无分割的直接虹膜定位网络
计算机视觉与模式识别
2022-10-20 v1
摘要
本文提出一种不使用虹膜分割与圆拟合的高效虹膜定位方法。传统虹膜定位方法首先使用 U-Net 等语义分割方法提取虹膜区域，随后利用传统圆拟合算法定位内外虹膜圆。然而，该方法需要高分辨率编解码网络进行虹膜分割，导致计算成本较高。此外，传统圆拟合往往对输入图像中的噪声与拟合参数敏感，致使虹膜识别性能较差。为解决这些问题，我们提出虹膜定位网络（ILN），可直接从低分辨率虹膜图像中定位瞳孔与虹膜圆及眼睑点。我们还引入瞳孔细化网络（PRN）以提高瞳孔定位精度。实验结果表明，ILN 与 PRN 的组合在 CPU 上处理一幅虹膜图像耗时 34.5 ms，且其定位性能优于传统虹膜分割方法。此外，泛化评估结果所示，所提方法对不同域的数据集具有比其他分割方法更高的鲁棒性。进而，我们也确认所提 ILN 与 PRN 提升了虹膜识别准确率。
引用
@article{arxiv.2210.10403,
title = {Segmentation-free Direct Iris Localization Networks},
author = {Takahiro Toizumi and Koichi Takahashi and Masato Tsukada},
journal= {arXiv preprint arXiv:2210.10403},
year = {2022}
}
备注
Accepted by WACV 2023