PoreNet：基于 CNN 的孔隙描述子用于高分辨率指纹识别
计算机视觉与模式识别
2020-06-11 v2
摘要
随着高分辨率指纹扫描仪的发展，近年来基于高分辨率指纹的生物特征识别受到越来越多的关注。本文提出一种基于孔隙特征的生物特征识别方法。我们的方法采用卷积神经网络（CNN）模型 DeepResPore 来检测输入指纹图像中的孔隙。此后，对每一个检测到的孔隙周围的一块图像块计算基于 CNN 的描述子。具体而言，我们设计了一个基于残差学习的 CNN，称为 PoreNet，它从孔隙图像块中学习有区分力的特征表示。在验证时，通过使用欧氏距离以双向方式比较从一对指纹图像获得的孔隙描述子来生成匹配分数。所提出的高分辨率指纹识别方法在基准 PolyU HRF 数据集的部分（DBI）与完整（DBII）指纹上分别取得了 2.91% 和 0.57% 的等错误率（EER）。最重要的是，它在两个数据集上均取得了比当前最先进方法更低的 FMR1000 与 FMR10000 值。
引用
@article{arxiv.1905.06981,
title = {PoreNet: CNN-based Pore Descriptor for High-resolution Fingerprint Recognition},
author = {Vijay Anand and Vivek Kanhangad},
journal= {arXiv preprint arXiv:1905.06981},
year = {2020}
}
备注
7 pages, 4 figures, 6tables