基于手机眼周虹膜图像性别分类
计算机视觉与模式识别
2019-01-01 v1
摘要
自拍软生物特征识别在从营销、安防到在线 banking 的各种应用中具有巨大潜力。然而，由于数据采集条件控制有限，其面临诸多挑战。本章提出一种超分辨率卷积神经网络（SRCNN）方法，用于提高从受试者面部自拍图像中裁剪出的低质量眼周虹膜图像的分辨率。本工作表明，在使用随机森林分类器时，提高图像分辨率（2倍和3倍）可改善性别分类率。右眼最佳性别分类率为 90.15%，左眼为 87.15%。这是在图像从 150x150 放大到 450x450 像素时实现的。这些结果优于现有最优方法，并表明使用 SRCNN 改善图像分辨率可提高性别分类率。此外，创建了一个由 iPhone X 从 150 名受试者采集的新颖自拍数据库（可应要求提供）。
引用
@article{arxiv.1812.11702,
title = {Sex-Classification from Cell-Phones Periocular Iris Images},
author = {Juan Tapia and Claudia Arellano and Ignacio Viedma},
journal= {arXiv preprint arXiv:1812.11702},
year = {2019}
}
备注
Pre-print version accepted to be published On Selfie Biometrics Book-2019