基于运动迁移的指纹 vein 识别内类数据增强

指纹 vein 识别 (FVR) 因其血管生物信息的保密性而成为一种安全的生物识别技术。最近，基于深度学习的 FVR 获得了越来越多的关注并取得了令人鼓舞的性能。然而，公共 vein 数据集的有限规模导致了过拟合问题，并严重限制了识别性能。虽然传统数据增强方法可以部分缓解这一数据不足问题，但由于刚性标签保持图像变换，无法捕捉实际手指姿态变化，带来了有限的性能提升。为此，我们提出了一种新颖的运动迁移 (MT) 模型，用于通过建模实际手指姿态和旋转运动进行指纹 vein 图像数据增强。该模型首先利用关键点检测器提取源和驱动手指 vein 图像的关键点和姿态图。随后，我们利用稠密运动模块估计运动光流，并输入图像生成模块以生成具有目标姿态的图像。在三个公共 finger vein 数据库上进行的实验表明，所提出的运动迁移模型能够有效提高识别准确率。代码可在 https://github.com/kevinhuangxf/FingerVeinRecognition 获取。