Contextual Measures for Iris Recognition
Contextual Measures for Iris Recognition
复制标题
虹膜识别的上下文测量
DOI：
10.1109/tifs.2022.3221897
复制
发表时间：
2023
影响因子：
6.8
通讯作者：
Xingyu Gao
中科院分区：
文献类型：
--
作者：
Jianze Wei;Yunlong Wang;Huaibo Huang;Ran He;Zhenan Sun;Xingyu Gao
人的虹膜图案包含大量随机分布和不规则形状的微结构。这些微结构使人类虹膜信息生物特征。为了从中学习身份表征，本文将每个虹膜区域视为一个潜在的微观结构，并提出了上下文度量（CM）来建模它们之间的相关性。CM采用两个并行分支学习虹膜图像的全局和局部上下文。第一个是全局上下文度量分支。它衡量的全球范围内涉及的所有区域之间的关系，为功能聚合，是强大的局部遮挡。此外，我们考虑到微结构的位置随机性，提高其空间感知。另一个是局部上下文测度分支。该分支考虑了局部细节在虹膜模式的表型独特性中的作用，并学习了一系列关系原子以从局部角度捕获上下文信息。此外，我们开发了扰动瓶颈，以确保这两个分支学习不同的上下文。它引入扰动来限制从输入图像到身份特征的信息流，迫使CM学习用于虹膜识别的有区别的上下文信息。实验结果表明，全局和局部背景是两个不同的线索，准确的虹膜识别。四个基准虹膜数据集上的上级性能证明了该方法在数据库内和跨数据库场景中的有效性。
The iris patterns of the human contain a large amount of randomly distributed and irregularly shaped microstructures. These microstructures make the human iris informative biometric traits. To learn identity representation from them, this paper regards each iris region as a potential microstructure and proposes contextual measures (CM) to model the correlations between them. CM adopts two parallel branches to learn global and local contexts in iris image. The first one is the globally contextual measure branch. It measures the global context involving the relationships between all regions for feature aggregation and is robust to local occlusions. Besides, we improve its spatial perception considering the positional randomness of the microstructures. The other one is the locally contextual measure branch. This branch considers the role of local details in the phenotypic distinctiveness of iris patterns and learns a series of relationship atoms to capture contextual information from a local perspective. In addition, we develop the perturbation bottleneck to make sure that the two branches learn divergent contexts. It introduces perturbation to limit the information flow from input images to identity features, forcing CM to learn discriminative contextual information for iris recognition. Experimental results suggest that global and local contexts are two different clues critical for accurate iris recognition. The superior performance on four benchmark iris datasets demonstrates the effectiveness of the proposed approach in within-database and cross-database scenarios.
登录
查看更多内容
DOI：
10.1609/aaai.v34i07.6869
发表时间：
2020-04
期刊：
--
影响因子：
--
作者：
Min Ren;Yunlong Wang;Zhenan Sun;T. Tan
通讯作者：
Min Ren;Yunlong Wang;Zhenan Sun;T. Tan
影响因子：
10.6
作者：
Kien Nguyen;C. Fookes;S. Sridharan
通讯作者：
Kien Nguyen;C. Fookes;S. Sridharan
DOI：
--
发表时间：
2020
期刊：
ArXiv
影响因子：
--
作者：
Karl Schulz;Leon Sixt;Federico Tombari;Tim Landgraf
通讯作者：
Karl Schulz;Leon Sixt;Federico Tombari;Tim Landgraf
影响因子：
1.8
作者：
K. Thoresz;Pawan Sinha
通讯作者：
K. Thoresz;Pawan Sinha
DOI：
10.1109/tifs.2022.3154240
发表时间：
2022
影响因子：
6.8
作者：
Jianze Wei;Huaibo Huang;Yunlong Wang;R. He;Zhenan Sun
通讯作者：
Jianze Wei;Huaibo Huang;Yunlong Wang;R. He;Zhenan Sun