ConvSRC：基于智能手机的眼周识别——采用深度卷积神经网络与稀疏增强协作表示
计算机视觉与模式识别
2018-01-18 v1
摘要
由于人脸、虹膜等生物特征模态的局限性，基于智能手机的眼周识别已引起生物识别研究界的显著关注。现有大多数眼周识别方法采用手工特征。近来，基于学习的图像表示技术如深度卷积神经网络（CNN）已在许多视觉识别任务中展现出卓越性能。CNN 需要海量数据进行学习，但眼周识别仅有有限数据可用。解决方案是使用在相关领域数据集上预训练的 CNN，此处的挑战在于高效提取判别性特征。利用预训练 CNN 模型（VGG-Net），我们提出了一种简单、高效且紧凑的图像表示技术，其考虑了卷积层激活中存在的丰富信息与稀疏性，并采用主成分分析。对于识别，我们使用一种高效且鲁棒的基于稀疏增强协作表示的分类（SA-CRC）技术。为全面评估 ConvSRC（所提系统），在 VISOB 挑战性数据库上进行了实验，该数据库为 ICIP2016 眼周识别竞赛所提供。所得结果显示 ConvSRC 优于最先进方法；其在 FMR = 10-3 时获得超过 99% 的 GMR，并以 10% 的优势超越 ICIP2016 竞赛第一名。
引用
@article{arxiv.1801.05449,
title = {ConvSRC: SmartPhone based Periocular Recognition using Deep Convolutional Neural Network and Sparsity Augmented Collaborative Representation},
author = {Amani Alahmadi and Muhammad Hussain and Hatim Aboalsamh and Mansour Zuair},
journal= {arXiv preprint arXiv:1801.05449},
year = {2018}
}
备注
26 pages