用于人脸模板保护的零样本深度哈希与神经网络纠错方法
计算机视觉与模式识别
2019-08-08 v1
摘要
在本文中,我们提出了一种新颖的架构,将深度哈希框架与神经网络解码器(NND)相集成,应用于人脸模板保护。它改进了现有人脸模板保护技术,在单次与多次注册下提供更好的匹配性能。我们提出的架构的一个关键新颖之处在于该框架也可用于零样本注册。这意味着即使有新用户注册到系统中,我们的架构也无需重新训练。所提架构由两个主要组件构成:深度哈希(DH)组件,用于将人脸图像鲁棒地映射至其对应的中间二值码;以及 NND 组件,用于纠正因姿态、光照及其他因素导致的注册与探测生物特征差异所造成的中间二值码错误。NND 生成的最终二值码随后经密码学哈希并作为安全人脸模板存储于数据库中。我们在 CMU-PIE、Extended Yale B、WVU 多模态及 Multi-PIE 人脸数据库上展示了该方法在零样本、单次与多次注册下的有效性。在零样本注册下,系统在 0.01% 误接受率(FAR)下达到约 85% 的真实接受率(GAR);在单次与多次注册下,在 0.01% FAR 下达到约 99.95% GAR,同时提供高水平的模板安全性。
引用
@article{arxiv.1908.02706,
title = {Zero-Shot Deep Hashing and Neural Network Based Error Correction for Face Template Protection},
author = {Veeru Talreja and Matthew C. Valenti and Nasser M. Nasrabadi},
journal= {arXiv preprint arXiv:1908.02706},
year = {2019}
}
备注
arXiv admin note: text overlap with arXiv:1902.04149