从毫米波图像中探索人体纹理用于人员识别
计算机视觉与模式识别
2022-03-30 v1
摘要
毫米波（mmW）成像具有诸多优势，包括能够穿透衣物和聚合物等遮蔽物。在探索了从mmW图像中检索的形状信息用于人员识别之后，本工作旨在深入了解使用mmW纹理信息用于同一任务的潜力，不仅考虑mmW人脸，还包括mmW躯干和mmW全身。我们基于由50名个体组成的mmW TNO数据库，使用来自Alexnet和VGG-face预训练卷积神经网络（CNN）模型的手工特征和深度学习特征报告了实验结果。首先，我们分析了三个mmW身体部位的单独性能，得出结论：i) mmW躯干区域比mmW人脸和全身更具判别性，ii) 在mmW人脸和整个身体上，CNN特征比手工特征产生更好的结果，iii) 在mmW躯干上手工特征略优于CNN特征。在本工作的第二部分，我们分析了不同的多算法和多模态技术，包括一种新颖的基于CNN的融合技术，将验证结果提升至2% EER，并将识别rank-1结果提升至99%。还报告了与mmW身体形状信息以及可见和近红外光谱波段中人脸识别的比较分析。
引用
@article{arxiv.2203.15618,
title = {Exploring Body Texture from mmW Images for Person Recognition},
author = {E. Gonzalez-Sosa and J. Fierrez and R. Vera-Rodriguez and F. Alonso-Fernandez and V. M. Patel},
journal= {arXiv preprint arXiv:2203.15618},
year = {2022}
}
备注
Published at IEEE Transactions on Biometrics, Behavior, and Identity Science