用于连续个性化健康监控的无缝多模态生物特征识别
计算机视觉与模式识别
2023-01-23 v2
摘要
人工智能感知正日益出现在我们每个人的生活中。车辆也不例外，（……）在不久的将来，模式识别将在车辆中扮演更强角色，因为自动驾驶汽车将需要自动化方式理解周围（及内部）发生之事并相应行动。（……）本博士工作聚焦于通过研究新颖的计算机视觉与模式识别方法推进车载感知，用于生物特征识别与健康监控。主要焦点为心电图（ECG）生物特征识别，这一特性以其对无缝驾驶员监控的潜力而著称。主要努力致力于在离体（off-the-person）场景下实现识别与身份核验的性能提升，该场景以更高噪声与变异性闻名。此处提出了端到端深度学习ECG生物特征方案，并解决了重要课题如跨数据库与长期性能、通过可解释性的波形相关性以及导联间转换。人脸生物特征识别——在无缝无约束场景中ECG的自然补充——也在本工作中被研究。为迈向更透明、可信且对显著遮挡鲁棒的算法，本研究攻克了掩码人脸识别与生物特征中可解释性的开放挑战。在健康监控主题内，提出了群体多模态情绪识别与车载场景活动/暴力识别的改进方案。最后，我们还提出了一种在端到端模型内学习模板安全性的新方法，摒弃额外独立加密过程，以及一种面向序列数据定制的自监督学习方法，以保障数据安全与最优性能。（……）
引用
@article{arxiv.2301.03045,
title = {Seamless Multimodal Biometrics for Continuous Personalised Wellbeing Monitoring},
author = {João Ribeiro Pinto},
journal= {arXiv preprint arXiv:2301.03045},
year = {2023}
}
备注
Doctoral thesis presented and approved on the 21st of December 2022 to the University of Porto