全球大流行下的跨传感器眼周生物识别:对比基准与新颖多算法方法
计算机视觉与模式识别
2022-03-31 v5
摘要
摄像头的海量可用导致成像条件的大范围差异,产生巨大的类内变化,并在异构图像用于人员识别比对时造成显著的性能下降。然而,随着生物识别的部署,更换损坏或 obsolete 的硬件,或在不同异构应用间交换信息十分常见。光谱波段的变化也可能发生。例如,监控人脸图像(通常在可见光谱 VIS 中获取)可能需要与遗留的虹膜数据库(通常在近红外 NIR 中获取)进行比对。在此,我们提出一种多算法方法来处理来自不同传感器的眼周图像。随着口罩成为对抗 COVID-19 的前沿手段,眼周识别正重新流行,因为它是面部唯一保持可见的区域。我们将不同的比对器与基于线性逻辑回归的融合方案相集成,其中分数由对数似然比表示。这允许轻松解释分数并使用贝叶斯阈值进行最优决策,因为来自不同比对器的分数处于相同的概率范围。我们在 Cross-Eyed Competition 的背景下评估了我们的方法,该竞赛旨在比较 NIR 与 VIS 眼周图像匹配时的识别方法。我们的方法实现了 EER=0.2% 以及在 FAR=0.01% 下仅 0.47% 的 FRR,代表了竞赛中最佳的总体方法。我们还使用来自不同智能手机的 VIS 图像数据库报告了实验。我们也讨论了模板大小和计算时间的影响,其中计算最繁重的比对器在结果中起着重要作用。最后,所提方法被证明优于其他流行的融合方法,如分数平均、SVM 或随机森林。
引用
@article{arxiv.1902.08123,
title = {Cross-Sensor Periocular Biometrics in a Global Pandemic: Comparative Benchmark and Novel Multialgorithmic Approach},
author = {Fernando Alonso-Fernandez and Kiran B. Raja and R. Raghavendra and Cristoph Busch and Josef Bigun and Ruben Vera-Rodriguez and Julian Fierrez},
journal= {arXiv preprint arXiv:1902.08123},
year = {2022}
}
备注
Accepted for publication at Elsevier Information Fusion