虹膜定位基准与深度学习检测器评估
计算机视觉与模式识别
2018-10-17 v5
摘要
虹膜被认为是具有最高唯一概率的生物特征。虹膜定位是生物识别系统的一项重要任务,直接影响虹膜识别、 spoofing (欺骗攻击) 与隐形眼镜检测等具体应用中的结果。本工作将虹膜定位问题定义为包围虹膜区域的最小正方形窗口的划定。为构建虹膜定位基准,我们标注了(虹膜正方形边界框)来自不同生物识别应用的四个数据库,并公开提供给学界。除这 4 个标注数据库外,我们还包括了文献中的另外 2 个。我们在这些数据库上进行了实验,其中五个由近红外传感器获取,一个由可见光传感器获取。我们将经典的且杰出的 Daugman 虹膜定位方法与两种基于窗口的检测器进行比较:1) 基于方向梯度直方图 (HOG) 特征与线性支持向量机 (SVM) 分类器的滑动窗口检测器;2) 基于从 YOLO 目标检测器微调的深度学习检测器。实验结果表明,基于深度学习的检测器在精度与运行时间 (GPUs 版本) 上均优于其他检测器,应尽可能被选用。
引用
@article{arxiv.1803.01250,
title = {A Benchmark for Iris Location and a Deep Learning Detector Evaluation},
author = {Evair Severo and Rayson Laroca and Cides S. Bezerra and Luiz A. Zanlorensi and Daniel Weingaertner and Gladston Moreira and David Menotti},
journal= {arXiv preprint arXiv:1803.01250},
year = {2018}
}
备注
Accepted for presentation at the International Joint Conference on Neural Networks (IJCNN) 2018