用于生物特征与设备联合认证的一次性表示学习
计算机视觉与模式识别
2021-01-05 v1
摘要
在这项工作中，我们提出了一种方法，使用一次性模式从单张生物特征图像（例如人脸图像）中同时执行（i）生物特征识别（即识别个体）和（ii）设备识别（即识别设备）。这种联合识别方案在智能手机等设备中可用于增强安全性和隐私性。我们提出自动学习一个联合表示，其封装了生物特征特定和传感器特定的特征。我们使用近红外虹膜传感器和智能手机摄像头采集的虹膜、人脸和眼周图像评估所提出的方法。使用来自 15 个传感器的 14,451 张图像进行的实验获得了高达 99.81% 的 rank-1 识别准确率和在错误匹配率为 1% 时高达 100% 的验证准确率。
引用
@article{arxiv.2101.00524,
title = {One-shot Representational Learning for Joint Biometric and Device Authentication},
author = {Sudipta Banerjee and Arun Ross},
journal= {arXiv preprint arXiv:2101.00524},
year = {2021}
}
备注
Accepted in 25th International Conference on Pattern Recognition (ICPR), (Milan, Italy), January 2021