基于双流Siamese网络的唇纹生物识别新方法
计算机视觉与模式识别
2024-07-12 v1 人工智能
摘要
唇纹生物识别(LBBA)在过去十年中吸引了众多研究者。由于唇纹同时具备作为生理特征和行为特征的潜力，这一生物特征对研究者而言尤为有趣。尽管开展了大量有价值的LBBA研究，但这些研究都未考虑到客户在LBBA视频采集过程中所处的不同情绪，这可能会影响客户的面部表情和说话节奏。我们提出了一种新型网络结构，称为WhisperNetV2，延续了我们先前提出的WhisperNet。我们 proposed的网络利用深度Siamese结构，采用三元损失函数，包含三个相同结构的SlowFast网络作为嵌入网络。SlowFast网络是本任务的绝佳候选，因为快速路径以高帧率和低通道容量提取运动相关特征（行为性唇部动作），而慢路径以低帧率和高通道容量提取视觉特征（生理性唇部外观）。我们采用开放集协议训练网络，使用CREMA-D数据集，测试集上的均衡误差率(EER)为0.005。鉴于所获得的EER低于类似LBBA方法的大多数水平，我们的方法可被视为最先进的LBBA方法。
引用
@article{arxiv.2407.08717,
title = {WhisperNetV2: SlowFast Siamese Network For Lip-Based Biometrics},
author = {Abdollah Zakeri and Hamid Hassanpour and Mohammad Hossein Khosravi and Amir Masoud Nourollah},
journal= {arXiv preprint arXiv:2407.08717},
year = {2024}
}