移动设备在非受限场景下采集的新眼周数据集
计算机视觉与模式识别
2022-11-16 v2
摘要
近来，利用可见光波段图像在不受限环境中进行眼生物特征识别引起了研究者的关注，尤其是采用移动设备捕获的图像。当虹膜特征因遮挡或低图像分辨率而不可用时，眼周识别已被证明是一种替代方案。然而，眼周特征不具备虹膜特征所拥有的高独特性。因此，使用包含大量受试者的数据集对于评估生物识别系统从眼周区域提取判别信息的能力至关重要。此外，为应对眼周区域中由光照与属性引起的类内差异，使用同一受试者在不同的会话中捕获的图像的数据集也极为重要。由于文献中可用的数据集并未呈现上述所有因素，本工作中我们提出一个新的眼周数据集，包含来自 1,122 名受试者的样本，由 196 种不同的移动设备在 3 个会话中采集。图像在不受限环境中捕获，仅向参与者给出单一指示：将眼睛置于感兴趣区域。我们还使用多种卷积神经网络（CNN）架构以及基于多类分类、多任务学习、成对滤波器网络和连体网络的最先进方法中所用的模型进行了广泛基准测试。在封闭与开放世界协议下，针对识别与验证任务所得结果表明该领域仍亟需研究与开发。
引用
@article{arxiv.2011.12427,
title = {A New Periocular Dataset Collected by Mobile Devices in Unconstrained Scenarios},
author = {Luiz A. Zanlorensi and Rayson Laroca and Diego R. Lucio and Lucas R. Santos and Alceu S. Britto and David Menotti},
journal= {arXiv preprint arXiv:2011.12427},
year = {2022}
}