后，本工作通过开发 FaceQnet 来满足对更优人脸质量度量的需求。FaceQnet 是一种新颖的开源人脸质量评估工具，受深度学习技术启发并由其驱动，为面部图像赋予标量质量度量，作为对其识别精度的预测。FaceQnet 的两个版本已在本工作及 NIST 的独立评估中得到充分评价，显示出该方法的合理性及其相对于当前 SOTA 度量的竞争力。尽管我们的工作在此特别呈现于人脸生物特征框架内，所提出的构建全自动质量度量的方法可非常有用并易于适配到其他人工智能任务。