Научная статья на тему 'Формат данных на основе XML-разметки для обмена биометрическими образцами'

Формат данных на основе XML-разметки для обмена биометрическими образцами Текст научной статьи по специальности «Компьютерные и информационные науки»

CC BY
385
132
i Надоели баннеры? Вы всегда можете отключить рекламу.
Ключевые слова
ФОРМАТ ОБМЕНА ДАННЫМИ / БИОМЕТРИЯ / XML / DATA EXCHANGE FORMAT / BIOMETRICS

Аннотация научной статьи по компьютерным и информационным наукам, автор научной работы — Альтергот А. В., Вишнякова О. А., Лавров Д. Н.

В работе представлено описание формата XML-документа, содержащего биометрические образцы и выборки. При проектировании формата была заложена платформонезависимость, расширяемость формата. Формат используется для обмена данными между модулями разрабатываемой в настоящее время системы сбора биометрических данных.

i Надоели баннеры? Вы всегда можете отключить рекламу.
iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

XML-based data format for biometric samples exchange

The article describes the format of XML-document containing biometric templates and samples. The platform independence and format extensibility were established during the format designing. The format is used to exchange data between modules of system for collecting biometric data that is currently under development.

Текст научной работы на тему «Формат данных на основе XML-разметки для обмена биометрическими образцами»

структуры и моделирование 2013. № 2(28). С. 60-67

УДК 004.624:57.087.1

ФОРМАТ ДАННЫХ НА ОСНОВЕ XML-РАЗМЕТКИ ДЛЯ ОБМЕНА БИОМЕТРИЧЕСКИМИ ОБРАЗЦАМИ

А.В. Альтергот, О.А. Вишнякова, Д.Н. Лавров

В работе представлено описание формата XML-документа, содержащего биометрические образцы и выборки. При проектировании формата была заложена платформонезависимость, расширяемость формата. Формат используется для обмена данными между модулями разрабатываемой в настоящее время системы сбора биометрических данных.

Введение

Разбор формата данных можно проигнорировать при сборе данных, но рано или поздно встанет вопрос об интерпретации собранных данных. Командой разработчиков рассматривались два подхода: хранить данные в отдельных файлах в известных форматах или в уже разобранном виде, например, в виде строк вида [[2.0 3.0] [4.0 6.0]] [1]. Первый вариант был отвергнут из-за невозможности контролировать изменения форматов и их огромного разнообразия. Второй вариант был отвергнут из-за сильной избыточности и необходимости разбора строки, представляющей многомерный массив, а также «угрозы» реальной или мнимой потери точности при округлении.

Предложено компромиссное решение. Хранить бинарные данные в виде байтового потока (в XML в кодировке Base64, в базе данных в BLOB-полях можно хранить как набор байт) с указанием спецификатора байтового потока. В спецификаторе указывается тип ячейки и максимальное значение параметра, которое не должно превышать максимального числа ячейки.

1. XML-схема

При передаче биометрического образца нам требуется снабдить его множеством метаданных. В свою очередь метаданные могут в совокупности формировать некоторую сущность.

К примеру, сенсор, которым образец был снят, являясь частью описания образца, может быть представлен как самостоятельная сущность, а список сенсоров, используемых в конкретной системе хранения и обработки биометриче-

Copyright © 2013 А.В. Альтергот, О.А. Вишнякова, Д.Н. Лавров

ООО «Люксофт»; Омский государственный университет им. Ф.М. Достоевского E-mail: [email protected], [email protected], [email protected]

ских образцов, может быть передан самостоятельно как справочник. Структура элемента <sensor/> в стандарте XML Schema имеет следующий вид:

<xs:complexType name="Sensor"> <xs:sequence>

<xs:element name="name" type="String"

minOccurs="0" maxOccurs="1"/> <xs:element name="description" type="String" minOccurs="0" maxOccurs="1"/>

</xs:sequence>

<xs:attribute name="id" type="Long" use="required"/> </xs:complexType>

Сенсоры могут быть различных типов. В частности:

<xs:complexType name="Microphone"> <xs:complexContent>

<xs:extension base="Sensor">

<xs:sequence minOccurs="0"/> </xs:extension> </xs:complexContent> </xs:complexType>

В данном случае тип сенсора «микрофон» не имеет каких-либо дополнительных характеристик, но в будущем они могут появиться, при этом базовый тип Sensor меняться не будет.

Следовательно, элемент <sensor/> в XML файле имеет вид (в данном случае микрофон):

<sensor xsi:type="bio:Microphone" id="1"> <name>Genius</name>

<description>10Hz-22kHz</description> </sensor>

Для элемента <sensor/> обязательным является лишь атрибут @id, которого достаточно для определения сенсора, при условии, что он известен системе. Мы предполагаем, что все известные системе сенсоры будут вноситься в неё заранее, с присвоением соответствующего id. Элемент <sensor/> может быть частью описания образца и элементом списка справочника сенсоров в случае его выгрузки в XML.

Аналогично, данные о субъекте выделяются в элемент <subject/>. Описание типа:

<xs:complexType name="Subject">

<xs:sequence>

<xs:element name="hash" type="String"

minOccurs="1" maxOccurs="1"/> <xs:element name="gender" type="Gender"

minOccurs="0" maxOccurs="1"/> <xs:element name="birthdate" type="Date"

minOccurs="0" maxOccurs="1"/> <xs:element name="document" type="String" minOccurs="0" maxOccurs="1"/> <xs:element name="comment" type="String" minOccurs="0" maxOccurs="1"/>

</xs:sequence>

<xs:attribute name="id" type="Long" use="optional"/> </xs:complexType>

Обязательным у <subject/> является наличие hash^. Мы накладываем уникальность на hash в рамках системы, поскольку биометрические образцы хранятся и передаются обезличенными, в то время как hash вычисляется по персональным данным испытуемого. Таким образом, мы всегда знаем, что образцы, будучи сняты в разное время разными способами, принадлежат одному и тому же человеку, но неизвестно кому именно. Пример <subject/> в XML:

<subject>

<hash>87cc535ab17...ea286</hash> <gender>MALE</gender>

<birthdate>2013-01-01T00:00:00.000Z</birthdate> <comment>Comment</comment> </subject>

Отметим, что типы String, Long, Date, Gender и другие простые типы описаны в схеме, их вид интуитивно понятен, не требует отдельных пояснений.

Как уже было сказано, передаётся и хранится биометрический образец + метаданные. Описав отдельные сущности, мы можем перейти к «центральному» элементу биометрической схемы на основе XML. Структура его следующая:

<xs:complexType name="Sample"> <xs:sequence>

<xs:element name="timeStamp" type="Date" minOccurs="1"

maxOccurs="1"/> <xs:element name="binaryData" type="BinaryData"

minOccurs="1" maxOccurs="1"/> <xs:element name="format" type="String" minOccurs="1"

maxOccurs="1"/> <xs:element name="hash" type="String" minOccurs="1"

maxOccurs="1"/> <xs:element name="subject" type="Subject" minOccurs="1"

maxOccurs="1"/> <xs:element name="sensor" type="Sensor" minOccurs="1" maxOccurs="1"/>

</xs:sequence>

<xs:attribute name="id" type="Long" use="optional"/> </xs:complexType>

Элемент <binaryData/> типа BinaryData содержит снятый биометрический образец. На данном этапе развития системы под этим типом подразумевается обыкновенный массив байт в формате Base64. В будущем, он может содержать ссылку на файл в файловой системе или выполнен в виде attachment. В любом случае, снятый образец представляет собой набор байт, а информацию о том, как интерпретировать этот набор, содержит элемент <format/>. Атрибут @id не является обязательным для элемента <sample/>, присутствует в служебных целях. Для hash требование аналогичное таковому для элемента <subject/> (см. выше).

Аналогично сенсорам образцы имеют различные типы. В частности, описание образца типа «речевой образец»:

<xs:complexType name="VoiceSample"> <xs:complexContent>

<xs:extension base="Sample"> <xs:sequence>

<xs:element name="text" type="Text" minOccurs="1"

maxOccurs="1"/> <xs:element name="handMarking" type="String" minOccurs="0" maxOccurs="1"/>

</xs:sequence> </xs:extension> </xs:complexContent> </xs:complexType>

Заметим, что речевой образец содержит дополнительные характерные свойства, как то: прочитанный текст (элемент <text/>), ручная разметка фонем (<handMarking/>). Другие типы образцов могут иметь индивидуальные характерные свойства.

Исходя из вышесказанного, XML-документ, содержащий речевой биометрический образец, снятый микрофоном, будет иметь следующий вид:

<?xml version="1.0" encoding="UTF-8" standalone="yes"?> <bio:samples xmlns:bio="http://omsu.ru/fkn/ctn/bio/sample/schema"> <sample xsi:type="bio:VoiceSample"

xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"> <timeStamp>2013-08-30T00:44:30.143Z</timeStamp> <binaryData> <data>

EuwVAhKgFC8TZx ...<omitted output>...

A3ADMAGAAXAAH/0/+3/4X/Vv9e/3n/jf+d/3j/XP9K/yb/Qv9v </data> </binaryData>

<format>84000:s:48000</format>

<hash>1b7 0407 0894 647 8db8d834f ... eff61</hash>

<subject>

<hash>c65cdec4aa512f67fd7 5 ... 3701a</hash>

<gender>MALE</gender>

<birthdate>2013-08-30T00:00:00.000Z</birthdate> <comment>comment</comment> </subject>

<sensor xsi:type="bio:Microphone" id="1"> <name>Genius</name>

<description>10Hz-22kHz</description> </sensor> <text>

<hash>3b44a0714 0e7 6ddb2 6ae8 ... c7d82</hash> <text>абвгд</text> </text> </sample>

Достоинства

• Описанный подход делает возможным взаимодействие с биометрическим образцом, как с объектом в рамках привычной объектно-ориентированной модели. Одновременно формат XML является текстовым, что позволяет человеку читать и редактировать метаданные без использования специальных средств.

• Технология XML Schema позволяет валидировать XML-документ по описанным правилам.

Технология XML Schema позволяет применять инструменты кодогенера-ции для объектно-ориентированных языков программирования, что ускоряет процесс разработки приложений. В комплексе с каркасами XML-парсинга подход позволяет быстро и удобно инстанциировать в памяти объекты биометрических образцов.

Недостаки

• Формат XML, в силу своих особенностей, вносит приличную долю служебных тегов в передаваемые данные.

• Используемый на данном этапе подход передачи бинарной информации — формат Base64 — является избыточным, добавляет 1/3 от объёма данных.

В текущей редакции схема данных подразумевает дублирование некоторых элементов. Например, конструкция <subject><hash>ABC<hash/><subject/>

будет обязательно присутствовать в каждом образце, снятого с человека с hash=ABC.

2. Формат спецификатора

Формат бинарных данных описывается тэгом <format> содержащим спецификатор формата. Его структура описывается следующим образом:

Ni х ... х N х ... х Nr : TiMi... TLML : Fs,

4-V-'

размерность где R — размерность данных;

Ni — количество точек на соответствующей i-й оси; L — число полей в ячейке;

TjMj — тип ячейки (Tj) и максимальное значение (Mj), которое может быть опущено, что будет означать, что оно совпадает с максимальным, определяемым типом; Tj = {b, s,i,l, B, S, I, L, F, D};

B — байт без знака (8 бит),

S — слово без знака (16 бит),

I — двойное слово без знака (32 бита),

L — четверное слово без знака (64 бита), в нижнем регистре те же размерности со знаком (соответствуют в точности типам java:

b — byte, s — short, i — int, l — long,

F — соответствует java float (32 бита), D — соответствует java double (64 бита).

Fs — частота дискретизации в герцах (для звука, сигналов акселерометров и графического планшета), разрешение при печати в точках на дюйм (для изображений), в кадрах в секунду для видеопотока;

: — разделитель между группами однотипных полей (:: — отсутствующее поле, значение по умолчанию в соответствии с типом);

х — разделитель внутри группы размерность (хх — значение по умолчанию в соответствии с типом); в реальном XML-файле вместо х используется x).

2.1. Примеры спецификаций формата

Изображение размером 320 х 200 в формате RGB с разрешением 300 dpi:

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

320x200:BBB:300 — сокращённая форма; 320x200:B255B255B255:300 — полная форма.

Изображение размером 320x200 в формате CMYK с разрешением 600 dpi:

320x200:BBBB:600

Монозвуковая дорожка с частотой дискретизации 48 кГц и 32-битной оцифровкой (4 байта), 1000 отсчётов:

1000:I:48000 — нецентрированные или

1000:i:48000 — центрированные относительно нуля отсчёты.

Стереозвуковая дорожка с частотой дискретизации 22 кГц и 16-битной оцифровкой, 32000 отсчётов:

32000:II:22000

Данные графического планшета A6 (4,13x5,83 дюйма) с частотой дискретизации по времени 50 Гц и разрешением по горизонтали и вертикали 2540 dpi (lpi) и 512 уровнями давления, 2000 отсчётов:

2000:FFS512:xxx:50, если разрешение сразу переводится во float

или, если не переводится, — используем формат без сокращений

(4,13*2540=10490,2 точек; 5,83*2540= 14808,2 ):

2000:S10491S14809S512:50.

Пример формат-строки видеопотока в 1000 кадров размером 320x200 в формате RGB и частотой 30 кад. / сек.

320x200x1000:BBI:30.

2.2. Порядок байт

Порядок байт для записи чисел будем использовать от старших байт к младшим. Этот порядок не совпадает с принятыми соглашениями для архитектуры процессоров Intel, но является более естественным и, кроме того, BIG_ENDIAN используется по умолчанию в Java. Преобразования из BIG_ENDIAN в LITTLE_ENDIAN в языке Java не представляет сложности1.

2.3. Регулярное выражение для проверки формат-строки

Только для удобства представления регулярное выражение разбито ниже на три строки с отступами:

((?:[1-9][0-9]*)(?:x[1-9][0-9]*)*):

((?:[B,b,I,i,L,l,S,s,F,D](?:[1-9][0-9]*)?(?:\\{\\w+?\\})?)+):

([1-9][0-9]*(?:\\{\\w+\\})?)

Регулярное выражение представляет собой единую строку без каких-либо пробелов.

Регулярное выражение сформировано так, чтобы стандартные группы group(1), group(2), group(3) содержали поля, разделённые двоеточиями, которые в последующем можно будет разбирать отдельно.

Для проверки работы регулярного выражения созданы JUnit-тесты.

'Примеры смены порядка байт можно найти в статье http://javainception. ru/index.php/sistemavvodavivodajava/sistemavvodavivodajava/ o-poryadke-baytov.html

2.4. Критика

Присутствует изменчивость единиц измерения Fs: то это может быть dpi, а может быть Hz или fps (кадров в секунду). Для улучшения читаемости и лучшего понимания контекста решено ввести комментарии в формат-строку (?:\{\w+\})?). Таким образом, формат-строки с комментариями теперь выглядят так:

1000:B:100{Hz}

123:L{x}L{y}L{p}L{t}:60{Hz}

1000:L{x}L{y}L{p}L{t}:60{Hz}

320x200:B255{Red}B255{Green}B255{Blue}B255{null}:300{dpi} 3. Заключение

В результате длительных дискуссий в коллективе разработчиков выработан формат, который удовлетворяет большинство разработчиков проекта. Спецификация формат-строки представлена в данной статье. Разработано регулярное выражение для быстрой проверки корректности формат-строки и её последующего анализа. Созданы JUnit-тесты для модульного тестирования использования этого регулярного выражения.

В проектах, в которых используется текстовое представление собираемых данных, формат и подход, описанные в [1], могут быть удобнее в использовании и в действительности активно продолжают использоваться [3]. Тем не менее, представленный в данной работе формат более универсален. В настоящее время разрабатывается вторая версия JSON-формата, которая будет использовать идеи и подходы, описанные здесь для XML.

Описанная в данной статье схема XML-документа в настоящее время используется в разрабатываемой системе сбора биометрических данных, код которой размещается на сервере bitbucket по адресу: https://bitbucket.org/ dlavrov/biometricsmodelling. Результаты работы докладывались на научной конференции [2].

Литература

1. Вишнякова О.А., Лавров Д.Н. Формат обмена данными в системе сбора и обработки биометрических образцов // Международная научно-практическая конференция «Информационные ресурсы в образовании». Нижневартовск : НГГУ, 17-19 апреля 2013. С. 146-148.

2. Лавров Д.Н., Альтергот А.В., Вишнякова О.А., Долгополов В.П. Спецификатор бинарных данных для XML-формата обмена биометрическими данными // Математическое и компьютерное моделирование : сборник материалов научной конференции (Омск, 18 октября 2013 г.). Омск : Изд-во Ом. гос. ун-та, 2013. С. 49-52.

3. Казанцева А.Г. Архитектура для сбора биометрических образцов походки человека // Математическое и компьютерное моделирование : сборник материалов научной конференции (Омск, 18 октября 2013 г.). Омск : Изд-во Ом. гос. ун-та, 2013. С. 58-64.

i Надоели баннеры? Вы всегда можете отключить рекламу.