预处理对非受限环境下虹膜识别深度表示的影响
计算机视觉与模式识别
2019-01-21 v1
摘要
虹膜作为一种生物特征因其高度的区分性与唯一性而被广泛使用。当前，主要研究挑战之一在于对可见光谱下非受限环境中获取的虹膜图像进行识别。在此场景下，所采集的虹膜受采集距离、旋转、模糊、运动模糊、低对比度与镜面反射影响，产生干扰虹膜识别系统的噪声。除勾勒虹膜区域外，通常采用如归一化与分割含噪虹膜图像等预处理技术以缓解这些问题。但这些技术不可避免地引入某些误差。在此背景下，我们提出使用深度表示，更具体地，基于 VGG 和 ResNet-50 网络的架构，来处理使用（及不使用）虹膜分割与归一化的图像。我们利用来自人脸域的迁移学习，并提出了一种针对虹膜图像的数据增强技术。我们的结果表明，使用非归一化且仅以圆界定的虹膜图像的方法，在 NICE.II 竞赛（UBIRIS 数据库的一个子集，最具挑战性的非受限环境数据库之一）的官方协议上达到了新的 state of the art，报告平均等错误率（EER）为 13.98%，相当于约 5% 的绝对下降。
引用
@article{arxiv.1808.10032,
title = {The Impact of Preprocessing on Deep Representations for Iris Recognition on Unconstrained Environments},
author = {Luiz A. Zanlorensi and Eduardo Luz and Rayson Laroca and Alceu S. Britto and Luiz S. Oliveira and David Menotti},
journal= {arXiv preprint arXiv:1808.10032},
year = {2019}
}
备注
Accepted for presentation at the Conference on Graphics, Patterns and Images (SIBGRAPI) 2018