利用近红外眼周虹膜图像学习预测在岗胜任状态
计算机视觉与模式识别
2022-09-07 v1
摘要
本研究提出一个新的数据库与方法，用于从近红外（NIR）眼周眼睛图像中检测因酒精、药物摄入及睡眠剥夺导致的警觉性降低状态。研究聚焦于确定外部因素对中枢神经系统（CNS）的影响。目标是分析这如何影响虹膜与瞳孔运动行为，以及是否可利用标准虹膜 NIR 采集设备对这些变化进行分类。本文提出一种改进的 MobileNetV2 来对受酒精/药物/睡眠影响的受试者虹膜 NIR 图像进行分类。结果表明，基于 MobileNetV2 的分类器能够稳健地从酒精与药物摄入后采集的虹膜样本中检测出不胜任警觉状态，检测准确率分别为 91.3% 与 99.1%。睡眠状态的挑战性最大，为 72.4%。对于属于胜任/不胜任两类的分组图像，该模型分别取得了 94.0% 与 84.0% 的准确率，且所用参数量少于标准深度学习网络算法。本工作是生物识别应用中开发自动分类“在岗胜任”并预防酒精/药物摄入及睡眠所致事故的一步进展。
引用
@article{arxiv.2209.01683,
title = {Learning to Predict Fitness for Duty using Near Infrared Periocular Iris Images},
author = {Juan Tapia and Daniel Benalcazar and Andres Valenzuela and Leonardo Causa and Enrique Lopez Droguett and Christoph Busch},
journal= {arXiv preprint arXiv:2209.01683},
year = {2022}
}
备注
arXiv admin note: text overlap with arXiv:2203.02488