この規格 プレビューページの目次
※一部、英文及び仏文を自動翻訳した日本語訳を使用しています。
3 用語と定義
このドキュメントの目的のために、ISO/IEC 39794-1, ISO/IEC 39794-16, および ISO/IEC 2382-37 に記載されている用語と定義、および以下が適用されます。
ISO と IEC は、次のアドレスで標準化に使用する用語データベースを維持しています。
3.1
3D モデル
非推奨: 3D 画像
3D 空間で表面または体積形状をエンコードする 3 次元バイオメトリック キャプチャ対象身体表現
注記 1: 3D モデルは、高度に処理されたバイオメトリック対象体の 3D 形状である場合があります。
3.2
生体認証プロファイル
特定の生体認証機能に影響を与えるために使用される基本規格のサブセットまたは組み合わせの適合
注記 1:生体認証プロファイルは、アプリケーション間のデータ交換とシステムの相互運用性をサポートすることを目的として、関連する基本規格で説明されているオプションの範囲から特定の値または条件を定義します。
[出典: ISO/IEC 24713-1:2008, 3.9]
3.3
全身認識
形態に基づく個人の自動認識
注記1：これには、頭、胴体、四肢のいずれかまたはすべてが含まれる。
3.4
歩行認識
歩き方から個人を自動認識
3.5
人間の識別
バイオメトリック キャプチャ対象画像のリストを検索して、入力画像と照合するプロセス
注記 1: 1 対多 (1: N) 検索とも呼ばれます。
3.6
ケラレ
画像の中心と比較して、周辺に向かって画像の明るさまたは彩度が低下する
参考文献
| [1] | ISO/CIE 11664-1, 測色 — 1: CIE 標準測色オブザーバー |
| [2] | ISO/CIE 11664-4, 測色 — 4: CIE 1976 L*a*b* 色空間 |
| [3] | ISO 12233, 写真 — 電子静止画イメージング — 解像度と空間周波数応答 |
| [4] | ISO/IEC 23008-12, 情報技術 — 異種環境における高効率コーディングとメディア配信 — 12: 画像ファイル形式 |
| [5] | ISO 22311, 社会保障 — ビデオ監視 — エクスポートの相互運用性 |
| [6] | ISO/IEC 3013, 情報技術 — ビデオ監視システムにおけるバイオメトリクスの使用 |
| [7] | EN 62676, セキュリティ アプリケーションで使用するビデオ監視システム |
| [8] | IEC 62676-4, セキュリティ アプリケーションで使用するビデオ監視システム – 4: 募集要項 |
| [9] | Ali H, Dargham J, Ali C, Moung EG, 2011 年）。 Gait Recognition using Gait Energy Image, Computer Engineering Program, School of Engineering and Information Technology, University Malaysia Sabah, Kota Kinabalu - 88999, Sabah, Malaysia |
| [10] | Bouchrika I, Mark S Nixon, 歩容分析と認識のためのモデルベースの特徴抽出、電子工学およびコンピューター サイエンス学部、サウサンプトン大学、SO17 1BJ, 英国 |
| [11] | Kantz H.、Schreiber T.、非線形時系列分析。ケンブリッジ大学出版局、ケンブリッジ、2004 |
| [12] | Kellokumpu V, Zhao G, Li SZ, Pietikäinen M, 2009）。 Dynamic Texture Based Gait Recognition, Machine Vision Group University of Oulu, PO 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 |
| [13] | Liao S, Zhao G, Vili Kellokumpu, Matti Pietikainen, Stan Z Li (2010) Modeling pixel process with scale invariant local pattern for background reduction in complex scene, 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 |
| [14] | 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, 中国科学院, 北京, PR中国、100080 |
| [15] | Gross R., Shi J., 2001) 体の CMU 運動 (MoBo) データベース。テクニカル レポート CMU-RI-TR-01-18, ロボティクス研究所、カーネゲ メロン大学 |
| [16] | Sarkar S, Phillips J, Liu Z, Robledo I, Grother P, Bowyer KW. The Human ID Gait Challenge Problem: Data Sets, Performance, and Analysis. IEEE トランス パターン アナル。行うインテル。 2005, 27(2) pp. 162–177 |
| [17] | Yu S, Tan D, Tan T 外観ベースの歩行認識に対するビュー変動の影響のモデル化。進行中。第 7 回アジア コンピュータ ビジョン会議 (ACCV06) |
| [18] | Akae N, Makihara Y, Yagi Y, 2011) 低フレームレート動画に対する周期的時間超解像を用いた歩行認識.大阪大学, 978-1-4577-1359-0/11/2011 IEEE |
| [19] | Tommy Öberg MD, PhD, Alek Karsznia, PT, PhD, Kurt Öberg, PhD.基本的な歩行パラメーター: 10 ～ 79 歳の健常者の参考データ。 J.リハビリ。 Res. Dev. 1993, 30 (2) pp. 210-223 |
| [20] | Hasan M., Makihara Y., Muramatsu D., Yagi Y., 2016) Gait Gate: An Online Walk-through Multimodal Biometric Verification System using a Single RGB-D Sensor, 大阪大学産業科学研究所, 大阪,日本とショブラ工学部、ベンハ大学、カイロ、エジプト |
| [21] | ミリ波およびサブミリ波/テラヘルツ パッシブイメージングシステム要件. A Phenomenological Perspective, 最終報告書、米国陸軍研究所、ATTN: RDRL-SEE-E, 2800 Powder Mill Road, Adelphi, MD 20783-1197 |
| [22] | Castro FM, Marin-Jimenez MJ, Guil N, Perez de la Blanca N, 人物識別のための歩行シグネチャの自動学習、2016 年、arXiv:1603.01006v2 [cs.CV] |
| [23] | Wu Z., Huang Y., Wang L., Wang X., Tan T., 2016), A Comprehensive Study on Cross-View Gait based human identification with Deep CNNs, Center for Research on Intelligent Perception and Computing (CRIPAC), National Laboratory of Pattern Recognition (NLPR), Institute of Automation, Chinese Academy of Sciences (CASIA), 北京, 100190, PR China |
| [24] | Birch I, Raymond L, Christou A, Fernando MA, Harrison N, Paul F. 閉回路テレビ映像を使用した観察歩行分析による個人の識別。理科判事 53, 339-34 (doi:10.1016/j.scijus.2013.04.005) |
| [25] | Simonyan K, Zisserman A, ビデオでのアクション認識のための 2 ストリーム畳み込みネットワーク、2014 年、arXiv:1406.2199 [cs.CV] |
| [26] | Chen Qiang, Wang Yunhong, Liu Zheng, Liu Qingjie, および Di Huan, シルエット シーケンス画像に基づくクロス ビュー歩行認識のためのフィーチャ マップ プール、ビッグ データおよびブレイン コンピューティングのための北京先進イノベーション センター、北京、北京、北京、中国 |
| [27] | Li R, Zickler T, (2012) クロスビュー アクション認識のための識別可能な仮想ビュー、ハーバード大学工学および応用科学 |
| [28] | Zhang Z, Wang C, Xiao B, Zhou W, Liu S, Shi C Cross-View Action Recognition via a Continuous Virtual Path, State Key Laboratory of Management and Control for Complex Systems, CASIA |
| [29] | INTERPOL, 災害犠牲者識別ガイド、最新版、 https://www.interpol.int/How-we-work/Forensics/Disaster-Victim-Identification-DVI |
| [30] | ライス アリソン P, フィリップス ジョナソン、ナトゥ ヴァイデヒ、アン シャオボー、オトゥール。アリス・J, 顔認証失敗時の身体からの無意識の人物認識、2013年 |
3 Terms and definitions
For the purposes of this document, the terms and definitions given in ISO/IEC 39794-1, ISO/IEC 39794-16, and ISO/IEC 2382-37 and the following apply.
ISO and IEC maintain terminological databases for use in standardization at the following addresses:
3.1
3D model
DEPRECATED: 3D image
three-dimensional biometric capture subject body representation that encodes a surface or a volumetric shape in a 3D space
Note 1 to entry: a 3D model can be a heavily processed biometric subject body 3D shape.
3.2
biometric profile
conforming subsets or combinations of base standards used to effect specific biometric functions
Note 1 to entry: Biometric profiles define specific values or conditions from the range of options described in the relevant base standards, with the aim of supporting the interchange of data between applications and the interoperability of systems.
[SOURCE: ISO/IEC 24713-1:2008, 3.9]
3.3
full body recognition
automated recognition of individuals based on their morphology
Note 1 to entry: This can include any or all of the head, torso and limbs.
3.4
gait recognition
automated recognition of individuals based on their manner of walking
3.5
human identification
process of searching through a list of biometric capture subject images to match against an input image(s)
Note 1 to entry: Also known as one-to-many (1: N) searching.
3.6
vignetting
reduction of image brightness or saturation toward the periphery compared to the image centre
Bibliography
| [1] | ISO/CIE 11664-1, Colorimetry — 1: CIE standard colorimetric observers |
| [2] | ISO/CIE 11664-4, Colorimetry — 4: CIE 1976 L*a*b* colour space |
| [3] | ISO 12233, Photography — Electronic still picture imaging — Resolution and spatial frequency responses |
| [4] | ISO/IEC 23008-12, Information technology — High efficiency coding and media delivery in heterogeneous environments — 12: Image File Format |
| [5] | ISO 22311, Societal security — Video-surveillance — Export interoperability |
| [6] | ISO/IEC 30137 (all parts), Information technology — Use of biometrics in video surveillance systems |
| [7] | EN 62676, Video surveillance systems for use in security applications |
| [8] | IEC 62676-4, Video surveillance systems for use in security applications – 4: Application guidelines |
| [9] | 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 |
| [10] | 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 |
| [11] | Kantz H., Schreiber T., Nonlinear Time Series Analysis. Cambridge University Press, Cambridge, 2004 |
| [12] | Kellokumpu V., Zhao G., Li S.Z., Pietikäinen 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 |
| [13] | 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 |
| [14] | 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 |
| [15] | Gross R., Shi J., 2001) The CMU motion of body (MoBo) database. Technical Report CMU-RI-TR-01-18, Robotics Institute, Carnege Mellon University |
| [16] | 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 |
| [17] | Yu S., Tan D., Tan T., Modelling the Effect of View Variation on Appearance-based Gait Recognition. In Proc. of the 7th Asian Conference on Computer Vision (ACCV06) |
| [18] | 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 |
| [19] | Tommy Öberg MD, PhD, Alek Karsznia, PT, PhD, Kurt Öberg, PhD. Basic gait parameters: Reference data for normal subjects, 10-79 years of age. J. Rehabil. Res. Dev. 1993, 30 (2) pp. 210–223 |
| [20] | Hasan M., Makihara Y., Muramatsu D., Yagi Y., 2016) Gait Gate: An Online Walk-through Multimodal Biometric Verification System using a Single RGB-D Sensor, Institute of Scientific and Industrial Research, Osaka University, Osaka, Japan and Shoubra Faculty of Engineering, Benha University, Cairo, Egypt |
| [21] | Millimeter-Wave and Submillimeter-Wave/Terahertz Passive Imaging System Requirements. A Phenomenological Perspective, Final Report, U.S. Army Research Laboratory, ATTN: RDRL-SEE-E, 2800 Powder Mill Road, Adelphi, MD 20783-1197 |
| [22] | 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] |
| [23] | Wu Z., Huang Y., Wang L., Wang X., Tan T., 2016), A Comprehensive Study on Cross-View Gait Based Human Identification with Deep CNNs, Center for Research on Intelligent Perception and Computing (CRIPAC), National Laboratory of Pattern Recognition (NLPR), Institute of Automation, Chinese Academy of Sciences (CASIA), Beijing, 100190, P. R. China |
| [24] | Birch I, Raymond L, Christou A, Fernando MA, Harrison N, Paul F, The identification of individuals by observational gait analysis using closed circuit television footage. Sci. Justice 53, 339–342. (doi:10.1016/j.scijus.2013.04.005) |
| [25] | Simonyan K., Zisserman A., Two-stream convolutional networks for action recognition in videos, 2014, arXiv:1406.2199 [cs.CV] |
| [26] | 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 |
| [27] | Li R., Zickler T. , (2012), Discriminative Virtual Views for Cross-View Action Recognition, Harvard School of Engineering and Applied Science |
| [28] | Zhang Z., Wang C., Xiao B., Zhou W., Liu S., Shi C., Cross-View Action Recognition via a Continuous Virtual Path, State Key Laboratory of Management and Control for Complex Systems, CASIA |
| [29] | INTERPOL, Disaster Victim Identification Guide, latest versions, https://www.interpol.int/How-we-work/Forensics/Disaster-Victim-Identification-DVI |
| [30] | Rice Allyson P., Phillips Jonathon , Natu Vaidehi, An Xiaobo, O’Toole. Alice J, Unaware Person Recognition From the Body When Face Identification Fails, 2013 |