一种用于基于 OCT 的指纹呈现攻击检测与重建的统一表示学习方法
计算机视觉与模式识别
2022-09-27 v1
摘要
光学相干断层扫描（OCT）指纹成像技术因能捕获皮肤各层的深度信息，为指纹识别开辟了新研究潜力。若能充分利用深度信息，则有望开发稳健且高安全性的自动指纹识别系统（AFRSs）。然而，现有研究将基于深度信息的呈现攻击检测（PAD）与皮下指纹重建作为两个独立分支处理，导致 AFRS 构建的计算量和复杂度较高。因此，本文提出一种用于基于 OCT 的指纹 PAD 与皮下指纹重建的统一表示模型。首先，我们设计了一种新颖的语义分割网络，仅使用基于 OCT 的真实手指切片训练，以从这些切片（也称 B-scan）中提取多个皮下结构。该网络导出的潜码直接用于有效检测 PA，因其包含丰富的皮下生物信息，该信息独立于 PA 材料并对未知 PA 具有强鲁棒性。同时，分割出的皮下结构被用于重建多个皮下 2D 指纹。利用现有成熟的基于传统 2D 指纹的技术即可轻松实现识别。我们在自建数据库上进行了大量实验，该库是最大的公开基于 OCT 的指纹数据库，含 2449 个体积数据。在 PAD 任务中，我们的方法比最先进（SOTA）方法提升了 0.33% 的 Acc。在重建性能上，我们的方法以 0.834 mIOU 和 0.937 PA 取得最佳表现。通过与表面 2D 指纹识别性能对比，进一步证明了我们所提方法在高质量皮下指纹重建上的有效性。
引用
@article{arxiv.2209.12208,
title = {A Uniform Representation Learning Method for OCT-based Fingerprint Presentation Attack Detection and Reconstruction},
author = {Wentian Zhang and Haozhe Liu and Feng Liu and Raghavendra Ramachandra},
journal= {arXiv preprint arXiv:2209.12208},
year = {2022}
}
备注
13 pages, 8 figures