基于非受控环境下掌纹与手掌图像性别与种族分类

性别、种族或年龄等软生物特征属性可为生物识别和法医学应用提供有用信息。研究者已使用例如人脸、步态、虹膜和手等来进行此类属性分类。尽管手已广泛用于生物识别，但基于手的软生物特征所受关注相对较少。以往基于手图像的软生物特征研究集中于性别和良好受控的成像环境。本文考虑非受控环境下的性别与种族分类。我们收集并提供了一个公开可用数据库中的受试者性别与种族标签，该数据库包含来自互联网的手部图像。基于手掌的1)全手、2)分割手和3)掌纹图像，我们对五个深度学习模型进行了微调并在性别与种族分类场景中评估。实验结果表明，对于非受控环境下的性别与种族分类，全手和分割手图像比掌纹图像更合适。