用于人脸模板保护的最大熵二值编码
计算机视觉与模式识别
2015-12-08 v1
摘要
在本文中，我们提出了一个使用深度神经网络的安全识别框架，并将其应用于人脸认证中的模板保护任务。我们使用深度卷积神经网络（CNNs）学习从人脸图像到最大熵二值（MEB）码的映射。该映射足够鲁棒以处理精确匹配问题，为用户的新样本产生与训练期间分配的码相同的码。这些码随后使用遵循随机预言机模型（如SHA-512）的任何哈希函数进行哈希，以生成受保护的人脸模板（类似于基于文本的密码保护）。该算法没有不切实际的假设，并提供高模板安全性、可撤销性以及最先进的匹配性能。该方法的有效性在CMU-PIE、Extended Yale B和Multi-PIE人脸数据库上得到展示。我们在零错误接受率（FAR）下实现了高（~95%）正确接受率（GAR），并具有高达1024比特的模板安全性。
引用
@article{arxiv.1512.01691,
title = {Maximum Entropy Binary Encoding for Face Template Protection},
author = {Rohit Kumar Pandey and Yingbo Zhou and Bhargava Urala Kota and Venu Govindaraju},
journal= {arXiv preprint arXiv:1512.01691},
year = {2015}
}
备注
arXiv admin note: text overlap with arXiv:1506.04340