合成前额皱褶生物识别数据用于可靠用户验证
计算机视觉与模式识别
2024-08-29 v1
摘要
近期研究强调前额皱褶模式作为面部、虹膜和虹视识别的替代方案，提供无接触且便捷的解决方案，尤其适用于面部被口罩覆盖的情境。然而，收集前额数据 presents挑战，包括成本和时间限制，因为开发和优化前额验证方法需要大量高质量图像。为克服这些挑战，合成生物识别数据的生成正受到关注，这能够保护隐私，同时有效训练基于深度学习的生物识别验证方法。本文提出一种新框架，用于合成保持重要特征（如唯一性和真实性）的前额皱褶图像数据。该框架包含两个主要模块：基于图像到图像Brownian桥扩散模型(BBDM)的主题相关生成模块(SSGM)，学习图像对之间的一对多映射，以生成对应真实主体的身份感知性前额皱褶；以及主题无关生成模块(SAGM)，借助SSGM采样新的合成身份。我们主要使用Fréchet Inception Distance (FID)和结构相似性指数(SSIM)评估生成前额皱褶图像的多样性和真实性。此外，我们评估了使用合成前额皱褶图像的前额皱褶验证系统(FHCVS)的实用性。结果表明，利用合成数据可提高FHCVS的验证准确率。
关键词
引用
@article{arxiv.2408.15693,
title = {Synthetic Forehead-creases Biometric Generation for Reliable User Verification},
author = {Abhishek Tandon and Geetanjali Sharma and Gaurav Jaswal and Aditya Nigam and Raghavendra Ramachandra},
journal= {arXiv preprint arXiv:2408.15693},
year = {2024}
}
备注
Accepted at Generative AI for Futuristic Biometrics - IJCB'24 Special Session