利用多重空间变换器与损失函数改进非受控非配合环境下的手部识别
计算机视觉与模式识别
2023-11-10 v1
摘要
智能手机和消费级相机的普及带来了更多以数字图像为形式的证据，这些图像大多拍摄于非受控且非配合的环境。在这类图像中，罪犯可能隐藏或遮挡面部，而手部在某些情况下可见，这为法医调查带来了具有挑战性的应用场景。许多现有的基于手部的识别方法在受控且用户配合下采集的手部图像上表现良好，但在非受控非配合环境中性能显著下降。近期工作揭示了手部识别在此类环境中的潜力，但仅考虑了手掌区域，且识别性能仍远不能令人满意。为提高识别准确率，本文提出一种集成多空间变换器网络（MSTN）与多重损失函数的算法，以充分利用整手图像中的信息。首先采用 MSTN 定位手掌与手指并估计对齐参数；随后将对齐后的图像输入预训练的卷积神经网络以提取特征；最后使用多重损失函数的训练方案端到端训练网络。为验证所提算法有效性，在 NTU-PI-v1 数据库及来自不同领域的六个基准数据库上评估训练模型。实验结果表明，所提算法在这些非受控非配合环境中显著优于现有方法，且对不同领域样本具有良好的泛化能力。
引用
@article{arxiv.2311.05383,
title = {Improving Hand Recognition in Uncontrolled and Uncooperative Environments using Multiple Spatial Transformers and Loss Functions},
author = {Wojciech Michal Matkowski and Xiaojie Li and Adams Wai Kin Kong},
journal= {arXiv preprint arXiv:2311.05383},
year = {2023}
}