ICS 35.240.15 CCS L 67 中华人民共和国国家标准 GB/T41772—2022 信息技术 生物特征识别 人脸识别系统技术要求 Information technology-Biometrics-Technical requirements for face recognition system 2023-05-01实施 2022-10-12发布 国家市场监督管理总局 发布 国家标准化管理委员会 GB/T 41772—2022 目 次 前言 1 范围 规范性引用文件 2 3 术语和定义 缩略语 系统架构及业务流程 5 5.1 系统架构 5.2 业务流程 功能要求 6 6.1 视图采集 6.2 视图解析 6.3 存储 6.4 比对 6.5 决策 6.6 管理 6.7 应用开放接口 性能要求 7 7.1 样本质量 7.2 人脸检测 7.3 人脸注册 7.4 人脸识别 7.5 响应时间 附录A（规范性） 活体检测 10 参考文献 12 GB/T41772—2022 前言 起草。 请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任 本文件由全国信息技术标准化技术委员会（SAC/TC28）提出并归口。 本文件起草单位：上海商汤智能科技有限公司、中国电子技术标准化研究院、云从科技集团股份有 限公司、华为技术有限公司、北京眼神智能科技有限公司、杭州海康威视数学技术股份有限公司、科大讯 飞股份有限公司、上海依图网络科技有限公司、蚂蚁科技集团股份有限公司、深圳市腾讯计算机系统有 限公司、北京百度网讯科技有限公司、建信金融科技有限责任公司、深圳云天励飞技术股份有限公司、公 安部第三研究所、福州数据技术研究院有限公司、同方威视技术股份有限公司、中兴通讯股份有限公司、 北京集创北方科技股份有限公司、浙江大华技术股份有限公司、联想中天科技有限公司、青岛海信网络 息股份有限公司、杭州宇泛智能科技有限公司、罗克佳华科技集团股份有限公司、北京曙光易通技术有 限公司、北京思科技有限公司、厦门瑞为信息技术有限公司、中科视语（北京）科技有限公司、熵基科技 股份有限公司、厦门嫡基科技有限公司、北京邮电大 、深圳市捷顺科技实业股份有限公司、上海市计量 测试技术研究院、广东中科臻恒信息技术有限公司、中国汽车工程研究院股份有限公司、新天陆数学技 术股份有限公司、福建海景科技开发有限公司、北京清微智能科技有限公司、北京小来移动软件有限公 司、圣点世纪科技股份有限公司、惠州学院、广东九联科技股份有限公司、国网区块链科技（北京）有限公 司、国家工业信息安全发展研究中心。 本文件主要起草人：蒋慧、钟陈、宋方方、王文峰、宋继伟、吴一超、李军、孟凡辉、杨春林、刘倩颖、 王春茂、昊子扬、赵春昊、林冠辰、蒋增增、朱胜贤、刘丽娟、程冰、刘月霞、方斌、张丽、贾霞、张普芳、郝敬松 李杰、间凡兵、王启立、张鑫、陈子沣、郑东、廖强、于雪平、谢佩博、何一凡、王金桥、林晓清、陈书楷、贺斌、 李佩佩、唐健、孙荣荣、杨敬锋、雷剑梅、蔡春水、黄来青、王博、朱亚军、冯娅东、罗中良、何强、龚琼、王栋、 朱倩倩、梁鼎、闫俊杰、主志芳、李玮。 GB/T41772—2022 信息技术生物特征识别 人脸识别系统技术要求 1范围 本文件给出了人脸识别系统的架构及业务流程，规定了功能要求和性能要求。 本文件适用于人脸识别系统的设计、开发与应用。 2规范性引用文件 下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文 件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于 本文件。 GB/T28826.2 信息技术 公用生物特征识别交换格式框架第2部分：生物特征识别注册机构 操作规程 3术语和定义 3 下列术语和定义适用于本文件。 3.1 人脸识别 Jfacerecognition 基于自然人的面部特征对该个体的自动识别。 L来源：GB/T38671一2020，3.1.2，有修改 3.2 人脸识别系统 facerecognitionsystem 通过人脸识别来确认特定自然人或特定自然人身份的系统。 3.3 用户user 《人脸识别系统》以任何方式与人脸识别系统交互的任何自然人或组织。 注：在讨论与人脸识别系统相关的用户，会使用专门的术语。如：人脸特征采集主体、人脸数据主体、人脸识别系统 所有者、人脸识别系统运营者等。在本文件中需要根据上下文判断“用户”的特指对象 ［来源：GB/T5271.37—2021，3.7.20，有修改］ 3.4 人脸特征项 facefeature 从人脸样本中提取的用于比对的数值或标记。 3.5 人脸样本 face sample 在人脸特征项提取之前的人脸特征特性的模拟表示或数字表示。 1 GB/T41772—2022 3.6 人脸参考facereference 属于用户并作为人脸比对对象的、已存储的人脸样本或人脸特征项， 注：人脸参考类型的选择和使用与应用相关，具体规定见GB/T35273、GB/T40660。 3.7 人脸参考标识符 Fface referenceidentifier 指向人脸参考数据库中的人脸参考数据记录的指针。 3.8 人脸探针 faceprobe 输入到算法并与人脸参考进行比对的人脸样本或人脸特征项的集合。 注：人脸探针类型的选择和使用与应用相关，具体规定见GB/T35273GB/T40660 3.9 人脸验证 face verification 将所产生的人脸探针与给定的已存储的人脸参考进行比对（1：1比对），以确认用户是否为所声明 的身份的一种人脸识别应用方式 ［来源：GB/T38671—2020，3.1.4，有修改］ 3.10 人脸辨识 faceidentification 将所产生的人脸探针与已存储的指定范围内的所有人脸参考进行比对（1：N比对），以确认用户 身份的一种人脸识别应用方式。 ［来源：GB/T38671—2020，3.1.5，有修改］ 3.11 样本质量 sample quality 人脸样本符合人脸识别应用指定条件的适应度的度量。 注：人脸识别应用指定条件涉及几个方面，如清晰度、人脸大小等 3.12 质量判断 fquality judgment 检验采集到的样本质量是否符合人脸识别应用指定条件的过程。 3.13 相似度得分 similarityscore 随着相似度的增加而增加的比对得分。 ［来源：GB/T5271.37—2021，3.3.35］ 3.14 错误接受率 falseacceptancerate 人脸验证中，错误接受数量占正确拒绝数量与错误接受数量之和的比例 注：错误接受率有时也被称作误匹配率、误识率、认假率、假阳率等，根据具体应用选择合适的术语，用百分比表示 3.15 错误拒绝率 faise rejection rate 人脸验证中，错误拒绝数量占正确接受数量与错误拒绝数量之和的比例。 注：错误拒绝率有时也被称作拒真率、假阴率等，根据具体应用选择合适的术语，用百分比表示。 3.16 错误接受辨识率false-positiveidentificationrate 人脸辨识中，错误接受数量占正确拒绝数量与错误接受数量之和的比例。 注：错误接受辨识率有时也被称作误报率、误警率、虚警率等，用百分比表示。 GB/T41772—2022 3.17 错误拒绝辨识率 false-negativeidentificationrate 人脸辨识中，错误拒绝数量占正确接受数量与错误拒绝数量之和的比例 注：错误拒绝辨识率有时也被称作漏报率、漏警率等，根据具体应用选择合适的术语，用百分比表示。 3.18 活体检测 liveness detection 对解部学特征、无意识或有意识的反应的度量和分析，以确定采集到的人脸样本是否来自采集端有 生命体征的人 注：活体检测是呈现攻击检测的子集。 4缩略语 下述缩略语适用于本文件。 FAR 错误接受率（FalseAcceptanceRate） FRR 错误拒绝率（FalseRejectionRate) FPIR 错误接受辨识率（False-positiveIdentificationRate） FNIR 错误拒绝辨识率（False-negativeIdentificationRate) LDFAR 活体检测错误接受率（LivenessDetectionFalseAcceptanceRate） LDFRR 活体检测错误拒绝率（LivenessDetectionFalseRejectionRate） 5 系统架构及业务流程 5.1 系统架构 人脸识别系统由视图采集子系统、视图解析子系统、存储子系统、比对子系统、决策子系统、管理子 系统以及应用开放接口等组成。人脸识别系统架构见图1。 人脸识别应用 人脸抓拍 人证核验 人脸检索 人脸聚档 其他应用 应用开放接口 人脸注册接口 人脸辨识接口 人脸验证接口 活体检测接口 其他接口 视图解析 存储广系统 比对了系统 决策了系统 管理了系统 子系统 设置阀值 人险检测 人脸注册数据库 1:1比对 人验验证 口志管理 决策 质量判断 视阁 权限管理 采集子系统 特征项提取 实时采集数据库 接口配置 人脸限踪 人脸辨识 1:N比对 决策 用户管理 属性检测 其他管理 活体检测 必选 可选 人脸识别系统 图1人脸识别系统架构 3 GB/T41772—2022 人脸识别系统具体组成如下。 a) 视图采集子系统：用于人脸图像或视频的采集，包括人脸采集设备以及执行人脸采集过程所需 的任何子过程。 b) 视图解析子系统