ПНСТ 656-2022 Информационные технологии. Биометрия. Расширяемые форматы обмена биометрическими данными. Часть 17. Данные последовательности изображений походки

ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ТЕХНИЧЕСКОМУ РЕГУЛИРОВАНИЮ И МЕТРОЛОГИИ

Информационные технологии

БИОМЕТРИЯ

Расширяемые форматы обмена биометрическими данными

Часть 17

Данные последовательности изображений походки

(ISO/IEC 39794-17:2021 Information technology — Extensible biometric data interchange formats — Part 17: Gait image sequence data, MOD)

Издание официальное

Москва Российский институт стандартизации 2022

Предисловие

• 1 ПОДГОТОВЛЕН Федеральным государственным бюджетным образовательным учреждением высшего образования «Московский государственный технический университет имени Н.Э. Баумана (национальный исследовательский университет)» (МГТУ им. Н.Э. Баумана), Некоммерческим партнерством «Русское общество содействия развитию биометрических технологий, систем и коммуникаций» (Некоммерческое партнерство «Русское биометрическое общество») и Федеральным государственным бюджетным учреждением «Российский институт стандартизации» (ФГБУ «Институт стандартизации») на основе собственного перевода на русский язык англоязычной версии стандарта, указанного в пункте 4

• 2 ВНЕСЕН Техническим комитетом по стандартизации ТК 098 «Биометрия и биомониторинг»

• 3 УТВЕРЖДЕН И ВВЕДЕН В ДЕЙСТВИЕ Приказом Федерального агентства по техническому регулированию и метрологии от 14 ноября 2022 г. № 107-пнст

• 4 Настоящий стандарт является модифицированным по отношению к международному стандарту ИСО/МЭК 39794-17:2021 «Информационные технологии. Расширяемые форматы обмена биометрическими данными. Часть 17. Данные походки» (ISO/IEC 39794-17:2021 «Information technology — Extensible biometric data interchange formats — Part 17: Gait image sequence data», MOD) путем изменения отдельных фраз (слов, значений показателей, ссылок), которые выделены в тексте курсивом, исключения отдельных положений, которые дублируются по тексту стандарта, а также путем изменения его структуры для приведения в соответствие с правилами, установленными в ГОСТ 1.5 (подразделы 4.2 и 4.3). Внесение указанных технических отклонений направлено на учет потребностей национальной экономики Российской Федерации.

Наименование настоящего стандарта изменено относительно наименования указанного международного стандарта для приведения в соответствие с ГОСТ Р 1.5—2012 (пункт 3.5).

Сведения о соответствии ссылочных национальных и межгосударственных стандартов международным стандартам, использованным в качестве ссылочных в примененном международном стандарте, приведены в дополнительном приложении ДА.

Сравнение структуры настоящего стандарта со структурой указанного международного стандарта приведено в дополнительном приложении ДБ.

Дополнительные сноски в тексте стандарта, выделенные курсивом, приведены для пояснения текста оригинала

• 5 Некоторые элементы настоящего стандарта могут быть объектами патентных прав. Федеральное агентство по техническому регулированию и метрологии не несет ответственности за установление подлинности каких-либо или всех таких патентных прав

Правила применения настоящего стандарта и проведения его мониторинга установлены в ГОСТР 1.16—2011 (разделы 5 и 6).

Федеральное агентство по техническому регулированию и метрологии собирает сведения о практическом применении настоящего стандарта. Данные сведения, а также замечания и предложения по содержанию стандарта можно направить не позднее чем за 4 мес до истечения срока его действия разработчику настоящего стандарта по адресу: 105005 Москва, 2-я Бауманская ул., д. 5, стр. 1 и/или в Федеральное агентство по техническому регулированию и метрологии по адресу: 123112 Москва, Пресненская набережная, д. 10, стр. 2.

В случае отмены настоящего стандарта соответствующая информация будет опубликована в ежемесячном информационном указателе «Национальные стандарты» и также будет размещена на официальном сайте Федерального агентства по техническому регулированию и метрологии в сети Интернет (www.rst.gov.ru)

© ISO, 2021

©IEC,2021

© Оформление. ФГБУ «Институт стандартизации», 2022

Настоящий стандарт не может быть полностью или частично воспроизведен, тиражирован и распространен в качестве официального издания без разрешения Федерального агентства по техническому регулированию и метрологии

Содержание

• 1 Область применения

• 2 Нормативные ссылки

• 3 Термины и определения

• 4 Сокращения

• 5 Соответствие

• 6 Информация о биометрической модальности

• 7 Прикладные профили

• 8 Кодирование

• 9 Зарегистрированные идентификаторы формата блока биометрических данных

Приложение А (справочное) Условия получения изображений

Приложение В (справочное) Измерения при получении последовательности изображений

Приложение С (справочное) Примеры кодирования

Приложение ДА (справочное) Сведения о соответствии ссылочных национальных и межгосударственных стандартов международным стандартам, использованным в качестве ссылочных в примененном международном стандарте

Приложение ДБ (справочное) Сопоставление структуры настоящего стандарта со структурой примененного в нем международного стандарта

Библиография

Введение

Для обеспечения единообразия функционирования биометрических систем и процессов, связанных с ними, разрабатывают соответствующие стандарты, руководства и рекомендации. Походка субъекта является биометрической модальностью, используемой в качестве дополнительных данных для биометрического распознавания по изображению тела или в судебно-медицинских целях. При этом действующих в настоящее время руководств по применению технологии распознавания субъекта по походке недостаточно, точно так же, как и руководств по использованию высококачественных цифровых камер и устройств видеонаблюдения, документов, касающихся вопросов семантики, синтаксиса и формата структуры обмена данными последовательности изображений субъекта по походке для сбора и применения этих данных в сценариях биометрического распознавания. Кроме того, необходим расширяемый формат обмена биометрическими данными для данных последовательности изображений походки в целях обеспечения интероперабельности между биометрическими системами.

Настоящий стандарт не устанавливает требования к наличию тела субъекта в данных последовательности изображений походки. Например, для распознавания субъекта могут быть извлечены только данные о движении его головы. В настоящем стандарте распознавание субъекта по походке включает в себя распознавание на основе отдельных частей его тела, например головы или рук.

В настоящем стандарте кроме формата обмена данными установлены условия получения изображения (освещение, положение субъекта, выражение его лица и т. д.), параметры фотографирования (позиционирование, фокус камеры и т. д.) и параметры цифрового изображения (разрешение изображения, размер изображения и т. д.) для использования приложений на различных устройствах, в том числе на устройствах с ограниченным хранилищем данных, и для повышения точности биометрического распознавания.

При применении настоящего стандарта рекомендуется ознакомиться с информацией:

• - о формате обмена данными изображения тела субъекта (см. ПНСТ 655—2022)',

• - формате выходного файла, извлекаемого из систем сбора данных видеонаблюдения для выполнения его необходимой обработки (см. [7]);

• - использовании биометрии в системах видеонаблюдения (см. ГОСТР 70268.2);

• - применении систем видеонаблюдения для распознавания субъекта по изображению тела (сравнение «один к одному» и «один ко многим»);

• - поддержке биометрической визуальной верификации путем сравнения людей с использованием видеоизображений и статических изображений их походки;

• - поддержке визуальной экспертизы видеоизображений и статических изображений походки субъекта с разрешением, достаточным для проведения его биометрической верификации и идентификации.

Структура формата данных соответствует структуре, представленной в ГОСТ Р 58668.3 и ПНСТ 655—2022.

Настоящий стандарт устанавливает прикладные профили, в том числе условия получения, параметры фотографирования и параметры цифрового изображения, такие как частота пространственной и временной дискретизации изображения, размер изображения и т. д. Требования к созданию записи и обмену данными установлены в ПНСТ 655—2022. Блоки данных изображения тела субъекта, используемые при кодировании данных последовательности изображений походки, относят к типу BodylmageDataBlockType в соответствии с ПНСТ 655—2022.

ПНСТ 656—2022 (ИСО/МЭК 39794-17:2021)

ПРЕДВАРИТЕЛЬНЫЙ НАЦИОНАЛЬНЫЙ СТАНДАРТ РОССИЙСКОЙ ФЕДЕРАЦИИ

Информационные технологии БИОМЕТРИЯ

Расширяемые форматы обмена биометрическими данными Часть 17 Данные последовательности изображений походки

Information technology. Biometrics. Extensible biometric data interchange formats. Part 17. Gait image sequence data

Срок действия — с 2023—07—01 до 2026—07—01

• 1 Область применения

Настоящий стандарт устанавливает требования и рекомендации для данных последовательности изображений походки субъекта сбора биометрических данных (далее — субъект).

Данные последовательности изображений походки субъекта применяют:

• а) для поддержки визуальной экспертизы видеоизображений и статических изображений высокого разрешения;

• Ь) поддержки визуальной верификации и идентификации на основе видеоизображений и статических изображений;

• с) автоматической верификации и идентификации последовательности изображений походки.

В соответствии с настоящим стандартом последовательности изображений походки субъекта могут быть использованы для идентификации и верификации личности субъекта, проводимых с использованием систем видеонаблюдения или других систем.

Настоящий стандарт не устанавливает требования:

• - к определению биометрических профилей, связанных с изображением лица и/или тела субъекта, которые установлены в ГОСТ Р 58668.3 и ПНСТ 655—2022 соответственно;

• - аспектам безопасности, таким как электронная подпись последовательности цифровых изображений, обнаружение атак на биометрическое предъявление и предотвращение морфинга;

• - обеспечению защиты подлинности, целостности и конфиденциальности хранимых и передаваемых биометрических персональных данных.

• 2 Нормативные ссылки

В настоящем стандарте использованы нормативные ссылки на следующие стандарты:

ГОСТ ISO/IEC 2382-37 Информационные технологии. Словарь. Часть 37. Биометрия

ГОСТ Р 58668.1 (ИСО/МЭК 39794-1:2019) Информационные технологии. Биометрия. Расширяемые форматы обмена биометрическими данными. Часть 1. Структура

ГОСТ Р 58668.3—2021 (ИСО/МЭК 39794-5:2019) Информационные технологии. Биометрия. Расширяемые форматы обмена биометрическими данными. Часть 3. Данные изображения лица

Издание официальное

ГОСТ Р ИСО/МЭК 8824-1 Информационная технология. Абстрактная синтаксическая нотация версии один (АСН.1). Часть 1. Спецификация основной нотации

ГОСТ Р ИСО/МЭК 8825-1 Информационная технология. Правила кодирования АСН.1. Часть 1. Спецификация базовых (BER), канонических (CER) и отличительных (DER) правил кодирования

ГОСТ Р ИСО/МЭК 8825-5 Информационная технология. Правила кодирования АСН.1. Часть 5. Отображение определений W3C схемы XML в АСН. 1

ПНСТ 655—2022 (ИСО/МЭК 39794-16:2021) Информационные технологии. Биометрия. Расширяемые форматы обмена биометрическими данными. Часть 16. Данные изображения тела человека

Примечание — При пользовании настоящим стандартом целесообразно проверить действие ссылочных стандартов в информационной системе общего пользования — на официальном сайте Федерального агентства по техническому регулированию и метрологии в сети Интернет или по ежегодному информационному указателю «Национальные стандарты», который опубликован по состоянию на 1 января текущего года, и по выпускам ежемесячного информационного указателя «Национальные стандарты» за текущий год. Если заменен ссылочный стандарт, на который дана недатированная ссылка, то рекомендуется использовать действующую версию этого стандарта с учетом всех внесенных в данную версию изменений. Если заменен ссылочный стандарт, на который дана датированная ссылка, то рекомендуется использовать версию этого стандарта с указанным выше годом утверждения (принятия). Если после утверждения настоящего стандарта в ссылочный стандарт, на который дана датированная ссылка, внесено изменение, затрагивающее положение, на которое дана ссылка, то это положение рекомендуется применять без учета данного изменения. Если ссылочный стандарт отменен без замены, то положение, в котором дана ссылка на него, рекомендуется применять в части, не затрагивающей эту ссылку.

• 3 Термины и определения

В настоящем стандарте применены термины по ГОСТ ISO/IEC 2382-37, а также следующие термины с соответствующими определениями.

ИСО и МЭК ведут терминологические базы данных для использования в стандартизации по следующим адресам:

• - Электропедия МЭК, доступная по адресу: http//www.electropedia.org/;

• - платформа онлайн-просмотра ИСО, доступная по адресу: http://www.iso.org/obp

• 3.1 30-модель (3D model): Трехмерное представление тела субъекта сбора биометрических данных, которое кодирует поверхность или объем в трехмерном пространстве.

Примечание — 30-модель может представлять собой тщательно обработанное трехмерное изображение биометрической формы тела субъекта.

• 3.2

биометрический профиль (biometric profile): Соответствующие наборы или комбинации базовых стандартов, используемые для выполнения определенных биометрических функций.

Примечание — Биометрические профили определяют специфические значения или условия из ряда допустимых вариантов, описанных в соответствующих базовых стандартах, с целью поддержки взаимообмена данными между приложениями и взаимодействия систем.

[ГОСТ ISO/IEC 24713-1—2013, пункт 3.9]

• 3.3 распознавание субъекта по изображению тела (full body recognition): Автоматическое распознавание субъекта на основе морфологии его тела.

Примечание — Распознавание субъекта по изображению тела может происходить по голове, туловищу и конечности или любой их части.

• 3.4 распознавание субъекта по походке (gate recognition): Автоматическое распознавание субъекта по манере его ходьбы.

• 3.5 идентификация человека (human identification): Процесс поиска в списке изображений субъекта биометрических данных для сопоставления с входным(и) изображением(ями).

Примечание — Синонимом данного термина является «поиск «один ко многим» (1 :N).

• 3.6 виньентирование (vignetting): Явление частичного ограничения (затемнения) наклонных пучков света оправой или диафрагмами оптической системы.

• 4 Сокращения

В настоящем стандарте применены следующие сокращения:

• ББД — блок биометрических данных;

ЗСР — заявление о соответствии реализации;

ФПМ — функция преобразования модуляции;

АСН.1 — абстрактная синтаксическая нотация версии 1;

AVC — усовершенствованное кодирование видео;

BER — базовые правила кодирования;

CNN — сверточная нейронная сеть;

DCI — стандарт, регламентирующий основные параметры контента цифрового кинематографа;

DER — отличительные правила кодирования;

DV — семейство цифровых форматов наклонно-строчной магнитной видеозаписи;

EXIF — стандарт, который определяет форматы для изображений, звука и вспомогательных тегов, используемых цифровыми камерами (включая смартфоны), сканерами и другими системами, обрабатывающими файлы изображений и звука;

Gait2D — профиль последовательности двухмерных изображений походки субъекта;

HD — высокое разрешение;

HDR — расширенный динамический диапазон;

JFIF — формат обмена файлами JPEG, определенный в (см. [3]);

JP2 — формат обмена файлами JPEG 2000;

JPEG — стандарт сжатия цифрового изображения в соответствии с [4];

JPEG 2000 — стандарт сжатия цифрового изображения в соответствии с [5];

MP4 — формат цифрового мультимедийного файла, используемый для хранения видео и аудио (см. [б]);

MPEG-4 — группа стандартов цифрового кодирования видео- и звуковых сигналов (см. [7]);

NTSC — Национальный комитет по телевизионным системам — аналогового цветного телевидения;

UHD — сверхвысокое разрешение;

UTC — Всемирное координированное время;

PER — правила уплотненного кодирования;

PNG — стандарт сжатия изображения без потерь, спецификация которого приведена в [8];

XER — правила кодирования XML;

XML — расширяемый язык разметки;

XSD — определение схемы XML.

• 5 Соответствие

ББД соответствует настоящему стандарту, если он удовлетворяет всем требованиям:

• - структуры данных, значений данных и взаимосвязей между элементами данных, определенных в ПНСТ 655—2022;

• - отношения значений данных к входным биометрическим данным, на основе которых произведена запись биометрических данных, в соответствии с ПНСТ 655—2022;

• - спецификаций соответствия прикладного профиля, приведенных в разделе 8.

Система, создающая записи биометрических данных, соответствует настоящему стандарту, если все производимые ею записи биометрических данных удовлетворяют требованиям настоящего стандарта согласно 3CR При этом записи биометрических данных, производимые системой, могут удовлетворять не всем требованиям настоящего стандарта, а только тем, которые поддерживаются системой согласно 3CR

Система, использующая записи биометрических данных, соответствует настоящему стандарту, если согласно ЗСР она способна считать и применить по назначению все записи биометрических данных, удовлетворяющие настоящему стандарту. При этом записи биометрических данных, используемые системой, могут удовлетворять не всем требованиям настоящего стандарта, а только тем, которые поддерживаются системой согласно ЗСР.

ББД удовлетворяет требованиям настоящего стандарта, если подтверждено соответствие ББД формату записи по ПНСТ 655—2022.

• 6 Информация о биометрической модальности

  • 6.1 Общие положения

В настоящем разделе представлена информация о биометрической модальности — походке. Биометрические модальности включают три класса: физиологические, поведенческие и комбинацию физиологических и поведенческих модальностей. Походка субъекта и движения верхней части его тела являются поведенческими биометрическими модальностями.

В настоящем разделе установлены требования и рекомендации для сбора последовательности изображений походки субъекта и движений верхней части его тела при регистрации биометрических контрольных шаблонов. Условия сбора изображений представлены в приложении А.

• 6.2 Критерии

Основными этапами распознавания субъекта по походке и движениям верхней части его тела являются извлечение достоверных биометрических признаков из изображений и их распознавание. Базовое видеоизображение с движениями тела субъекта или последовательность его статических изображений формирует основу для дальнейшего анализа. В настоящем стандарте походку субъекта и движения верхней части его тела рассматривают как скоординированную циклическую комбинацию движений, которая приводит к перемещению субъекта.

Положения настоящего стандарта определены в виде требований или рекомендаций (см. таблицу 1). Требования предназначены для установления минимальных допустимых значений или диапазонов значений в целях подтверждения соответствия настоящему стандарту. Рекомендации предназначены для установления более высоких значений эксплуатационных характеристик ББД.

Таблица 1 — Формулировки положений настоящего стандарта

• 6.3 Модели данных для распознавания субъекта по походке

  • 6.3.1 Общие положения

Применяют три класса методов распознавания субъекта по походке в зависимости от используемых датчиков: на основе визуализации движения; на основе носимых датчиков и пространственных (напольных) датчиков. В методы на основе визуализации движения включают методы распознавания субъекта по внешнему виду и на основе моделей. В методы распознавания субъекта по внешнему виду включают методы пространства состояний и пространственно-временные методы (см. [9]). В настоящем стандарте установлены методы распознавания субъекта по походке на основе визуализации его движений с использованием доступного диапазона электромагнитного излучения. Методы, которые входят в область применения настоящего стандарта, на рисунке 1 приведены в прямоугольниках с непрерывным контуром.

• 6.3.2 Методы на основе моделей

В методах на основе моделей создают модель походки субъекта и извлеченные признаки последовательности его походки приводят в соответствие с этой моделью. Данные методы нечувствительны к внешнему виду и одежде субъекта, но требуют значительных вычислительных затрат. Применение машинного обучения может усовершенствовать как создание моделей, так и выбор моделей с наименьшими ошибками.

Извлечение признаков в методе на основе моделей используют для определения положения суставов субъекта.

Система анализа движений субъекта на основе визуализации движения включает три основных этапа: обнаружение, отслеживание и восприятие. На этапе восприятия создается высокоуровневое описание субъекта на основе признаков, извлеченных из видеопотока на предыдущих этапах. В методах на основе маркеров используют маркеры или датчики, прикрепленные к ключевым точкам тела субъекта. 4

Рисунок 1 — Классификация методов распознавания субъекта по походке

Для регистрации и идентификации последовательности изображений походки субъекта с использованием визуального наблюдения требуется определение траекторий суставов субъекта с развертыванием автоматизированной системы без маркеров. Автоматическое извлечение положений суставов субъекта является сложной задачей, т. к. движения субъекта имеют широкий диапазон из-за структуры его тела и перекрытия суставов. Усложняют задачу локализации суставов субъекта тип одежды, ошибки сегментации и разные точки обзора. В методе на основе моделей модель формы для сопоставления с реальными изображениями устанавливают по умолчанию и после получения наилучшего соответствия извлекают соответствующие биометрические признаки (см. [70]).

• 6.3.3 Методы распознавания субъекта по внешнему виду

В методах распознавания субъекта по внешнему виду используют непосредственно последовательность изображений его походки, а не модель тела субъекта для восстановления шагов при ходьбе. Преимущество данных методов заключается в низких вычислительных затратах по сравнению с методами на основе моделей, но недостатком является чувствительность к изменениям в одежде и во внешнем виде субъекта. Применение усредненного силуэта субъекта сбора биометрических данных во время цикла походки или использование информации из субмиллиметрового изображения повышает точность изображения силуэта.

Методы пространства состояний не входят в область применения настоящего стандарта ввиду текущего статуса несоответствия в отношении использования результатов пространства состояний. Для охвата пространства состояний могут быть применены различные линейные комбинации переменных состояния системы, при этом в различных методах реконструкции предоставлены разные решения (см. [77]), что затрудняет их сравнение. Для стандартизации методов пространства состояний необходим единый подход к реконструкции пространства состояний для отслеживания динамики походки субъекта.

• 6.4 Поток данных биометрической системы распознавания субъекта по походке

На рисунке 2 показаны компоненты и поток данных между компонентами в биометрической системе распознавания субъекта по походке.

В методах сравнения могут быть использованы традиционные наборы контрольных шаблонов на основе признаков или векторов признаков CNN (алгоритма глубокого обучения) [см. А.2 (приложение А)]. После формирования векторов признаков проводят сравнение на основе классификатора машинного обучения, например байесовского классификатора или евклидова классификатора.

Идентификация

Рисунок 2 — Компоненты биометрической системы распознавания субъекта по походке

• 6.5 Концепция дерева тела для визуализации походки субъекта

В системах визуализации походки субъекта используют двухмерные записи или трехмерные модели для визуальной экспертизы, автоматической верификации и идентификации походки. Применение древовидной структуры тела субъекта является более организованным способом по сравнению с представлением тела субъекта в виде изолированных объектов.

Например, при мультимодальной биометрической верификации или идентификации личности могут быть использованы биометрические признаки лица, тела, походки и движений головы субъекта. Результаты должны быть объединены на различных уровнях объединения, таких как уровень сравнительной оценки, уровень признаков и уровень принятия решения. Влияние изменения одежды может быть устранено посредством изображений субмиллиметрового диапазона.

На рисунке 3 показаны возможности извлечения биометрических признаков из изображений и видеоизображений тела субъекта для различных процессов, связанных с походкой.

Р — поворот вокруг оси х; У — отклонение вокруг вертикальной оси у; R — наклон вокруг оси z; 1 — положение тела субъекта;

2 — внешний вид субъекта; 3 — походка субъекта; 4 — древовидная структура тела субъекта

Рисунок 3 — Биометрические признаки на основе изображений и видеоизображений тела субъекта для различных процессов, связанных с походкой

Стандартные положения, структуры элементов и форматы данных позволяют преобразовывать данные дерева тела субъекта в изображении частей тела и контрольные точки. Преобразование может быть выполнено с применением методов представления тела субъекта как сборки частей. Сегментация может быть использована как этап предварительной обработки данных.

Для распознавания могут быть независимо использованы как статические данные тела субъекта, так и динамические показатели его ходьбы. Сочетание статических и динамических биометрических данных тела субъекта для его распознавания по походке может дать более эффективные результаты, если корректно подобрана стратегия сочетания и использовано правило суммирования оценок (например, см. [12]).

• 6.6 Требования к последовательности изображений, записанных камерой

Рекомендуется сохранять исходную последовательность изображений с камеры без дополнительного кадрирования, поворота или другой постобработки изображения. Высота тела субъекта должна составлять от 60 % до 95 % вертикального размера изображения во время регистрации. Изображение должно включать тело субъекта по ширине и по высоте полностью. Для видеоизображения допускается как портретная, так и альбомная ориентация камеры.

Набор изображений должен включать как минимум одну запись субъекта в стандартных положениях при ходьбе: полный профиль спереди, полный профиль слева, полный профиль справа, полный профиль сзади. Дополнительно допускается включать запись на субмиллиметровом диапазоне длин волн.

Распознавание походки, движений верхней части тела и тела субъекта могут быть объединены в мультимодальном биометрическом процессе для улучшения эксплуатационных характеристик биометрической системы. Данные тела субъекта могут быть использованы для биометрической идентификации или верификации, если область лица на изображении не видна или разрешение изображения с камеры недостаточное.

Для выполнения требований к системе камер необходимо провести измерения. Измерения при получении последовательности изображений определены в приложении В.

• 6.7 Запись изображений для распознавания субъекта по походке

  • 6.7.1 Общие положения

Силуэтом для распознавания субъекта по походке является изображение субъекта, представленное в виде сплошной фигуры одного цвета, как правило, черного. Границы силуэта соответствуют контуру субъекта. Для повышения эффективности распознавания субъекта по походке и фотометрического распознавания его силуэта рекомендуется использовать видеоизображения субъекта в процессе ходьбы.

• 6.7.2 Кодирование последовательности изображений походки субъекта и движений верхней части его тела

Должны быть использованы следующие кодировки:

• а) последовательность изображений в последовательном базовом формате JPEG (см. [4]) с потерями или без потерь, закодированном в формате файла JFIF (формат файла JPEG) (см. [3);

• Ь) последовательность изображений в формате JPEG 2000 (см. [5]) с потерями или без потерь, закодированном в формате файла JP2;

• с) последовательность изображений в формате PNG (см. [8]);

• d) видеоизображение в формате MPEG-4 в AVC/H.264 (см. [73]);

• е) видеоизображение в формате MP4 (см. [6]).

Контрольные точки тела субъекта должны быть определены на изображениях до сжатия. При точном определении положения контрольные точки должны быть включены в запись, что дает возможность не проводить определение повторно при обработке изображения для задач распознавания тела субъекта. Рекомендуется проводить определение положения контрольных точек с использованием автоматизированных механизмов обнаружения и последующей визуальной проверкой, если это необходимо по требованиям законодательства. Единые рекомендации по определению положения контрольных точек тела для распознавания субъекта по походке отсутствуют.

• 6.7.3 Разрешение изображений походки субъекта и верхней части его тела

Как правило, наиболее используемой частотой кадров цифрового видеоизображения являются 25 кадров в секунду, соотношение сторон пикселя составляет 1:1. В некоторых стандартах пиксель видеоизображения определяют с другими соотношениями сторон. Например, соотношение сторон пикселя 0,90 применяют в NTSC с размером кадра 720 х 480 пикселей (DV) или 720 х 486 пикселей (D1) при отображении 720 х 540 пикселей в формате 4:3. Большинство цифровых фотоаппаратов могут записывать видеоизображения. Субмиллиметровые камеры и сканеры имеют ограниченные размеры изображения из-за ограничений разрешения по длине волны терагерцового диапазона. Кадры субмиллиметрового видеоизображения, как правило, имеют размер DV.

Метаданные JPEG EXIF определяют ориентацию камеры. Используя MPEG-4 AVC/H.264 (см. [73]) для кодирования видеоизображений, можно извлекать кадры для проведения биометрического сравнения. MPEG-4 (см. [б], [14], [7]) или MP4 — это один из наиболее распространенных цифровых мультимедийных форматов для хранения видео- и аудиоинформации (т. е. соответствующий формат файла).

В таблице 2 приведены сведения о наиболее распространенных форматах цифрового видеоизображения, включая информацию о разрешении, соотношении сторон и числе пикселей.

Таблица 2 — Наиболее распространенные форматы цифрового видеоизображения

На рисунке 4 показано сравнение размеров кадров цифрового видеоизображения VGA, HD, 4К и 8К.

Рисунок 4 — Сравнение размеров кадров цифрового видеоизображения

• 6.8 Походка как биометрическая модальность

  • 6.8.1 Общие положения

Распознавание субъекта по походке и распознавание силуэта его тела могут быть объединены в многорежимный биометрический процесс для повышения производительности биометрической системы. Если не видно лица субъекта или число пикселей в статическом изображении камеры видеонаблюдения или другой камеры недостаточное, то для идентификации или проверки субъекта допускается выполнять распознавание субъекта по силуэту его тела.

Изображения уровня 50 и 4К с высоким разрешением рекомендуется использовать для распознавания субъекта по лицу. При автоматизированной обработке сначала необходимо выполнить синтаксический анализ дерева данных, включая обнаружение частей тела субъекта на изображении и формирование модели дерева его тела. Для получения изображения лица субъекта используют область его лица и верхней части туловища. Некоторые программы распознавания субъекта по лицу включают указанную функцию.

Например, при сравнении кадров двух видеоизображений, включая одно контрольное видеоизображение тела субъекта в различных положениях и одно видеоизображение, содержащее верхнюю часть его туловища и голову, рекомендуется проводить анализ движения головы по обоим видеоизображениям.

• 6.8.2 Силуэт при распознавании походки

Для того чтобы последовательность изображений походки субъекта детально фиксировала движения его тела, рекомендуется записывать последовательность изображений со скоростью 30 кадров в секунду. Указанную частоту кадров применяют в таких базах данных исследования походки субъекта, как база данных CMU МоВо (см. [75]) и база данных USE HumanlD (см. [76]).

Для фиксации всех деталей походки субъекта должен быть зафиксирован как минимум один полный цикл его походки, т. е. два полных шага. На рисунке 5 показаны фазы одного полного цикла походки субъекта, включая фазы опоры (см. 7, 3 и 5) и фазы переноса (см. 2 и 4).

ппппп

1 2 3 4 5

1 — фаза опоры; 2 — фаза переноса; 3 — фаза опоры; 4 — фаза переноса; 5 — фаза опоры

Рисунок 5 — Фазы полного цикла походки субъекта

Для биометрического распознавания субъекта по походке разработаны различные автоматизированные методы. В качестве входных данных в методах могут быть использованы данные изображения или только силуэты. В автоматизированных методах допускается применять как выровненные, так и невыровненные изображения. Рекомендуется фиксировать последовательность изображений походки субъекта с помощью стационарной камеры.

При фиксировании профиля субъекта (вид сбоку) получают наиболее информативную последовательность его походки (см. [77]). Субъект должен быть запечатлен, как минимум, в профиль. Необходимо проинструктировать целевого субъекта, чтобы он шел по прямой линии, перпендикулярной линии обзора камеры, как показано на рисунке 6. При использовании целевым субъектом беговой дорожки для ходьбы будет обеспечено получение неизменяемого вида субъекта в середине кадра. В дополнение к изображению субъекта в профиль рекомендуется регистрировать видеоизображение субъекта спереди и сзади.

Сочетание внешнего вида и пространственно-временного движения обеспечивает более эффективные результаты распознавания субъекта по походке, чем использование одной модальности в наиболее сложных сценариях, в которых наблюдаются различия как во внешнем виде субъекта, так и в динамике его движений (см. [72], [78]).

Анализ видеоизображения ходьбы субъекта имеет меньшие временные затраты, если сведено к минимуму влияние вариаций освещения и фона. Рекомендуется применять методы уменьшения влияния вариаций освещенности и динамического фона в видеоматериале [см. 79]. Следует учитывать, что вычитание фона является сложной задачей, особенно в динамических сценах, содержащих движущийся фон, растительность, рябь на воде и т. д. Рекомендуется проводить студийную съемку видеоизображений для того, чтобы не выполнять предварительную обработку записанных видеоизображений для устранения указанных проблем.

• 6.8.3 Системы наблюдения

Неотъемлемой частью систем видеонаблюдения является осуществление записи изображений несколькими камерами для захвата разных зон. Это может включать в себя «ряд» камер вдоль пути ожидаемого передвижения целевого субъекта для обеспечения множественных возможностей обнаружения (например, если целевой субъект идет по коридору к камерам). Рекомендуется использовать несколько камер не только для решения проблем с частотой кадров и пропущенными кадрами, но и для отслеживания целевого субъекта при срабатывании предупреждения, особенно при значительной задержке обнаружения.

Также следует применять несколько камер для одной зоны видеонаблюдения, охват которой слишком велик для одной камеры, чтобы обеспечить достаточное разрешение изображений лица субъекта для требуемых уровней производительности и компенсировать те ситуации, в которых целевые субъекты при прохождении определенного поля зрения камеры или глубины резкости смотрят в разные стороны. Причем такие целевые субъекты могут намеренно избегать камеры или просто не подозревать о наличии камер.

Анализ походки применяют для идентификации субъектов в сценариях наблюдения с использованием нескольких камер. Для расчета координат изображения субъекта в профиль для видеокадров с нескольких камер проводят восстановление, независимое от точки обзора. Видеозаписи с низкой частотой кадров (от 1 до 5 кадров в секунду), выполненные с помощью фотоаппаратов или систем видеонаблюдения, совместимы с нормализованными последовательностями силуэтов походки субъекта.

Типичное время записи для регистрации изображений составляет 6 с. Улучшение скорости идентификации субъекта после 5 кадров в секунду приближается к таковому для видео с более высокой частотой кадров (см. [20]). Размеры видеоизображения с низкой частотой кадров и разрешением уровня 50 и видеоизображения 4К являются существенно меньшими по сравнению с размерами видеоизображения с полной частотой кадров при том же времени записи, поэтому низкая частота кадров более экономична для хранения базы данных.

Для записи последовательности изображений походки субъекта рекомендуется применять разрешение SD (640 х 480 пикселей) или выше. Последовательность изображений походки субъекта с низкой частотой кадров может быть построена путем понижающей дискретизации последовательности базы данных регистрации 30 кадров в секунду с заданным интервалом. Таким образом, видеоизображения с низкой частотой кадров с камеры видеонаблюдения могут быть использованы в качестве биометрической пробы без временной реконструкции.

• 6.9 Движения верхней части тела как биометрическая модальность

• 6.9.1 Общие положения

При биометрической идентификации субъекта по движениям верхней части его тела анализируют движения головы и объектов лица (мимика), как показано на рисунке 7. Типичными движениями объектов лица, как правило, являются моргание, движения глаз и направление взгляда. Движения головы являются статичными, если субъект не идет, или динамичными при ходьбе. Движение рук также может быть неупорядоченным и свободным или включать более контролируемые жесты.

Рисунок 7 — Движение верхней части тела субъекта: области анализа и контрольные точки

• 6.9.2 Движения объектов лица (FFM)

Лицо содержит множество уникальных объектов, таких как глаза, нос, губы и др. Сочетание размеров объектов лица и расстояний между ними является основой распознавания лиц субъектов. Уникальной является мимика лица субъекта, т. е. движение объектов лица относительно друг друга. Как правило, к движению объектов лица относят моргание, движение глаз, изменение направления взгляда и движения губ субъекта. В некоторых случаях, например если субъект разговаривает или улыбается, движением объектов лица могут являться движения шрамов и особенностей кожи субъекта, в частности морщин и других отметин на коже.

• 6.9.3 Распознавание движений головы

Распознавание субъекта по движениям головы подразделяют на две отдельные задачи:

• - распознавание субъекта по типичным микродвижениям его головы. Типичное микродвижение головы субъекта может быть обнаружено во всех положениях его тела, например когда субъект стоит, двигается или сидит. Каждый субъект отличается уникальными движениями шеи и головы, т. е. положениями, основанными на движении шеи по осям наклона, поворота и отклонения головы;

• - распознавание субъекта по движениям его головы и тела, возникающим в результате ходьбы. Каждый субъект отличается уникальными движениями головы, связанными с особенностями его походки. Движения головы и тела могут быть разделены на категории по изменению положения головы в направлении вверх-вниз и влево-вправо.

• 6.9.4 Статические движения головы (HMS)

Каждый субъект отличается уникальными микродвижениями шеи и головы или положением головы при отсутствии движения субъекта. Статические движения головы связаны с движениями шеи по осям поворота, с наклоном и качанием головы, а также с естественным рефлексом мышц. Для извлечения признаков распознавания субъекта по уникальным микродвижениям головы относительно статического тела используют глубокое обучение и оптический поток. Первым этапом является определение точного положения головы.

• 6.9.5 Динамические движения головы (HMD)

Каждый субъект отличается уникальными движениями головы, возникающими в результате его ходьбы. Для извлечения признаков распознавания субъекта по уникальным движениям головы при ходьбе применяют глубокое обучение и оптический поток [отображение (на визуальном графике или в виде математической модели) видимого движения объектов, поверхностей или краев сцены, получаемое в результате перемещения наблюдателя (глаз или камеры) относительно сцены]. Одной из задач при идентификации субъекта по динамическим движениям головы является отделение динамических движений головы от статических. Для идентификации субъекта могут быть использованы динамические движения головы. В качестве дополнительного идентифицирующего признака — статические движения.

Как правило, задачу разделения динамических и статических движений головы решают, т. к. динамические и статические движения головы имеют разные диапазоны частот и разные амплитуды.

• 6.9.6 Движения рук

Каждый субъект отличается уникальными движениями рук, особенно при ходьбе и в положении стоя. Для извлечения признаков распознавания субъекта по уникальным движениям рук используют глубокое обучение и оптический поток. Движение руки может быть определено как жестовое движение руки (GHM) для идентификации определенных жестов.

• 7 Прикладные профили

• 7.1 Цель

  • 7.1.1 Общие положения

В настоящем разделе установлены требования к профилям последовательности изображений походки субъекта и движений верхней части его тела. Элементы данных и условные обозначения данных установлены в ПНСТ 655—2022.

• 7.1.2 Представления походки

Каждый ББД должен относиться к одному субъекту сбора биометрических данных и содержать одну или несколько последовательностей двухмерных изображений тела субъекта и/или информации, относящейся к телу субъекта. Каждый ББД должен содержать нуль или более геометрических представлений (изображение глубины, карты точек, представления вершин, нейронной сети).

Запись данных может содержать данные с постобработкой, т. к. устройства видеозаписи имеют функции распознавания образов, классификации субъектов и другие функции обработки, встроенные в программное обеспечение камеры. Записи данных в формате MPEG-4 могут содержать параметры анимации лица и/или параметры анимации тела. При обработке данных, полученных с помощью камеры со встроенным программным обеспечением, с применением нейронной сети, конечным результатом после обработки может быть векторное представление признаков нейронной сети. В этом случае должен быть использован профиль представления походки субъекта в виде вектора признаков нейронной сети, а элементы данных должны соответствовать ПНСТ 655—2022.

При использовании CNN можно извлекать и агрегировать полезную информацию из изображений последовательности силуэтов походки субъекта вместо представления его походки путем усреднения изображений силуэтов (см. [16]. Применяемый профиль определяют доступным форматом биометрического образца.

• 7.1.3 Условия получения изображений

Настоящий стандарт не устанавливает требования к использованию определенного фона при создании последовательностей изображений походки субъекта. Рекомендуется учитывать фон при компьютерном распознавании субъекта по походке, т. к. первым этапом распознавания его по походке является сегментация тела от фона.

Распределение освещения на субъекте сбора биометрических данных должно быть равномерным при отсутствии заметной направленности освещения сточки обзора камеры.

• 7.2 Профиль последовательности двухмерных изображений походки субъекта

  • 7.2.1 Общие положения

Профиль Gait2D используют в тех случаях, когда камера создает последовательность изображений походки субъекта. Допускается обработка данных для определения необходимых точек анимации тела или для сжатия данных в формат контрольных точек лица или тела субъекта. Если требуются только параметры анимации лица или тела субъекта, то постобработанные статические или видеоизображения его походки содержат набор координат контрольных точек или аналогичную информацию для реконструкции движений лица или тела.

ББД в соответствии с настоящим стандартом должен следовать определениям формата записи ББД в соответствии с ПНСТ 655—2022.

• 7.2.2 Требования к профилю последовательности изображений походки

В настоящем пункте установлены требования к свойствам цифрового изображения или последовательности цифровых изображений походки субъекта. Требования и рекомендации относят к цифровым изображениям, если выходные данные камеры представлены в формате изображения.

Видеоизображение, обработанное нейронной сетью, и/или последовательность статических изображений представляют в виде реконструированного видеоизображения и/или последовательности статических изображений походки субъекта или в формате вектора признаков нейронной сети.

К профилю Gait2D применяют требования, установленные в разделе 6.

• 7.2.3 Постобработка

Как правило, исходную запись подвергают постобработке путем удаления фона и создания изображения тела субъекта на каждом видеокадре. Постобработку рекомендуется проводить встроенным программным обеспечением камеры обычными методами или нейронными сетями. Локальную обработку с использованием нейронных сетей допускается применять с помощью форматов вектора или тензора признаков. Выходные данные последовательности изображений походки субъекта для обмена информацией с использованием АСН.1 или XML должны соответствовать спецификациям формата по ПНСТ 655—2022.

Также в традиционных методах извлечение признаков походки субъекта осуществляют на основе последовательностей двухмерных изображений силуэтов субъекта. Допускается использовать CNN для обучения дескрипторов высокого уровня из функций движения низкого уровня, т. е. компонентов оптического потока. Установлено, что при применении пространственно-временных кубоидов оптического потока в качестве входных данных CNN можно получать качественные результаты при решении задач распознавания субъекта по походке по изображениям с разрешением в восемь раз менее, чем у кадров VGA, т. е. 80 х 60 пикселей (см. [77]). Двухпоточная архитектура для классификации видеоизображений показана на рисунке 8 (см. [78]).

Объединение баллов классов

Рисунок 8 — Двухпоточная архитектура для классификации видеоизображений (см. [78])

Идентификация субъекта по походке на основе глубоких CNN с использованием набора данных OU-ISIR приводит к вероятности распознавания субъектов более чем в 90 % случаев (см. [79]). OU-ISIR является одним из крупнейших наборов данных, доступных для распознавания субъектов по походке, и включает в себя записи 4007 субъектов сбора биометрических данных. Для указанной базы данных средняя вероятность распознавания субъекта при идентичных условиях обзора составляет более 98 %, а для сценариев перекрестного просмотра — более 91 %.

При использовании вектора биометрических признаков для распознавания субъекта по походке необходимо использовать одну и ту же архитектуру CNN для биометрических контрольных шаблонов и биометрических проб. Например, если при создании вектора биометрического контрольного шаблона применена архитектура, основанная на определенном наборе сверточных и полносвязных слоев, то вектор биометрической пробы должен быть создан аналогичным образом. Без стандартизованных архитектур использование CNN для распознавания субъекта по походке ограничено локальными базами данных с одинаковой архитектурой.

• 7.2.4 Обучение и тестирование нейронной сети

Для обучения и тестирования нейронных сетей доступны такие базы данных по распознаванию субъекта по походке, как база данных Университета Южной Флориды (USF), база данных Китайской академии наук (CASIA), совместная база данных OU-ISIR Университета Осаки (OU) и Института научных и промышленных исследований (ISIR) и база данных Саутгемптонского университета (SOTON).

С использованием группы размеченных многоракурсных видеороликов можно провести обучение нейронных сетей по распознаванию отличительных паттернов походки для идентификации субъектов.

База данных CASIA включает четыре класса: база данных А, база данных В (с несколькими видами обзора), база данных С (с инфракрасными изображениями) и база данных D (измерения давления стопы). База данных А создана 10 декабря 2001 г. и содержит сведения о 20 субъектах. Для каждого субъекта сформированы 12 последовательностей изображений, по четыре последовательности для каждого из трех направлений, а именно параллельно плоскости изображения, 45° и 90°. База данных В — это большая база данных с несколькими видами обзора, которая создана в январе 2005 г. Эта база данных содержит сведения о 124 субъектах, для каждого субъекта сформировано 11 видов обзора. Особо разделены три варианта: угол обзора, изменение одежды и изменение условий ношения одежды. Кроме видеофайлов база данных содержит силуэты людей, извлеченные из видеофайлов. База данных С собрана с использованием инфракрасной (тепловизионной) камеры в 2005 г. Эта база данных содержит сведения о 153 субъектах и учитывает четыре условия ходьбы: нормальная ходьба, медленная ходьба, быстрая ходьба и нормальная ходьба с сумкой. Все инфракрасные видеоизображения сняты в ночное время. База данных D собрана синхронно с помощью камеры и сканера стопы в 2009 г. Эта база данных содержит сведения о 88 субъектах и учитывает условия реальных систем наблюдения и широкое возрастное распределение субъектов. На рисунке 9 представлены изображения силуэта субъекта из базы данных CASIAc разными углами обзора. Представление последовательности изображения походки субъекта формируют путем усреднения нормированных по размеру и выровненных по центру силуэтов цикла его походки.

Рисунок 9 — Пример изображений силуэта субъекта из базы данных CASIA

База данных OU-ISIR содержит набор данных, включающий сведения о 10 307 субъектах (о 5114 мужчинах и 5193 женщинах различного возраста — от 2 до 87 лет) с 14 углами обзора в диапазоне от 0° до 90° и от 180° до 270°. Изображения походки субъекта размером 1280 х 980 пикселей с частотой 25 кадров в секунду формируют с помощью семи сетевых камер, размещенных с интервалами в 15° вдоль четверти круга, центр которого совпадает с центром маршрута ходьбы. Радиус круга составляет примерно 8 м, высота — примерно 5 м. База данных OU-ISIR разделена на два непересекающихся набора для обучения и для тестирования приблизительно одинакового размера.

Для сбора ЗЭ-базы данных Саутгемптонского университета использован мультибиометрический туннель, включающий восемь синхронизированных камер для съемки походки субъекта, одну камеру для съемки его лица, расположенную в конце туннеля и направленную на лицо субъекта, и одну камеру для съемки одного уха, расположенную на одной стороне туннеля. При ходьбе субъекта внутри туннеля его походку фиксируют восемью камерами, что позволяет реконструировать трехмерные объемные данные. Все камеры для съемки походки субъекта имеют разрешение 640 х 480 пикселей и частоту 30 кадров в секунду, а также соединены вместе по сети блоками синхронизации для обеспечения точной синхронизации между камерами. На видео также снимают лицо и верхнюю часть тела субъекта с помощью камеры с высоким разрешением 1600 х 1200 пикселей для распознавания субъекта по лицу. Регистрируют изображение головы субъекта сбоку с разрешением 1600 х 1200 пикселей, которое может быть использовано для биометрического распознавания субъекта по ушам.

Для точного определения времени событий абстрактные значения блока «Дата/время сбора биометрических данных» (Capture date/time) должны указывать дату и время завершения сбора и представления данных в формате UTC (см. [27], [22]) с точностью до 1 мс.

• 7.3 Профиль двухмерных изображений движений верхней части тела субъекта

Представления движений верхней части тела субъекта содержат данные 2О-представления, технологию биометрического 20-сканера и информацию о 20-изображении. Элементы «Данные 20-представления» (2D representation data), «Идентификатор технологии биометрического сканера» (Capture device technology-identifier) и «Информация о 20-изображении» (2D image information) определяют в блоке «Представление 20-изображения» (2D image representation) записи походки субъекта.

Подклассы движений верхней части тела субъекта включают:

• - движения объектов лица (FFM);

• - статические движения головы (HMS);

• - динамические движения головы (HMD);

• - движение руки жестом (GHM).

• 8 Кодирование

• 8.1 Тегированное двоичное кодирование

В ПНСТ 655—2022 в соответствии с А.1 (приложение А) приведена схема АСН.1 с абстрактными элементами данных, которые ограничены типами АСН.1, определенными в соответствии с ГОСТ Р ИСО/МЭК 8824-1, ГОСТ Р 58668.1, ГОСТ Р 58668.3, ПНСТ 655—2022 или настоящим стандартом.

Тегированное двоичное кодирование изображения тела субъекта и данных последовательности изображений его походки должно быть получено путем применения к значению типа BodylmageDataBlock в модуле АСН.1 DER АСН.1 в соответствии с ГОСТ Р ИСО/МЭК 8825-1. DER-кодирование каждого объекта данных включает три части: октеты тегов с идентификацией объекта данных, октеты длины с указанием числа последующих октетов значений и октеты значений.

Согласно ГОСТ Р ИСО/МЭК 8824-1 каждый модуль АСН.1 начинается с наименования модуля, идентифицирующего модуль для восприятия человеком. Наименование типов АСН.1 представлено в верхней нотации «верблюжьего регистра»¹) и формируется из заголовков пунктов в разделе абстрактных элементов данных. Если наименование начинается с числа, то число помещают в конец наименования. Наименования компонентов структурированного типа представлены в нижней нотации «верблюжьего регистра»²) и являются уникальными в пределах структурированного типа.

С помощью модулей АСН.1, приведенных в ПНСТ 655—2022, можно расширять определения с обратной и прямой совместимостью в соответствии с ГОСТ Р ИСО/МЭК 8824-1.

Модуль АСН.1 доступен по ссылке:

• - http://tk098.ru/gostr/58668/-2/ed-1/ru (для национальных проектов);

• - http://standards.iso.org/iso-iec/39794/-16/ed-1/en (для международных проектов).

Примеры кодирования приведены в приложении С.

• 8.2 XML-кодирование

XML-кодирование данных тела субъекта должно быть проведено в соответствии со схемой XSD, приведенной в ПНСТ 655—2022 (А.2, приложение А). В С.2 (приложение С) приведены примеры, в которых использованы схемы XSD в соответствии с [20], ГОСТ Р 58668.1, ГОСТ Р 58668.3, ПНСТ 655—2022 или настоящим стандартом.

Двоичные данные должны кодироваться только как «base 64» и храниться в виде текстовой строки в элементе «xs:element», имеющем базовый тип «xs:base64Binary».

Пример — <xs:element name=”data” type=”xs: base64Binary”/>

Другие методы кодирования двоичных данных, такие как «xs:hexBinary» или проприетарные расширения с поддержкой кодирования двоичных данных (например, ХОР), применять не допускается.

Тип данных XML «base64Binary» не поддерживается в SPARQL (протокол SPARQL и язык запросов RDF). В ГОСТ Р ИСО/МЭК 8825-5 определены правила отображения схемы XSD (схемы, соответствующей спецификации схемы XML) в схему АСН.1 с использованием правил кодирования АСН.1, таких как BER, DER, PER или XER, для передачи информации, определенной схемой XSD.

Модуль XSD доступен по адресу:

• - http://tk098.ru/gostr/58668/-7/ed-1/ru (для национальных проектов);

• - http://standards.iso.org/iso-iec/39794/-17/ed-1/en (для международных проектов).

Примеры кодирования приведены в приложении С.

• 9 Зарегистрированные идентификаторы формата блока биометрических данных

Требования к зарегистрированным идентификаторам форматов ББД с изображением тела субъекта, используемым в настоящем стандарте, установлены в ПНСТ 655—2022.

Приложение А (справочное)

Условия получения изображений

А.1 Рекомендации для систем распознавания субъекта по походке

А.1.1 Архитектура

Для системы распознавания субъекта по походке рекомендуется учитывать требования к архитектуре системы распознавания субъекта по изображению тела, установленные в ПНСТ 655—2022, включая:

• - процесс биометрического сбора данных, выполняемый блоком сбора видеоизображений;

• - процесс форматирования изображения, выполняемый прикладной видеопрограммой;

• - визуализацию процесса и результатов для оператора и субъекта биометрической аутентификации;

• - целостность видеосистемы;

• - отказ в обслуживании (использование системы только уполномоченным оператором) с применением биометрической верификации оператора;

• - подключение к другим системам (базам данных и т. д.) с учетом протоколов и целостности подключения.

В настоящем стандарте рассмотрены первые два³ аспекта. Остальные аспекты в настоящем стандарте не рассматриваются.

А.1.2 Удобство использования и доступность

Системы должны быть доступны для субъектов с постоянными или временными физическими либо психологическими ограниченными возможностями. Системы должны быть простыми в использовании и иметь широкий диапазон эксплуатации. Для субъектов, для которых недоступна биометрическая система, следует применять альтернативные системы.

Общее руководство по удобству использования и доступности систем представлено с учетом [23].

А.1.3 Практическое применение

А.1.3.1 Общие положения

На практике для подозреваемых в совершении преступлений получают изображения их тела и видеоизображение походки, которые сохраняют в базах данных. Процесс сбора биометрических данных осуществляют с применением одного биометрического сканера (камеры) или нескольких устройств. Биометрические характеристики субъекта могут быть извлечены из изображений с высоким разрешением. С помощью изображений с высоким разрешением и видеоизображений с разрешением 4К получают информацию, достаточную для анализа различных биометрических процессов. Биометрический контрольный шаблон формируют тогда, когда биометрические образцы приписывают субъекту биометрических данных и используют в качестве объекта для биометрического сравнения.

А. 1.3.2 Сравнение изображения тела и походки субъекта

Последовательности изображений походки субъекта представляют особенности его поведения при ходьбе и могут быть извлечены из записи с низким разрешением в отличие от распознавания субъекта по изображению тела. На изображении высокого качества тела субъекта могут быть отражены объекты его лица, по которым можно осуществить распознавание субъекта по лицу. Системы видеонаблюдения, как правило, не формируют четкие изображения лиц, и из видеокадров извлекают только изображения тела субъекта.

Лица и изображения тела субъекта добавляют в списки просмотра на основе наблюдения за его поведением на видеоизображениях. Для повышения международной интероперабельности биометрических образцов должен быть разработан стандарт, определяющий форматы биометрических образцов для изображений и видеоизображений тела субъекта. Следует учесть, что видеоизображение создают путем регистрации статических изображений с интервалами, определяемыми частотой кадров. Разница между статическими изображениями и видеоизображениями заключается в интервале между отдельными изображениями. При корректной настройке временной шкалы может быть проведено сравнение статических изображений и видеоизображений для идентификации или верификации. В значениях времени должны быть указаны дата и время завершения сбора изображения в формате UTC с точностью до 1 мс.

Согласно руководству Интерпола (см. [24]) фотография и видеоизображения тел на месте бедствия и в морге необходимы как для доказательства, так и для установления причины произошедшего. В последовательности изображений походки не обязательно требуется высокое качество изображений.

Современные алгоритмы биометрического распознавания могут быть использованы для распознавания людей, на изображениях лиц которых практически отсутствует идентифицирующая информация. В этих случаях распознавание субъекта по изображению тела имеет большую точность по сравнению с распознаванием по лицу согласно исследованиям Техасского университета в Далласе (см. [24]). До определенного времени предполагалось, что основную идентификационную информацию можно распознать по лицу. Полученные результаты показали способы усовершенствования автоматического распознавания.

Сравнение кадров видеоизображения с разрешением SD с шаблонами изображений высокого качества дает более точные результаты в отличие от сравнения двух изображений с разрешением SD.

Технические требования к видеоизображению походки, которые аналогичны требованиям к изображениям тела субъекта при биометрической регистрации, установлены в ПНСТ 655—2022.

А.1.3.3 Методы распознавания

При распознавании силуэтов проводят обработку видеоизображений для получения последовательности и извлечения факторов, не связанных с идентичностью субъекта и изменяющимся внешним видом походки. Указанные факторы включают:

• - параметры биометрического субъекта, такие как скорость ходьбы, одежда и условия передвижения;

• - параметры устройства, такие как частота кадров и разрешение изображения;

• - параметры окружающей среды, такие как условия освещения и точки обзора камеры.

Для силуэта данные должны быть сохранены как видеоизображение походки с постобработкой в виде набора изображений в соответствии с настоящим стандартом.

Для представления тела при распознавании субъекта на основе модели должны быть использованы только те типы данных, которые указаны в настоящем стандарте. Рекомендуется преобразовывать проприетарные данные в один из типов данных, установленных в настоящем стандарте.

При распознавании движений верхней части тела проводят постобработку с использованием методов, приведенных в настоящем стандарте.

А.1.4 Субмиллиметровое изображение

Терагерцовое или субмиллиметровое излучение состоит из электромагнитных волн в диапазоне частот от 0,3 до 3 ТГц (от 300 до 3000 ГГц). Длины волн излучения в терагерцовом диапазоне варьируются от 1 до 0,1 мм. Указанной длиной волны представляется теоретический предел разрешения изображений. Терагерцовое излучение находится в терагерцовом промежутке между микроволнами и инфракрасными волнами в электромагнитном спектре.

Системы получения субмиллиметровых изображений включают две категории: активные и пассивные системы. Активные системы получения изображений основаны на конфигурации радара со схемами синтетического или оптического изображения, пассивные системы получения изображения работают как камеры. Основной задачей систем получения является быстрое формирование изображения с большим полем зрения (FOV) и удовлетворительным пространственным разрешением. На рисунке А.1 показано субмиллиметровое изображение, на котором обнаружен подозрительный материал под одеждой субъекта по центру изображения.

Терагерцовое излучение может проходить через неметаллические материалы, такие как ткани одежды, бумага, картон, пластик и керамика. Излучение не может проникать в жидкую воду или металл. Глубина области визуализации, как правило, составляет менее 10 м. Рекомендуется получать субмиллиметровое изображение с помощью пассивной системы на расстоянии 5 м и на высоте 2 м.

В настоящем стандарте установлены требования к пассивным системам формирования изображений суб-миллиметрового/терагерцового диапазона, обусловленные особенностями изображения. В настоящее время в мире применяют множество пассивных систем формирования изображений субмиллиметрового диапазона, которые могут создавать высококачественные изображения с приемлемой контрастностью и низким уровнем шума при времени регистрации изображения от нескольких секунд до нескольких минут. Небольшая часть пассивных систем способна обеспечивать изображения с частотой дискретизации, соответствующей реальному времени.

В Исследовательской лаборатории армии США проведено измерение критических уровней чувствительности приемника, необходимых для получения пассивных изображений с частотой видеосигнала в реальном времени в исследуемых сценариях (см. [24]). Измерения показали, что одежда становится достаточно прозрачной на частотах примерно до 300 ГГц (на основе критерия 3 дБ). Микрофотографии показывают шероховатость в масштабе длины волны, выраженной в терагерцах, особенно в крупном нитевидном узоре нейлона и переплетении из вискозы и шелка. С учетом того, что эти типы образцов оказались наиболее прозрачными, предполагается, что любое поверхностное рассеяние должно быть достаточно слабым.

Также предполагается, что системы формирования изображений для обнаружения и идентификации оружия, скрытого от сотрудников правоохранительных органов, будут работать в субмиллиметровом диапазоне в одном из окон прозрачности атмосферы на частоте 320 или 640 ГГц.

Рисунок А.1 — Субмиллиметровое изображение трех субъектов сбора биометрических данных

Система формирования изображения должна соответствовать требованиям к разрешающей способности для обеспечения достаточного пространственного разрешения в целях обнаружения или идентификации скрытого оружия или других объектов. Кадры изображения должны иметь приемлемое отношение сигнал—шум при частоте видеоизображения. На рисунке А.2 показано объединение изображений в видимом и субмиллиметровом диапазонах излучения для обнаружения скрытого оружия под одеждой двух субъектов справа и определения местоположения оружия.

А.2 Рекомендации по регистрации видеоизображения тела субъекта

В настоящем разделе установлены рекомендации по взаиморасположению субъекта и камеры, а также варианты расположения источников света. Корректное положение субъекта и равномерность освещения обеспечивают получение изображений, удовлетворяющих требованиям настоящего стандарта и не содержащих теней и бликов на любой части тела.

Искажения изображения не должны быть заметны при визуальном осмотре. На изображении не должен присутствовать эффект «рыбьего глаза», вызванный размещением камеры с широкоугольным объективом слишком близко к субъекту сбора биометрических данных. На рисунке А.З показано расположение субъекта и камеры при фокусном расстоянии объектива 50 мм.

Студия для съемки фото- и видеоизображений, как правило, представляет собой профессиональное помещение, оборудованное цифровой камерой, набором регулируемых источников света, соответствующим фоном и устройством для позиционирования субъекта, предназначенным для получения высококачественных изображений тела субъекта.

Для изображений и видеоизображений субъекта в полный рост рекомендуется использовать вертикальную ориентацию камеры в целях:

• - экономичного использования пикселей изображения;

• - использования вертикальной ориентации камеры для изображений тела субъекта;

• - поворота видеокадра, который является простым этапом постобработки.

  

Рисунок А.2 — Объединение изображений в видимом и субмиллиметровом диапазонах излучения

Для обеспечения высокого качества видеоизображения или последовательности изображений для распознавания субъекта по походке, получаемого в студии небольших размеров, рекомендуется использовать беговую дорожку.

При создании студии следует учитывать меры безопасности и защиты путем внедрения надлежащего набора процедур для минимизации рисков насилия и других событий, таких как пожар.

Должна быть обеспечена безопасность с помощью архитектурных решений. Например, расположение субъекта должно позволять оператору покинуть студию через дверь позади оператора. Такое расположение особенно важно в тюрьмах, полицейских участках и подобных учреждениях.

А.З Технические рекомендации для записи походки

А.3.1 Общие положения

На практике легче организовать удовлетворительные условия регистрации в студии или лаборатории, чем в других условиях. Неудовлетворительные условия регистрации и наблюдения приводят к созданию некачественных биометрических контрольных шаблонов и проб. Достаточно организовать наблюдение при возможности планирования условий наблюдения, например при проектировании нового аэропорта или реконструкции/расширении действующего аэропорта. Подходящая конструкция коридора для ходьбы существенно влияет на качество работы алгоритмов распознавания субъекта по походке, несмотря на то что существуют методы для уменьшения ошибок из-за факторов окружающей среды (см. [77], [78], ]26]).

I — фокусное расстояние объектива, равное 50 мм; d— расстояние, равное 4 м Рисунок А.З — Расположение субъекта и камеры

Изменение точки обзора является одним из наиболее критических факторов, влияющих на распознавание субъекта по походке. Для решения проблем, вызванных условиями перекрестного обзора и перекрестного прохождения, применяют различные методы с использованием предварительной обработки и архитектур CNN. Ограничение условий перекрестного обзора и перекрестного прохождения повышает вероятность правильного распознавания. Рекомендуется обеспечить разницу в углах обзора между биометрическим контрольным шаблоном и биометрической пробой менее 20° (см. [79]).

А.3.2 Ограничение коэффициента ошибки

Для повышения точности результатов идентификации походки необходимо ограничить факторы ошибки. Должны быть определены факторы, не связанные с идентичностью субъекта и изменяющие внешний вид. Стабилизация этих факторов и оптимизация факторов системы распознавания по походке влияют на точность распознавания. Например, адаптация к скорости ходьбы является методом стабилизации, а ограничение скорости ходьбы определенным диапазоном — методом оптимизации.

Факторы ошибки включают три группы:

• а) факторы, связанные с субъектом сбора биометрических данных:

• 1) скорость ходьбы,

• 2) одежда,

• 3) перенос предметов;

• Ь) факторы, связанные с устройством сбора биометрических данных:

• - частота кадров,

• - разрешение изображения;

• с) факторы, связанные с окружающей средой:

• а) условия освещения,

• Ь) точки обзора камеры.

Среди указанных факторов ключевым фактором является смена точек обзора. Эксплуатационные характеристики системы распознавания по походке резко снижаются при изменении точки обзора, если системой не учтен перекрестный обзор.

Для идентификации субъекта по походке могут быть использованы глубокие CNN. С помощью размеченных многоракурсных видеороликов может быть проведено обучение нейронных сетей по распознаванию отличительных паттернов походки для идентификации субъектов (см. [79]). Другим подходом к распознаванию перекрестного обзора является применение виртуальных представлений, которые соединяют дескрипторы действий, извлеченные из одного или нескольких биометрических проб, с дескрипторами, извлеченными из биометрического контрольного шаблона (см. [25]). Могут быть использованы виртуальные пути, где каждая точка виртуального пути представляет виртуальное представление, получаемое линейным преобразованием дескриптора действия (см. [26]).

А.3.3 Проектирование коридора ходьбы

Факторы, связанные с окружающей средой, имеют важное значение для качества видеоизображения походки. При проектировании траектории субъекта рекомендуется учитывать следующие аспекты:

• - путь для ходьбы является прямым;

• - на полу отсутствуют выступы и неровности;

• - отсутствуют отвлекающие факторы на дорожках, такие как объявления, знаки или персонал;

• - отсутствуют текстуры, плакаты или дополнительные объекты на полу или стенах;

• - на полу и стенах использованы нейтрально-серые матовые материалы;

• - обеспечено равномерное освещение по траектории субъекта. Внешнее освещение за крышей коридора составляет более 200 лк (1 лк равен 1 лм на 1 м²);

• - равномерное освещение должно составлять 500 лк или более, в зависимости от внешнего освещения на входе и выходе;

• - цветовую температуру следует контролировать, чтобы баланс белого света камеры мог быть адаптирован к освещению.

Видеоизображение должно быть сбалансированным по цвету и иметь корректную экспозицию. Граница между субъектом и фоном должна быть четко прослеживаема вокруг всего субъекта. Не должно быть теней на заднем плане изображения. Фон должен быть однородным и не должен содержать текстуры с прямыми или кривыми линиями, которые могут внести искажения в результаты автоматического обнаружения. Фон должен иметь однородную цветовую палитру.

В студиях регистрации либо камера следует за субъектом, либо используют беговую дорожку и стационарную камеру. Скорость беговой дорожки должна быть установлена на нормальную скорость ходьбы 5 км/ч или менее для людей с трудностями при ходьбе. Беговые дорожки могут быть сложными для неподготовленного пользователя, в таком случае необходимо присутствие помощника для обеспечения безопасности субъекта.

Нормальная скорость ходьбы здорового субъекта в возрасте от 10 до 79 лет, выбираемая самостоятельно, составляет от 1,3 до 1,5 м/с (от 4,7 до 5,4 км/ч). Люди старше 80 лет имеют более низкую естественную скорость ходьбы — порядка 1 м/с (менее 4 км/ч). Скорость ходьбы в длинном коридоре может быть выше, чем в коротком.

А.3.4 Расположение камеры

А.3.4.1 Общие положения

Условия при регистрации и наблюдении отличаются друг от друга. Одним из наиболее значимых факторов является угол обзора камеры. При записи биометрического контрольного шаблона во время регистрации основной угол обзора — боковой, т. е. вид сбоку. При установке камеры в системе наблюдения в контролируемых условиях может быть использован такой же угол обзора, как и при регистрации. На рисунке А.4 показаны фронтальный и боковой виды обзора камеры.

А.3.4.2 Размещение камеры при регистрации

А.3.4.2.1 Общие положения

Расположение камер вдоль прохода должно обеспечивать возможность съемки движения субъекта в сагиттальной (боковой) плоскости в установке с одной камерой и дополнительно во фронтальной плоскости (вид спереди) в установке с двумя камерами. Сагиттальная плоскость — это анатомическая плоскость, которая делит тело на правую и левую части. Фронтальная плоскость параллельна длинной оси тела и перпендикулярна к сагиттальной плоскости. Фронтальная плоскость делит тело на переднюю и заднюю части.

А.3.4.2.2 Регистрация с одной точкой обзора

Использование одной камеры при регистрации имеет сходство с применением другой камеры при регистрации фронтальных изображений лица. Субъект ходит перед камерой справа налево. При задействовании беговой дорожки камера должна записывать вид субъекта сбоку.

А.3.4.2.3 Регистрация с двумя точками обзора

В установке с двумя камерами применяют две камеры, которые снимают походку субъекта одновременно. Субъект идет справа налево перед первой камерой и идет по направлению ко второй камере. При использовании беговой дорожки первая камера записывает вид субъекта сбоку, вторая камера — фронтальный вид субъекта.

При использовании одной камеры субъект идет справа налево перед камерой. Вторая запись осуществляется при приближении субъекта к камере. Порядок записей не имеет значения.

А.3.4.2.4 Регистрация с несколькими точками обзора

В установке с несколькими камерами проводится одновременная запись походки субъекта с нескольких камер. При использовании одной камеры субъект проходит несколько раз по траектории, которую поворачивают под углом 45° по отношению к камере, начиная с положения камеры 1 на рисунке А.5.

Рисунок А.4 — Фронтальный и боковой виды обзора камеры

Рисунок А.5 — Точки обзора с нескольких камер

А.3.5 Освещение и планировка студии

Освещение коридора ходьбы или беговой дорожки обеспечивают применением нескольких источников света. Основным направлением света является направление от камеры к субъекту. Для сведения к минимуму теней на заднем плане в длинных коридорах рекомендованы отдельные источники света для освещения фона.

Видеоизображения для распознавания субъекта по походке могут потребовать большего горизонтального пространства, чем на рисунке А.6, на котором представлены минимальные рекомендуемые размеры при получении записи походки в студии с использованием источников света с большой поверхностью.

А.3.6 Освещение и планировка коридора ходьбы

Коридор ходьбы для записи походки должен быть построен таким образом, чтобы только один субъект мог пройти в поле зрения камеры. Для фонового и переднего освещения могут быть использованы световые полосы, большие световые панели с подсветкой или непрямое освещение для поддержания равномерного освещения и достаточного контраста между субъектом и фоном. Оптимальная конструкция коридора позволяет записывать полный цикл походки для субъектов, проходящих через коридор ходьбы.

Конструкция коридора должна быть достаточно гибкой для соответствия изменяющимся потребностям и оборудованию. При размещении сидений, расположенных рядом с коридором, должны быть учтены безопасность субъекта и непрерываемый путь в коридоре ходьбы.

Когда коридор ходьбы совмещен с воротами автоматического пограничного контроля, автоматически могут быть связаны идентификационные данные субъекта с результатами визуализации и распознавания по походке.

На рисунке А.7 показаны минимальные рекомендуемые размеры и размещение камер в коридоре, предназначенном для ходьбы субъекта, с использованием источников света с большой поверхностью.

Размещение камеры следует заранее протестировать на макете. Небольшое расстояние от камеры до субъекта (например, 2 м) и использование нескорректированного широкоугольного объектива могут снизить эффективность распознавания субъекта по походке.

С использованием распознавания субъекта по походке и лицу может быть сконструирована система контроля доступа на основе мультимодальной биометрической верификации. Если распознавание походки будет проводиться по сагиттальному изображению, то для видеозаписи лица потребуется вторая камера, направленная на субъект (см. [20]).

Для устройства сбора биометрических данных в субмиллиметровом диапазоне могут потребоваться изменения в конструкции коридора, показанной на рисунке А.7.

Размеры в метрах

Рисунок А.6 — Минимальные рекомендуемые размеры для студии записи походки

Приложение В (справочное)

Измерения при получении последовательности изображений

• В.1 Общие положения

  • В.1.1 Введение

Методики измерений при настройке системы во время установки, калибровки и технического обслуживания с целью обеспечения высокого качества изображения, установленные ПНСТ655—2022, применимы к настоящему стандарту. Например, в подсистеме получения биометрических данных настройки камеры и освещения должны обеспечивать получение изображений, удовлетворяющих соответствующим стандартам.

Рекомендации по измерению экспозиции и точности цветопередачи изображения камеры высокого разрешения приведены в ПНСТ 655—2022.

• В.1.2 Измерения условий окружающей среды

При видеонаблюдении исходный видеопоток с датчика камеры А обрабатывают для выхода В и кодируется для передачи С, как правило, внутри корпуса камеры. После сохранения D следует этап декодирования Е перед отображением или обработкой видео с помощью программного обеспечения распознавания F. На рисунке В.1 представлена общая схема передачи. Путь передачи видеопотока может отличаться от показанного на рисунке В.1.

А — видеопоток; В — выход камеры; С — кодированные данные; D — сохраненные данные; Е — декодированные данные; F — программное обеспечение распознавания; 1 — точка доступа; 2 — устройство кодирования; 3 — сервер; 4 — устройство декодирования; 5 — экран

Рисунок В.1 —Точки для измерения видеоизображения

Измерения видеоизображения можно проводить в нескольких точках. Точку 1, показанную на рисунке В.1, следует использовать для измерений, приведенных в настоящем стандарте.

В приложениях видеонаблюдения изображения биометрической пробы, поступающие с видеокамер, редко соответствуют всем критериям изображений биометрических контрольных шаблонов. Управление факторами качества изображения позволяет оптимизировать качество изображения биометрической пробы. На факторы качества изображения влияют матрица и объектив видеокамеры. Факторы качества включают разрешение, шум (общий, повторяющийся и динамический), динамический диапазон, равномерность экспозиции (виньетирование) и качество цвета. Искажение объектива — это деформация изображения, когда прямые линии на испытательной мире визуализируются как изогнутые линии. Постобработка коррекции искажения объектива снижает разрешение изображения.

Проведение измерений рабочих характеристик камеры по представленным методикам имеет умеренную себестоимость и требует средней квалификации оператора. Для проведения испытаний не требуется дорогостоящее или узкоспециализированное оборудование. Как правило, испытания заключаются в фотографировании стандартных мир в условиях контролируемого освещения и последующем компьютерном анализе полученных изображений.

Обработку последовательности изображений походки проводят для определения очертаний субъекта или контрольных точек тела. На практике видеокадры с низким разрешением содержат достаточно информации для обработки. Высокое значение уровня градаций серого и высокая точность цветопередачи способствуют обработке, например удалению фона или поиску контрольных точек. Для распознавания движений верхней части тела рекомендуются требования по измерениям в соответствии с ПНСТ 655—2022.

• В.2 Проверка условий окружающей среды при сборе биометрических данных

  • В.2.1 Общие положения

Условия сбора биометрических данных должны быть как можно более стабильными в отношении освещения и фона. Перед съемкой любого видеоизображения или последовательности статических изображений для изме-26

рений, приведенных в настоящем стандарте, необходимо выполнить базовую проверку камеры. При подготовке к измерениям при необходимости проводят очистку объектива камеры и защитного переднего стекла, которое следует очищать с обеих сторон; объектив камеры очищают только в случае необходимости, например при наличии отпечатков пальцев на объективе или пыли на поверхности объектива. Безопасным и экономным вариантом чистки объектива являются бумажные салфетки для чистки объективов.

• В.2.2 Проверка освещения

Проверку освещения проводят в соответствии с ПНСТ 655—2022 [см. Е.4.2 (приложение Е)].

• В.2.3 Проверка фона

Проверку фона проводят в соответствии с ПНСТ 655—2022 [см. Е.4.2 (приложение Е)].

• В.З Измерения для видеокамер низкого разрешения

  • В.3.1 Испытательная мира

Разрешение характеризует способность системы визуализации формировать изображение отдельных деталей субъекта. Шум, низкий динамический диапазон, сильное виньетирование и низкая точность цветопередачи ухудшают вероятность распознавания деталей на изображении программным обеспечением. Необходимо обеспечить удовлетворительные условия освещения.

На рисунке В.2 показана стандартизованная испытательная мира. Подробные инструкции по использованию испытательной миры представлены в [27].

Рисунок В.2— Испытательная мира

• В.3.2 Подготовка к измерениям и анализ

  • В.3.2.1 Общие положения

В настоящем разделе использование коммерческого оборудования, материалов и программного обеспечения предназначено для уточнения технических аспектов заявленных процедур и результатов и не имеет рекомендательного характера или обязательного применения в соответствии с настоящим стандартом.

• В.3.2.2 Подготовка

Рекомендуется закрепить диаграммы для испытаний на плоском фоне, предпочтительно на матовой поверхности среднего серого цвета размером от А4 до АЗ или на пенопласте.

При использовании диаграмм на тонкой бумаге рекомендуется применять клей для придания плоского состояния. Для измерения оттенков серого и определения равномерности освещения рекомендована серая задняя часть доски.

На рисунке В.З показан рекомендуемый способ удержания серой мишени для предотвращения появления теней или текстуры на анализируемой области поверхности.

Рисунок В.З — Задняя сторона матовой доски, используемая как серая мира

Серые матовые миры фотографируются на сером фоне. Матовая доска может быть прикреплена с помощью застежек-«липучек».

• В.3.2.3 Анализ

  • В.3.2.3.1 Общие положения

Анализ изображения испытательной миры может быть проведен только визуально. Для анализа динамического диапазона и точности цветопередачи рекомендуется использовать специальное программное обеспечение.

Разрешение характеризует способность системы визуализации формировать изображение отдельных деталей субъекта. Пространственное разрешение может быть оценено с использованием ФПМ. Исходное изображение ФМП20 должно иметь не менее 0,4 пар линии/пиксель. Пространственное разрешение системы камеры должно быть очень схожим по обеим осям и не должно улучшаться за счет повышения резкости изображения или алгоритмов фильтрации верхних частот.

• В.3.2.3.2 Проверка динамического диапазона изображения камеры

Проверку динамического диапазона изображения проводят в соответствии с ПНСТ 655—2022 [см. Е.5.2 (приложение Е)].

• В.3.2.3.3 Проверка шкалы серого цвета камеры

Для измерения шума, точности цветопередачи и динамического диапазона используются диаграммы шкалы серого цвета и цветовые миры. Динамический диапазон является существенным фактором качества видеоизображения. Если система камеры выполняет сжатие шкалы серого цвета с HDR, то стандартный выходной видеокадр 8 бит (256 уровней) будет отображать глубокие тени и ярко освещенные области. Мгновенный динамический диапазон — это мера общего диапазона уникальных уровней яркости, которые могут выводиться камерой на видеокадре. Мгновенный динамический диапазон отличается от настраиваемого динамического диапазона, в котором диафрагма камеры может открываться и закрываться на протяжении времени.

В стабильных условиях регистрации достаточно проанализировать характеристики шкалы серого цвета на испытательной мире. Оттенок должен плавно меняться с белого на черный. Это можно проверить с помощью программы обработки изображений, которая может отображать значения уровня яркости RGB или аналогичные значения. Шкала должна выглядеть нейтральной с примерно одинаковыми значениями для каналов R, G и В при погрешности, т. е. уровень 127 должен находиться в пределах от 121 и до 133. Если значение изменяется более чем на 5 % от пикселя к пикселю и серая поверхность выглядит зернистой, то это означает, что уровень шума превышает допустимое значение. Для снижения уровня шума может потребоваться меньшее значение чувствительности ИСО и усиление освещения субъекта.

На рисунке В.4 шкала серого цвета в левой части испытательной миры показывает шаги яркости, которые камера должна отображать на видеокадре.

Рисунок В.4 — Шкала серого цвета на испытательной мире

• В.3.2.3.4 Проверка точности цветопередачи

При сравнении испытательной миры с полученным изображением миры все цвета должны выглядеть правильно и должны быть полностью видимыми оттенки серого цвета. Результаты проверки зависят от оператора, проводящего анализ. Данный метод следует использовать только при отсутствии программных методов испытаний. На рисунке В.5 цветные полосы испытательной панели содержат шесть цветовых блоков с двумя разными уровнями яркости. Если система воспроизводит цвет, то в оптимальных условиях внешний вид верхней линии блоков на устройстве представления репрезентативно воспроизводит цвета изображения миры при текущих условиях освещения.

Рисунок В.5 — Цветные полосы испытательной миры

• В.3.2.3.5 Проверка разрешения камеры

Методика измерения разрешения изображения представлена в ГОСТ Р 58668.3—2021 [см. D.3 (приложение D)].

• В.4 Измерения для субмиллиметровых камер

Методика измерений для субмиллиметровых камер — по ПНСТ 655—2022 [см. Е.7 (приложение Е)].

Приложение С (справочное)

Примеры кодирования

С.1 Примеры двоичного кодирования

С.1.1 Общие

Блоки данных походки, приведенные в примерах кодирования, определены в модуле АСН.1. Для кодирования данных используются DER, которые являются подмножеством BER, представляющим один способ кодирования значения АСН.1. Кодирование DER предназначено для тех ситуаций, когда требуется уникальное кодирование, например в криптографии, и обеспечивает уникальное сериализованное представление структуры данных, которая должна быть подписана цифровой подписью.

Все элементы схемы АСН.1 согласованы с элементами схемы XML. Зависимости схем представлены в С.2.

С.1.2 Пример двоичного кодирования с использованием обязательных элементов

Структура приведенного примера данных для последовательности статических изображений походки совместима со структурой данных и содержанием данных по ПНСТ 655—2022. Формальное описание выглядит следующим образом: valuel BodylmageDataBlock :: = { versionBlock { generation 3, year 2019 }, representationBlocks { { representationld 1 } } }

Пример кодирования доступен по адресу:

• - http://tk098.ru/gostr/58668/-6/ed-1/ru (для применения на национальном уровне);

• - http://standards.iso.org/iso-iec/39794/-16/ed-1/en (для применения на международном уровне).

• С .1.3 Пример двоичного кодирования с использованием элементов последовательности изображений JPEG

Данный пример включает несколько необязательных элементов и пустой блок «imageRepresentation2DBIock». Формальное описание выглядит следующим образом: valuel BodylmageDataBlock ::= { versionBlock { generation 3, year 2019 }, representationBlocks { { representationld 1, imageRepresentationBlock representation : imageRepresentation2DBlock : { representationData2D '00'H, imageInformation2DBlock { imageDataFormat code : jpeg, imageKind2D code : gait2D } }, captureDateTimeBlock { year 2020, month 7, day 24, hour 15, minute 47, second 56, millisecond 389 }

} { representations 2, imageRepresentationBlock representation : imageRepresentation2DBlock : { representationData2D '00'H, imagelnformation2DBlock { imageDataFormat code : jpeg, imageKind2D code : gait2D } }, captureDateTimeBlock { year 2020, month 7, day 24, hour 15, minute 47, second 56, millisecond 790 } } } }

Пример кодирования доступен по адресу:

• - http://tk098.ru/gostr/58668/-7/ed-1/ru (для применения на национальном уровне);

• - http://standards.iso.org/iso-iec/39794/-17/ed-1/en (для применения на международном уровне).

С.1.4 Пример двоичного кодирования с использованием MPEG-4

Данный пример включает минимальное рекомендуемое содержимое данных походки для файла MPEG 4. valuel BodylmageDataBlock ::= { versionBlock { generation 3, year 2019 }, representationBlocks { { representationld 1, imageRepresentationBlock representation : imageRepresentation2DBlock : { representationData2D '00'H, captureDevice2DBlock { captureDeviceTechnology code : videoFrameFromDigitalVideoCamera }, imagelnformation2DBlock { imageDataFormat code : mpeg4, imageKind2D code : gait2D } }, captureDateTimeBlock { year 2020, month 8, day 18, hour 12, minute 51, second 18, millisecond 778 } } } }

Пример кодирования доступен по адресу:

• - http://tk098.ru/gostr/58668/-7/ed-1/ru (для применения на национальном уровне);

• - http://standards.iso.org/iso-iec/39794/-17/ed-1/en (для применения на международном уровне).

С.2 Примеры XML-кодирования

С.2.1 Общие положения

Блоки данных изображения тела, применяемые в примерах кодирования, относятся к типу «■BodylmageDataBlock* в соответствии с ПНСТ 655—2022. Все элементы схемы АСН.1 согласованы с элементами схемы XML. Настоящий стандарт определяет профили для данных последовательности изображений походки. Все элементы приведены в ПНСТ 655—2022. Примеры АСН.1, представленные в ПНСТ 655—2022, применимы для приложений, соответствующих настоящему стандарту, с использованием отдельных изображений.

На рисунке С.1 показано, каким образом профили походки в соответствии с настоящим стандартом и зависимости XSD основаны на определениях элементов XSD по ПНСТ655—2022 и связаны с определениями элементов XSD по ГОСТ Р 58668.3 и ГОСТ Р 58668.1.

Рисунок С.1 — Профили походки и зависимости XSD на основе определений элементов XSD по ПНСТ 655

На рисунке С.2 приведена модульная структура на основе элементов схемы XSD по ПНСТ 655—2022.

Рекомендуется преобразовать любую последовательность изображений походки в формате Motion JPEG в набор изображений JPEG или в файл MPEG-4. Motion JPEG (расширение файлов M-JPEG/MJPEG или MJPG/ MJPEG) — это формат сжатия видео, в котором каждый видеокадр или чересстрочное поле цифровой видеопоследовательности сжимается отдельно как изображение JPEG и сохраняется в одном файле.

Пример кодирования данных изображения доступен по адресу:

• - http://tk098.ru/gostr/58668/-6/ed-1/ru (для применения на национальном уровне);

• - http://standards.iso.org/iso-iec/39794/-16/ed-1/en (для применения на международном уровне).

Пример кодирования последовательности изображений доступен по адресу:

• - http://tk098.ru/gostr/58668/-7/ed-1/ru (для применения на национальном уровне);

• - http://standards.iso.org/iso-iec/39794/-17/ed-1/en (для применения на международном уровне).

  

  1 **

  
  

  — representation Id

  
  

-I imageRepresentationBlock [+]

i= . ., ।

-j session Id ।

captureDyviceBlock [+]

-I poseAngleBlock [+]

■j landmarkPoints [+] i__________________।

■f any ##targetNamespace 'll

Рисунок C.2 — Модульная структура на основе элементов схемы XSD по ПНСТ 655—2022

С.2.2 Пример кодирования XML с использованием обязательных элементов

Структура приведенного примера данных для последовательности статических изображений походки совместима со структурой данных и содержанием данных по ПНСТ 655—2022. Формальное описание представлено следующим образом:

<?xml version=»l.О» encoding=»utf-8»?>

<!-- ПНСТ 655 с обязательными элементами -->

<bim:bodyImageData

xmlns:cmn="http://tk098.ru/gostr/58668/-l/"

xmlns:fac="http://tk098.ru/gostr/58668/-3/"

xmlns:bim="http://tk098.ru/gostr/58668/-6/">

<bim:versionBlock>

<cmn:generation>3</cmn:generation>

<cmn:year>2019</cmn:year>

</bim:versionBlock>

<bim:representationBlocks>

<bim:representationBlock>

<bim:representationld>l</bim:representationld>

</bim:representationBlock>

</bim:representationBlocks>

</bim:body!mageData>

На рисунке С.З выделены обязательные элементы XML.

<> representationBlock [1-*] RepresentationBlockType

<'J [any] [0..1]

Рисунок C.3 — Структура обязательных элементов XML

С.2.3 Пример кодирования XML с использованием элементов последовательности походки JPEG

Структура приведенного примера данных для последовательности статических изображений походки совместима со структурой данных и содержанием данных по ПНСТ 655—2022. Формальное описание представлено следующим образом:

• <?xml version=»l.0» encoding=»utf-8»?>

• <!— ПНСТ 656 Образец JPEG —>

<bim:bodylmageData

xmlns:cmn="http://tk098.ru/gostr/58668/-l/"

xmlns:fac="http://tk098.ru/gostr/58668/-3/"

xmlns:bim="http://tk098.ru/gostr/58668/-6/">

<bim:versionBlock>

<cmn:generation>3</cmn:generation>

<cmn:year>2019</cmn:year>

</bim:versionBlock>

<bim:representationBlocks>

<bim:representationBlock>

<bim:representationld>l</bim:representationld>

<bim:imageRepresentationBlock>

<bim:representation>

<bim:imageRepresentation2DBlock>

<!-- Изображение #1 последовательности походки -->

<bim:representationData2D>AA==</bim:representationData2D>

<bim:imagelnformation2D31ock>

<bim:imageDataFormat>

<bim:code>

<bim:jpeg>l</bim:jpeg>

</bim:code>

</bim:imageDataFormat>

<bim:imageKind2D>

<bim:code>

<bim:gait2D>5</bim:gait2D>

</bim:code>

</bim:imageKind2D>

</bim:imagelnformation2DBlock>

</bim:imageRepresentation2DBlock>

</bim:representation>

</bim:imageRepresentationBlock>

<bim:captureDateTimeBlock>

<cmn:year>2020</cmn:year>

<cmn:month>7</cmn:month>

<cmn:day>24</cmn:day>

<cmn:hour>15</cmn:hour>

<cmn:minute>47</cmn:minute>

<cmn:second>56</cmn:second>

<cmn:millisecond>389</cmn:millisecond>

</bim:captureDateTimeBlock>

</bim:representationBlock>

<bim:representationBlock>

<bim:representationld>2</bim:representationld>

<bim:imageRepresentationBlock>

<bim:representation>

<bim:imageRepresentation2DBlock>

<!-- Изображение #2 последовательности походки -->

<bim:representationData2D>AA==</bim:representationData2D>

<bim:imagelnfоrmation2DBlock>

<bim:imageDataFormaO

<bim:code>

<bim:jpeg>l</bim:jpeg>

</bim:code>

</bim:imageDataFormat>

<bim:imageKind2D>

<bim:code>

<bim:gait2D>5</bim:gait2D>

</bim:code>

</bim:imageKind2D>

</bim:imagelnformation2DBlock>

</bim:imageRepresentation2DBlock>

</bim:representation>

</bim:imageRepresentationBlock>

<bim:captureDateTimeBlock>

<cmn:year>2020</cmn:year>

<cmn:month>7</cmn:month>

<cmn:day>24</cmn:day>

<cmn:hour>15</cmn:hour>

<cmn:minute>47</cmn:minute>

<cmn:second>56</cmn:second>

<cmn:millisecond>790</cmn:millisecond>

</bim:captureDateTimeBlock>

</bim:representationBlock>

</bim:representationBlocks>

</bim:body!mageData>

Примечание — Если JPEG не используется в качестве значения по умолчанию для приложения или формат данных изображения не обнаруживается после декодирования, то формат данных изображения включается в блок информации о 20-изображении.

Структура иерархической структуры элементов XSD по ПНСТ 655—2022 наглядно представлена в часто используемых элементах для последовательности из двух статических изображений. Минимальный ББД последовательности изображений тела субъекта содержит данные, приведенные на рисунке С.4.

bodylmageData

<> representation Block ll- TI

<> captureDateTrrneBlock

<> representation Id xsunsignedByte

О imageRepresentationBlock

Рисунок C.4 — Повторяющаяся структура последовательности изображений JPEG походки в формате XML

В представленном примере не использован элемент sessionld, т. к. элемент representation Id содержит как идентификатор сессии, так и информацию, идентифицирующую представление.

С.2.4 Пример кодирования XML с использованием MPEG-4

В настоящем примере показано минимальное рекомендуемое содержимое данных для XML-файла походки в MPEG-4.

<?xml version=»l.О» encoding=»utf-8»?>

<!-- ПНСТ 655 с образцом изображения -->

<bim:bodyImageData

xmlns:cmn=http://tk098.ru/gostr/58668/-l/

xmlns:fac="http://tk098.ru/gostr/58668/-3/"

xmlns:bim="http://tk098.ru/gostr/58668/-6/">

<bim:versionBlock>

<cmn:generation>3</cmn:generation>

<cmn:year>2019</cmn:year>

</bim:versionBlock>

<bim:representationBlocks>

<bim:representationBlock>

<bim:representationld>l</bim:representationld>

<bim:imageRepresentationBlock>

<bim:representation>

<bim:imageRepresentation2DBlock>

<!—Видеоданные походки mpeg4 -->

<bim:representationData2D>AA==</bim:representationData2D>

<bim:captureDevice2DBlock>

<bim:captureDeviceTechnology>

<bim:code>

<bim:videoFrameFromDigitalVideoCamera>6</bim:videoFrameFromDigitalVideoCamera>

</bim:code>

</bim:captureDeviceTechnology>

</bim:captureDevice2DBlock>

<bim:imagelnformation2DBlock>

<bim:imageDataFormat>

<bim:code>

<bim:mpeg4>8</bim:mpeg4>

</bim:code>

</bim:imageDataFormat>

<bim:imageKind2D>

<bim:code>

<bim:gait2D>5</bim:gait2D>

</bim:code>

</bim:imageKind2D>

</bim: imagelnformation2DBlock>

</bim:imageRepresentation2DBlock>

</bim:representation>

</bim:imageRepresentationBlock>

<bim:captureDateTimeBlock>

<cmn:year>2020</cmn:year>

<cmn:month>8</cmn:month>

<cmn:day>18</cmn:day>

<cmn:hour>12</cmn:hour>

<cmn:minute>51</cmn:minute>

<cmn:second>18</cmn:second>

<cmn:millisecond>778</cmn:millisecond>

</bim:captureDateTimeBlock>

</bim:representationBlock>

</bim:representationBlocks>

</bim:body!mageData>

На рисунке С.5 выделены XML-элементы последовательности изображений походки в MPEG-4.

О bodylmageData BodylmageDataBlockType

<> representationBlocks RepresentationBlocksType л

<> shapeRepresentation3DBIock facShapeRepresentation3DBIockType

ExtensionBlockType v

ZZI--------

Рисунок C.5 — Структура последовательности изображений походки XML-элементов в MPEG-4

Приложение ДА (справочное)

Сведения о соответствии ссылочных национальных и межгосударственных стандартов международным стандартам, использованным в качестве ссылочных в примененном международном стандарте

Таблица ДА. 1

Приложение ДБ (справочное)

Сопоставление структуры настоящего стандарта со структурой примененного в нем международного стандарта

Таблица ДБ.1

Библиография

Социальная безопасность. Видеонаблюдение. Совместимость экспорта (Societal security — Videosurveillance — Export interoperability)

Системы видеонаблюдения для использования в приложениях безопасности (Video surveillance systems for use in security applications)

Информационные технологии. Компьютерная графика и обработка изображений. Обработка и обмен изображениями (IPI). Функциональная спецификация. Часть 5. Основной формат обмена изображениями (BIIF) [Information technology— Digital compression and coding of continuous-tone still images: JPEG File Interchange Format (J Fl F) — Part 5] Информационные технологии. Цифровое уплотнение и кодирование неподвижных изображений с непрерывным спектром тонов. Часть 1. Требования и руководящие принципы (Information technology — Digital compression and coding of continuous-tone still images: Requirements and guidelines)

Информационные технологии. Система кодирования изображения JPEG 2000. Часть 1. Внутренняя система кодирования (Information technology — JPEG 2000 image coding system — Part 1: Core coding system)

Информационная технология. Кодирование аудиовизуальных объектов. Часть 14. Формат файла MP4 (Information technology — Coding of audio-visual objects — Part 14: MP4 file format)

Информационные технологии. Кодирование аудиовизуальных объектов. Часть 2. Визуальные объекты (Information technology — Coding of audio-visual objects — Part 2: Visual) Информационные технологии. Компьютерная графика и обработка изображения. Мобильная сетевая графика (PNG). Функциональная спецификация (Information technology — Computer graphics and image processing — Portable Network Graphics (PNG): Functional specification)

Ali H., Dargham J., Ali C., Moung E.G. (2011). Gait Recognition using Gait Energy Image, Computer Engineering Program, School of Engineering and Information Technology, University Malaysia Sabah, Kota Kinabalu — 88999, Sabah, Malaysia

Bouchrika I., Mark S. Nixon, Model-Based Feature Extraction for Gait Analysis and Recognition, Department of Electronics and Computer Science University of Southampton, SO17 1BJ, UK

Kantz H., Schreiber T, Nonlinear Time Series Analysis. Cambridge University Press, Cambridge, 2004

Wang L., Ning H., Tan T., Hu W. (2003). Fusion of Static and Dynamic Body Biometrics for Gait Recognition, National Laboratory of Pattern Recognition (NLPR) Institute of Automation, Chinese Academy of Sciences, Beijing, P. R. China, 100080

ИСО/МЭК 14496-10 Информационные технологии. Кодирование аудиовизуальных объектов. Часть 10.

Улучшенное видеокодирование (Information technology — Coding of audio-visual objects — Part 10: Advanced video coding)

ИСО/МЭК 14496-1 Информационные технологии. Кодирование аудиовизуальных объектов. Часть 1. Системы (Information technology — Coding of audiovisual objects — Part 1: Systems)

Gross R., Shi J. (2001). The CMU motion of body (MoBo) database. Technical Report CMU-RITR-01-18, Robotics Institute, Carnege Mellon University

Sarkar S., Phillips J., Liu Z., Robledo I., Grother P., Bowyer K.W. The Human ID Gait Challenge Problem: Data Sets, Performance, and Analysis. IEEE Trans. Pattern Anal. Mach. Intell. 2005, 27 (2) pp. 162—177

Yu S., Tan D., Tan T. Modelling the Effect of View Variation on Appearancebased Gait Recognition. In Proc, of the 7th Asian Conference on Computer Vision (ACCV06)

Kellokumpu V., Zhao G., Li S.Z., Pietikainen M. (2009). Dynamic Texture Based Gait Recognition, Machine Vision Group University of Oulu, P.O. Box 4500, Finland, and Center for Biometrics and Security Research & National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences 95 Zhongguancun Donglu, Beijing 100080, China

Liao S., Zhao G., Vili Kellokumpu, Matti Pietikainen, Stan Z. Li (2010). Modeling pixel process with scale invariant local patterns for background subtraction in complex scenes, Center for Biometrics and Security Research & National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences, Machine Vision Group, University of Oulu, Finland

Akae N., Makihara Y., Yagi Y. (2011). Gait Recognition using Periodic Temporal Super Resolution for Low Frame-rate Videos. Osaka University, 978-1-4577-1359-0/11/2011 IEEE

ИСО 8601-1:2019 Дата и время. Представление для обмена информацией. Часть 1. Основные правила (Date and time — Representations for information interchange — Part 1: Basic rules)

• [22] ИСО 8601-2:2019 Дата и время. Представление для обмена информацией. Часть 2. Расширения (Date and time — Representations for information inter change — Part 2: Extensions)

• [23] Chen Qiang, Wang Yunhong, Liu Zheng, Liu Qingjie, and Di Huang. (2017). Feature Map Pooling for Cross-View Gait Recognition Based on Silhouette Sequence Images, Beijing Advanced Innovation Center for Big Data and Brain Computing, Beihang University, Beijing, China

• [24] Castro F.M., Marin-Jimenez M.J., Guil N., Perez de la Blanca N. Automatic learning of gait signatures for people identification, 2016, arXiv: 1603 .01006v2 [cs.CV]

• [25] Simonyan K., Zisserman A. Two-stream convolutional networks for action recognition in videos, 2014, arXiv: 1406 .2199 [cs.CV]

• [26] W3C Recommendations, XML Schema Parts 1 and 2

• [27] INTERPOL, Disaster Victim Identification Guide, latest versions, https://www.interpol.int/ Howwe work/Forensics/ Disaster-Victimldentification-DVI

• [28] Rice Allyson P., Phillips Jonathon , Natu Vaidehi, An Xiaobo, O’Toole. Alice J.Unaware Person Recognition From the Body When Face Identification Fails, 2013

• [29] МЭК 62676-4:2014 Системы видеонаблюдения, используемые в целях безопасности. Часть 4. Руководящие

указания по применению (Video surveillance systems for use in security applications — Part 4: Application guidelines)

УДК 004.932.1:006.89.006.354

Ключевые слова: информационные технологии, биометрия, расширяемый формат обмена биометрическими данными, данные последовательности изображений походки

Редактор Л.С. Зимилова Технический редактор В.Н. Прусакова Корректор О.В. Лазарева Компьютерная верстка И.А. Налейкиной

Сдано в набор 16.11.2022. Подписано в печать 07.12.2022. Формат 60*84%. Гарнитура Ариал. Усл. печ. л. 5,12. Уч.-изд. л. 4,75.

Подготовлено на основе электронной версии, предоставленной разработчиком стандарта

Создано в единичном исполнении в ФГБУ «Институт стандартизации» , 117418 Москва, Нахимовский пр-т, д. 31, к. 2.

¹

) Верхняя нотация «верблюжьего регистра» — соглашение о наименованиях, в котором составные слова объединяют без пробелов, при этом каждое слово следует писать с прописной буквы.

²

) Нижняя нотация «верблюжьего регистра» — соглашение о наименованиях, в котором составные слова объединяют без пробелов, при этом каждое слово, кроме первого, следует писать с прописной буквы.

³

Исправлена ошибка от оригинала. В настоящем стандарте также рассмотрен третий аспект (в части субъекта биометрической аутентификации).