基于三维Gabor模板与分块特征精炼的非接触式掌纹识别
计算机视觉与模式识别
2021-12-14 v3 人工智能
摘要
随着手部卫生需求和易用性的增长，非接触式掌纹识别近年取得很大发展，为人员身份识别提供了有效方案。尽管已有诸多努力投入该领域，非接触掌纹的判别能力仍不确定，尤其对于大规模数据集。为解决问题，本文构建了包含来自1167人的2334个手掌的大规模非接触掌纹数据集。据我们所知，就人数和手掌数而言，这是迄今收集的最大非接触掌纹图像基准。此外，我们提出了一种用于非接触掌纹识别的新颖深度学习框架，名为3DCPN（三维卷积掌纹识别网络），其利用三维卷积动态整合多Gabor特征。在3DCPN中，Gabor滤波器的新变体嵌入首层以增强曲线特征提取。通过精心设计的集成方案，低级三维特征随后被卷积以提取高级特征。最后在顶层，我们设置基于区域的损失函数以增强全局与局部描述子的判别能力。为证明方法优越性，在我们的数据集及其他流行数据库TongJi和IITD上进行了大量实验，结果表明所提3DCPN取得了最先进或可比的性能。
引用
@article{arxiv.2103.02167,
title = {Touchless Palmprint Recognition based on 3D Gabor Template and Block Feature Refinement},
author = {Zhaoqun Li and Xu Liang and Dandan Fan and Jinxing Li and Wei Jia and David Zhang},
journal= {arXiv preprint arXiv:2103.02167},
year = {2021}
}