用于跨光谱眼部生物识别的深度表示
计算机视觉与模式识别
2019-11-22 v1
摘要
眼部生物识别的主要挑战之一是跨光谱场景,即如何匹配不同波长获取的图像(通常为可见(VIS)光对近红外(NIR)光)。本文设计并广泛评估了用于闭集与开集场景的跨光谱眼部验证方法,采用基于虹膜与眼周区域知名深度学习表示。以非归一化虹膜/眼周区域边界框为输入,我们微调了最初为人脸识别训练的卷积神经网络(CNN)模型(基于 VGG16 或 ResNet-50 架构)。基于两个公开可用跨光谱眼部数据库的实验,我们报告了同光谱与跨光谱场景的结果,最佳性能出现在融合来自眼周与虹膜区域的 ResNet-50 深度表示时。与最先进水平相比,我们观察到所提方案在跨光谱场景及 PolyU 双光谱与 Cross-eye-cross-spectral 数据集上持续将等错误率(EER)降低 90% / 93% / 96% 与 61% / 77% / 83%。最后,我们评估了特征表示的“深度”因子对识别有效性的影响,并基于最具问题配对比较的主观分析,指出了该领域的进一步研究方向。
引用
@article{arxiv.1911.09509,
title = {Deep Representations for Cross-spectral Ocular Biometrics},
author = {Luiz A. Zanlorensi and Diego R. Lucio and Alceu S. Britto and Hugo Proença and David Menotti},
journal= {arXiv preprint arXiv:1911.09509},
year = {2019}
}
备注
This paper is a postprint of a paper submitted to and accepted for publication inIET Biometrics and is subject to Institution of Engineering and Technology Copyright. The copy of the record is available at the IET Digital Library