文献

J-GLOBAL ID：202002251038122772   整理番号：20A2113565

強化グレースケール画像空間は虹彩生体検出を実現する。【JST・京大機械翻訳】

Enhanced gray-level image space for iris liveness detection

著者 (4件)： Liu Mingkang (哈爾浜理工大学自動化学院,哈爾浜150001;中国科学院自動化研究所,北京100190) ,  Wang Hongmin (哈爾浜理工大学自動化学院,哈爾浜150001) ,  Li Qi (中国科学院自動化研究所,北京100190) ,  Sun Zhenan (中国科学院自動化研究所,北京100190)
資料名： Zhongguo Tuxiang Tuxing Xuebao  (Zhongguo Tuxiang Tuxing Xuebao)
巻： 25  号： 7  ページ： 1421-1435  発行年： 2020年 
JST資料番号： C2782A  ISSN： 1006-8961  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 【目的】虹彩は,高い安定性および識別性を有する生物学的特徴として,虹彩認識を,応用場面で広く普及させるが,多くの虹彩認識システムは,様々な種類の攻撃を防御するときに,十分な信頼性を保証できず,そして,高レベルセキュリティ場面における虹彩認識の応用を制限した。そのため、虹彩の生体検査は生物識別技術において解決すべき問題の一つとなっている。既存の分類真実と偽体虹彩の最先端のアルゴリズムは主に原始グレイ空間で抽出した虹彩テクスチャの深さ特徴に頼っているが、このような特徴の違いは明らかではなく、単一源の偽体虹彩を識別できる。このために,強化グレースケール画像空間に基づく虹彩検出法を提案した。方法:残差ネットワーク(ResNet)を用いて、原始虹彩画像を分離可能なグレースケール画像空間にマッピングし、真偽虹彩特徴に明らかな判別性を持たせた。LightCNN(lightconvolationalneuralnetworks)-4ネットワークを用いて,新しい空間における虹彩テクスチャ特徴を抽出した。二成分損失関数とsoftmax損失関数訓練モデルを設計して,二分類タスクを実現した。結果:2つの単一ソース偽虹彩データベースに閉集合検出方式を採用してそれぞれ100%と99.75%の正確性を得て、マルチソース偽虹彩データベースに開集合検出方式を採用してそれぞれ98.94%と99.06%の正確性を得た。結論:本方法は空間マッピング方式により真偽虹彩テクスチャ間の明瞭度の差異を増強させ、3次元グループ損失関数とsoftmax損失関数訓練モデルを設計し、正負サンプル集合間の距離差を増加させ、モデルの収束速度を高める。実験結果は,画像空間に基づく解析と変換が,オリジナルの虹彩と種々の種類の人工虹彩のオリジナルのグレイ空間で容易に区別できないという問題を解決し,そして,未知のタイプの人工虹彩のサンプルを正確に検出することができ,虹彩の生体検出の最新性能を達成することを示した。虹彩の生体検出方法の一般化性をさらに向上させた。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  信頼性 ,  損失関数 ,  データベース ,  ネットワーク ,  残差 ,  *虹彩 ,  明瞭度 ,  検出法 ,  三次元 ,  セキュリティ
準シソーラス用語： 収束速度 ,  正確性 ,  虹彩認識 ,  空間マッピング , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 強化 ,  グレースケール画像 ,  虹彩 ,  生体