用于改进跨传感器智能手机眼周识别的对数似然分数级融合
计算机视觉与模式识别
2023-11-03 v1
摘要
摄像设备与个人设备的激增导致成像条件高度多变，在比较异质环境下的图像时产生较大的类内差异和显著的性能下降。然而，许多应用需要定期处理来自不同来源的数据，因而必须克服这些互操作性问题。在此，我们采用多个比较器的融合来改进不同智能手机图像比较时的眼周识别性能。我们使用基于线性逻辑回归的概率融合框架，其中融合分数趋于对数似然比，由于融合，跨传感器等错误率（EER）降低了高达40%。我们的框架还提供了一种优雅而简单的方案来处理来自不同设备的信号，因为同传感器与跨传感器分数分布被对齐并映射到共同的概率域。这使得可以使用贝叶斯阈值进行最优决策，消除了对传感器特定阈值的需求，这在实际运行条件下至关重要，因为阈值设置严重决定了许多应用中认证过程的准确性。
引用
@article{arxiv.2311.01237,
title = {Log-Likelihood Score Level Fusion for Improved Cross-Sensor Smartphone Periocular Recognition},
author = {Fernando Alonso-Fernandez and Kiran B. Raja and Christoph Busch and Josef Bigun},
journal= {arXiv preprint arXiv:2311.01237},
year = {2023}
}
备注
Published at Proc. 25th European Signal Processing Conference, EUSIPCO 2017. arXiv admin note: text overlap with arXiv:1902.08123