基于属性的深度眼周识别：利用软生物特征提升眼周识别
计算机视觉与模式识别
2021-11-03 v1 图像与视频处理
摘要
近年来，眼周识别已发展成为一种有价值的生物特征识别方法，尤其在面部识别可能不适用的野外环境（例如因 COVID-19 疫情而戴口罩的人脸）中。本文提出一种称为基于属性的深度眼周识别（ADPR）的新深度眼周识别框架，其预测软生物特征并将该预测融入眼周识别算法，以从高准确率眼周图像中判定身份。我们提出一个端到端框架，其使用若干共享卷积神经网络（CNN）层（公共网络），其输出馈入两个独立的专用分支（模态专用层）；第一分支对眼周图像分类，第二分支预测软生物特征。接着，来自这两个分支的特征被融合用于最终眼周识别。所提方法不同于现有方法，因为它不仅使用共享 CNN 特征空间联合训练这两个任务，还在训练步骤中将预测的软生物特征与眼周特征融合以提升整体眼周识别性能。我们使用四个不同的公开可用数据集对所提模型进行了广泛评估。实验结果表明，我们的基于软生物特征的眼周识别方法在野外环境的眼周识别上优于其他最先进方法。
引用
@article{arxiv.2111.01325,
title = {Attribute-Based Deep Periocular Recognition: Leveraging Soft Biometrics to Improve Periocular Recognition},
author = {Veeru Talreja and Nasser M. Nasrabadi and Matthew C. Valenti},
journal= {arXiv preprint arXiv:2111.01325},
year = {2021}
}
备注
Accepted to be published in WACV 2022