无对齐且抗畸变的鲁棒虹膜识别
计算机视觉与模式识别
2019-12-03 v1
摘要
虹膜识别是一种可靠的身份识别方法，但其准确率仍有较大提升空间，尤其在受限较少的场景中。例如，头部姿态的自由运动可能导致虹膜图像间较大的旋转差异。而光照变化可能引起虹膜纹理的不规则畸变。为鲁棒地匹配具有头部旋转的同类虹膜图像，现有方案通常需要在虹膜图像预处理中于确定范围内穷举搜索进行精确对齐操作，或在虹膜特征匹配中暴力搜索最小汉明距离。在真实场景中，虹膜旋转的不确定性远大于受限场景，在确定范围内穷举搜索不可行。本文提出一种统一的特征级方案，用于真实场景中无对齐且抗畸变的虹膜识别。提出了一种基于深度学习的新方法，称为无对齐虹膜网络（AFINet），其使用称为 NetVLAD 的可训练 VLAD（局部聚合描述子向量）编码器来解耦局部表示与其空间位置之间的相关性。并采用可变形卷积通过密集自适应采样克服虹膜纹理畸变。在三个公开虹膜图像数据库及模拟退化数据库上的大量实验结果表明，AFINet 显著优于最先进的虹膜识别方法。
引用
@article{arxiv.1912.00382,
title = {Alignment Free and Distortion Robust Iris Recognition},
author = {Min Ren and Caiyong Wang and Yunlong Wang and Zhenan Sun and Tieniu Tan},
journal= {arXiv preprint arXiv:1912.00382},
year = {2019}
}
备注
Accepted by ICB2019, 7 pages, 5 figures