Automated User Identification from Facial Thermograms with Siamese Networks
本文提出利用Siamese网络通过面部热图实现自动用户识别,并在实验中达到80%的准确率,展示了热成像在生物识别中的应用潜力。
2025-12-15 cs.CR cs.CV
Activity-Biometrics: Person Identification from Daily Activities
University of Central Florida(中佛罗里达大学);Center for Research in Computer Vision(计算机视觉研究中心)
研究日常活动中人员识别问题,提出ABNet框架,通过解耦生物与非生物特征并利用活动先验,在五个数据集上验证了其有效性。
2024-03-26 cs.CV
Analyze and Development System with Multiple Biometric Identification
Suleyman Demirel University(苏莱曼·德米雷尔大学)
由于技术发展的迅速增加,身份盗窃、消费欺诈日益增多,对个人数据的威胁也与日俱增。早期开发的确保个人信息被盗的方法既不有效也不安全。生物识别技术是在需要更有效地保护个人信息的技术时引入的。老式的传统方法,如个人识别码(PIN),密码,密钥,登录ID可能会被遗忘,被盗或丢失。在生物认证系统中,用户可能不记得任何密码或携带任何密钥。作为人,他们通过物理外观和行为特征来识别对方,生物识别系统使用物理特征,如指纹,面部识别,话音识别,以区分实际用户和骗子。为了提高安全性,在2005年,生物识别方法被开发的政府和商业部门,但今天它已经达到了几乎所有的私营部门,如银行,金融,家庭安全和保护,医疗保健,商业安全和安全等,因为生物样本和模板的生物识别系统具有一个生物特征检测和用户可以被替换和复制,已经引入了合并多种生物测定识别技术的新思想,所谓的多模态生物测定识别系统使用了可以被识别为真实用户或不是真实用户的个体的两个或更多个生物测定数据特征。
2020-04-10 cs.CV
A Multi-Biometrics for Twins Identification Based Speech and Ear
Istanbul Technical University(伊斯坦布尔理工大学)
生物识别技术的发展更加变得至关重要。为了定义人类特征,使用生物特征系统,但是由于传统生物特征系统无法识别双胞胎,因此开发了多模态生物特征系统。在这项研究中,提出了一个多模态生物识别系统,通过使用图像和语音数据来识别双胞胎彼此和其他人。语音或图像数据可以足以将人彼此识别,但是双胞胎不能用这些数据中的一个来区分。因此,需要一个鲁棒的语音和人耳图像相结合的识别系统。作为数据库,39双胞胎的照片和语音数据。对于语音识别,使用MFCC和DTW算法。此外,Gabor滤波器和DCVA算法用于人耳识别。通过对多个生物特征进行匹配分数级融合,提高了匹配成功率。尤其是五品,更是达到了百分之百。我们认为语言和听觉是互补的。因此,基于语音和人耳的多生物特征识别是一种有效的身份识别方法。
2018-01-27 cs.CV
Dog Identification using Soft Biometrics and Neural Networks
University of Calgary(卡尔加里大学);Beijing Institute of Technology(北京理工大学)
本文讨论了动物,特别是狗的生物识别问题。我们在宠物的照片上应用先进的机器学习模型,如深度神经网络,以确定宠物的身份。在本文中,我们探讨了使用不同类型的“软”生物识别技术的可能性,如品种,身高或性别,与“硬”生物识别技术,如宠物的脸的照片融合。我们将迁移学习的原理应用于不同的卷积神经网络,以创建一个专门为品种分类设计的网络。对于两个不同的数据集,该网络在区分两个狗品种时能够达到90.80%和91.29%的准确率。在不使用“软”生物特征的情况下,狗的识别率为78.09%,但通过使用决策网络结合“软”生物特征,识别率可以达到84.94%。
2020-07-22 cs.CV
Multi-Channel Time-Series Person and Soft-Biometric Identification
TU Dortmund University(多特蒙德工业大学)
本研究使用深度架构从多通道时间序列HAR的可穿戴设备记录中识别人与软生物特征,提出属性表示法,并在四个数据集上验证了其有效性及活动对识别性能的影响。
2023-04-04 cs.CV
Biometric identification by means of hand geometry and a neural net classifier
Escola Universitària Politècnica de Mataró(马塔罗理工大学学院);Universitat Politècnica de Catalunya(加泰罗尼亚理工大学)
本文介绍了一种手部几何特征的生物特征识别系统。我们已经获得了一个数据库的22人使用传统的文件扫描仪。实验部分包括对不同提取特征的区分能力的研究,以及基于神经网络的不同分类器的识别率。
2022-04-08 cs.CV
Privacy-preserving Multi-biometric Indexing based on Frequent Binary Patterns
Hochschule Darmstadt(达姆施塔特应用科学大学)
针对现有隐私保护生物特征模板方案无法高效索引、计算效率低的问题,提出基于频繁二进制模式的多生物特征分箱方案,实现隐私保护的同时大幅降低计算负载并提升高安全阈值下的识别性能。
2023-10-04 cs.CV
Bridging Data Trials and Task Barriers: A Unified Framework for Sketch Biometric Identification
IEEE
本文提出了一种统一框架,用于解决草图生物识别中的跨模态和跨任务挑战,通过高效的合成草图生成和任务序列持续学习,提升模型的鲁棒性和泛化能力。
2026-05-17 cs.CV
Signal-level Fusion for Indexing and Retrieval of Facial Biometric Data
Hochschule Darmstadt(达姆施塔特应用科学大学)
世界各地生物识别部署的范围、规模和数量不断增长,强调了研究促进高效和可靠的生物识别查询技术的必要性。这项工作提出了一种索引生物特征数据库的方法,它依赖于信号级融合的面部图像(变形),以创建一个多阶段的数据结构和检索协议。通过连续地预过滤潜在候选身份的列表,所提出的方法使得可以减少完成生物特征识别事务所需的生物特征模板比较的次数。所提出的方法是广泛的公开可用的数据库使用开源和商业现成的识别系统进行评估。结果表明,使用所提出的方法,计算工作量可以减少到30%左右,同时在闭集和开集识别场景中完全保持了基线基于穷举搜索的检索的生物识别性能。
2021-03-05 cs.CV
Feature Fusion Methods for Indexing and Retrieval of Biometric Data: Application to Face Recognition with Privacy Protection
Hochschule Darmstadt(达姆施塔特应用科学大学)
计算效率高、准确和隐私保护的数据存储和检索是全球生物识别系统实际部署所面临的关键挑战之一。在这项工作中,生物特征数据的保护索引的方法。通过利用智能配对模板的特征级融合,创建多阶段搜索结构。在检索期间,潜在候选身份的列表被连续地预过滤,从而减少生物特征识别事务所需的模板比较的数量。使用同态加密来执行对生物特征探针模板以及所存储的参考模板和所创建的索引的保护。所提出的方法进行了广泛的评估,在公开的数据库上使用两个国家的最先进的开源人脸识别系统的闭集和开集识别方案。相对于利用基于穷举搜索的检索算法的典型基线算法,所提出的方法能够将与生物特征识别事务相关联的计算工作量减少90%,同时不会降低生物特征性能。此外,通过促进模板保护与开源同态加密库的无缝集成,所提出的方法保证受保护的生物特征数据的不可链接性、不可逆性和可更新性。
2021-07-27 cs.CV
Research on Bi-mode Biometrics Based on Deep Learning
鉴于生物特征具有优良的独立区分特性,生物特征识别技术几乎涉及人类区分的所有相关领域。指纹、虹膜、人脸、声纹等生物特征已被广泛应用于公安部门的侦测探测、移动设备解锁、目标跟踪等领域。随着电子设备的使用越来越广泛,频率也越来越高。只有识别率高的生物特征识别技术才能保证这些领域的长远发展。
2017-05-16 cs.CV
Multimodal Adaptive Fusion of Face and Gait Features using Keyless attention based Deep Neural Networks for Human Identification
SRM Institute of Science and Technology(SRM科学技术学院);Instituto Superior Técnico, Univ. of Lisbon(里斯本大学高等技术学院)
生物识别技术在基于视觉的监控应用中发挥着重要作用。步态等软生物特征被广泛用于人脸识别和重新识别等监控任务。然而,在实际情况下,经典的融合技术对个人用户和外部环境的变化响应不佳。为此,我们提出了一种新的自适应多生物特征融合策略,通过利用无键注意深度神经网络动态整合步态和面部生物特征线索。各种外部因素,如视点和距离相机,在这项研究中进行了调查。大量的实验表明,与现有模型相比,该模型具有更好的性能。
2023-03-24 cs.CV
Towards Automated Biometric Identification of Sea Turtles (Chelonia mydas)
UNIMAS(马来西亚砂拉越大学);Danau Girang Field Centre(Danau Girang野外研究中心)
被动生物识别使野生动物监测具有最小的干扰。使用运动激活的相机放置在一个较高的位置,面向下,我们收集的图像海龟甲壳,每个属于一个16 Chelonia mydas青少年。然后,我们从这些图像中学习协变和鲁棒的图像描述符,从而实现索引和检索。在这项工作中,我们提出了几个分类结果的海龟甲壳使用学习的图像描述符。我们发现,基于模板的描述符,即,直方图的方向性特征(HOG)的表现非常好,在分类过程中比基于关键点的描述符。对于我们的数据集,由于甲壳图像内部的最小梯度和颜色信息,高维描述符是必须的。使用HOG,我们获得了65%的平均分类准确率。
2021-06-23 cs.CV
Open-Set Biometrics: Beyond Good Closed-Set Models
Michigan State University(密歇根州立大学)
本文针对开放集生物识别问题,提出两种新损失函数(识别-检测损失和相对阈值最小化),在训练中模拟开放集评估,显著提升开放集性能并兼顾闭集性能。
2024-07-23 cs.CV
Feature Level Fusion of Biometrics Cues: Human Identification with Doddingtons Caricature
Dr. B. C. Roy Engineering College(Dr. B. C. Roy工程学院);Indian Institute of Technology Kanpur(印度理工学院坎普尔分校);Jadavpur University(贾达沃普尔大学)
本文提出了一种多模式的指纹和耳朵生物识别系统。基于尺度不变特征变换(SIFT)描述子对人耳和指纹提取的特征集进行融合.融合集采用K-中心点分割方法进行编码,减少了特征点的个数。K-medoids将整个数据集划分为聚类,以最小化属于聚类的数据点与其中心之间的误差。缩减特征集用于两个生物特征集之间的匹配。匹配分数使用Doddington引入的基于用户的特征加权方案生成。该技术进行了测试,以展示其强大的性能。
2010-02-02 cs.AI cs.CV
Cancelable Indexing Based on Low-rank Approximation of Correlation-invariant Random Filtering for Fast and Secure Biometric Identification
National Institute of Advanced Industrial Science and Technology (AIST)(产业技术综合研究所);Shizuoka University(静冈大学);Hitachi, Ltd.(日立有限公司)
相关不变随机滤波(CIRF)是一种可撤销的生物特征识别方案,被认为是一种有前途的模板保护方案。该方案通过二维数论变换(NTT)和随机滤波将生物特征表示为图像。CIRF具有完美的保密性,因为变换后的特征不会泄露原始特征的任何信息。然而,CIRF不能应用于大规模的生物特征识别,因为在匹配阶段的2D逆NTT需要很高的计算时间。此外,现有的生物特征索引方案不能与模板保护方案结合使用以加速生物特征识别,因为生物特征索引泄漏了关于原始特征的一些信息。在本文中,我们提出了一种新的索引方案称为“可取消索引”,以加快CIRF而不失去其安全性。该方案是基于快速计算CIRF通过低秩近似的生物特征图像,并通过最小生成树表示的低秩矩阵在傅立叶域。我们证明了变换后的索引不泄露关于原始索引和原始生物特征的信息(即,完全保密),并对方案的安全性进行了深入的讨论。我们还证明,它显着减少了一对多的匹配时间,使用手指静脉数据集,其中包括来自505名受试者的六个手指。
2018-04-05 cs.CR cs.CV
Victory Sign Biometric for Terrorists Identification
Mu'tah University(穆塔大学);Al-Hussein Bin Talal University(侯赛因·本·塔拉尔大学)
覆盖面部和所有身体部位,有时识别一个人的唯一证据是他们的手的几何形状,而不是整个手-只有两个手指(食指和中指),同时显示胜利的迹象,正如许多恐怖分子的视频中所看到的那样。本文首次探讨了一种新的方法来识别人,特别是(恐怖分子)从他们的胜利标志。我们在这方面建立了一个新的数据库,使用手机摄像头,对两届会议期间50个不同的人的胜利标志进行成像。除了手指区域的Hu矩之外,还使用手指的简单测量来提取分割后所示的手的所示部分的几何特征。使用KNN分类器的实验结果是令人鼓舞的大多数记录的人,约40%至93%的总识别精度,这取决于功能,距离度量和K使用。
2016-02-26 cs.CV
A Study on Wrist Identification for Forensic Investigation
Nanyang Technological University(南洋理工大学)
基于犯罪现场图像的犯罪人与被害人身份识别是法医学调查的重要组成部分。犯罪分子通常通过在不受控制的环境中拍摄的证据图像中覆盖他们的面部和纹身来避免识别。现有的识别方法利用生物特征,例如静脉、皮肤标记、身高、肤色、体重、种族等,被认为是解决这个问题。软生物特征,包括肤色,性别,身高,体重和种族,提供了有用的信息,但不够独特。静脉和皮肤标记仅限于高分辨率图像,某些身体部位可能既没有足够的皮肤标记,也没有清晰的静脉。恐怖分子和暴徒往往露出手腕,以示胜利、问候或致敬,而恋童癖者通常在触摸受害者时露出手腕。然而,手腕被忽视的生物识别社区法医应用。本文提出了一种手腕识别算法,包括皮肤分割、关键点定位、图像与模板对齐、大特征集提取和分类。该算法在NTU-Wrist-Image-Database-v1上进行了评估,该数据库由来自731个不同手腕的3945幅图像组成,其中包括从互联网上收集的205对手腕图像,这些图像在不同姿势和分辨率的不均匀光照下拍摄。实验结果表明,手腕是一个有用的线索,罪犯和受害者的识别。关键词:生物统计学,犯罪和受害者识别,法医学,手腕。
2019-10-08 cs.CV
Deep User Identification Model with Multiple Biometrics
NOTA Incorporated(NOTA公司);Khalifa University(哈利法大学);Korea Advanced Institute of Science and Technology(韩国高等科学技术院)
利用生物特征进行身份识别是一项重要而又具有挑战性的任务。关于使用给定信号识别个人身份或性别已经进行了大量的研究。各种类型的生物测定,如心电图(ECG),脑电图(EEG),面部,指纹和语音已被用于这些任务。大多数的研究只集中在单一的通道或单一的任务,而输入通道或任务的组合还有待研究。在本文中,我们提出了使用多模态生物识别技术进行深度识别和性别分类。我们的模型使用ECG,指纹和面部数据。然后,它执行两项任务:性别识别和分类。通过使用多模态,单个模型可以处理各种输入域,而无需独立地训练每个模态,并且域之间的相关性可以提高其在任务上的泛化性能。
2019-09-03 cs.CV cs.LG eess.SP
Smartphone Camera De-identification while Preserving Biometric Utility
Michigan State University(密歇根州立大学)
光响应非均匀性(PRNU)的原理经常被用来推断其相机或传感器被用于获取特定图像的智能手机设备的身份。在这项工作中,我们设计了一种算法,扰动使用智能手机摄像头获取的面部图像,使得(a)与智能手机摄像头有关的传感器特定细节被抑制(传感器匿名化);(b)不同设备的传感器模式被合并(传感器欺骗);以及(c)使用扰动图像的生物特征匹配不受影响(生物特征效用)。我们采用一个简单的方法,利用离散余弦变换来实现上述目标。MICHE-I和OULU-NPU数据集上进行的实验,其中包含使用12个智能手机摄像头获取的眼周和面部数据,证明了所提出的去识别算法对三种不同的基于PRNU的传感器识别方案的有效性。这项工作在传感器取证和个人隐私方面有应用。
2020-09-17 cs.CV eess.IV
Language identification as improvement for lip-based biometric visual systems
University of Salerno(萨莱诺大学)
语言一直是人类的特征之一。视觉语言识别(VLI)是一个相对较新的研究领域,它很复杂,而且在很大程度上尚未得到充分研究。在本文中,我们提出了一项初步研究,其中我们使用语言信息作为软生物特征来增强基于嘴唇运动的视觉(无听觉)识别系统的性能。我们报告了一个显着的改进,在识别性能的建议的视觉系统的结果,这些数据的集成使用基于分数的融合策略。深度和机器学习的方法进行了考虑和评估。为了实验的目的,我们建立了一个由八种不同语言组成的口语语音识别问题数据集(BABELE)。它包括一系列不同的特征,其中口语代表了最相关的特征,而每个样本也手动标记了受试者的性别和年龄。
2023-02-27 cs.AI cs.CV
Ear2Face: Deep Biometric Modality Mapping
Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院);Istanbul Technical University(伊斯坦布尔理工大学)
在本文中,我们探讨了不同的视觉生物识别方式之间的相关性。为此,我们提出了一个端到端的深度神经网络模型,学习生物识别模式之间的映射。也就是说,我们的目标是在给定他/她的耳朵图像作为输入的情况下生成被摄体的正面面部图像。我们将问题描述为成对的图像到图像转换任务,并从Multi-PIE和FERET数据集中收集耳朵和面部图像对的数据集,以训练我们基于GAN的模型。除了对抗性和像素损失之外,我们还采用了特征重建和风格重建损失。我们评估了所提出的方法重建质量和人的识别精度。为了评估学习的映射模型的泛化能力,我们还进行了跨数据集实验。也就是说,我们在FERET数据集上训练模型,并在Multi-PIE数据集上测试它,反之亦然。我们已经取得了非常有希望的结果,特别是在FERET数据集上,从耳朵图像输入生成视觉上吸引人的人脸图像。此外,我们获得了非常高的跨模态人员识别性能,例如,在FERET数据集上达到了90.9%的Rank-10识别准确率。
2020-06-02 cs.CV
Aerial Animal Biometrics: Individual Friesian Cattle Recovery and Visual Identification via an Autonomous UAV with Onboard Deep Inference
University of Bristol(布里斯托大学)
本文描述了一种计算增强的M100无人机平台,该平台具有机载深度学习推理系统,用于集成计算机视觉和导航,能够自主发现和视觉识别自由移动牛群中的个体荷斯坦黑白花奶牛。我们提出了一种方法,利用三个深度卷积神经网络架构在飞机上实时运行;即基于YoloV 2的物种检测器,提供探索性代理的双流CNN和基于InceptionV 3的生物识别LRCN用于个体动物识别。我们评估了每个组件的性能离线,也在线通过现实世界的现场测试,包括146.7分钟的自主低空飞行在农场环境中的分散的牛群17头小母牛奶牛。我们在这个在线实验中报告了无错误的识别性能。该概念验证系统是同类系统中的第一个,也是在开放牧场环境中从空中对单个动物进行自主生物识别的成功一步,以支持农业和生态学中的无标签人工智能。
2019-07-11 cs.CV cs.RO
Dog nose print matching with dual global descriptor based on Contrastive Learning
Yunnan University(云南大学);ShanghaiTech University(上海科技大学);Zhejiang A&F University(浙江农林大学)
最近在基于生物识别的识别任务中的研究表明,深度学习方法可以实现更好的性能。这些方法一般提取全局特征作为描述符来表示原始图像。尽管如此,它在细粒度任务下的生物识别方面表现不佳。其主要原因是单一的图像描述符所包含的信息不足以表示图像。本文提出了一种双全局描述子模型,该模型结合多个全局描述子来开发多层次的图像特征。此外,我们利用对比损失扩大混淆类的图像表示之间的距离。该框架在CVPR2022生物识别研讨会宠物生物识别挑战赛上获得了前2名。源代码和经过训练的模型可在以下网址公开获取:https://github.com/flyingsheepbin/pet-biometrics
2022-06-01 cs.CV
Two-headed eye-segmentation approach for biometric identification
Tooploox;Wroclaw University of Science and Technology(弗罗茨瓦夫科技大学);Worldcoin(世界币)
基于虹膜的身份识别系统是最流行的身份识别方法之一。这样的系统需要高质量的分割模块,理想地识别不同眼睛组件的区域。本文介绍了新的双头架构,其中眼睛组件和睫毛分割使用两个单独的解码模块。此外,我们通过采用不同的训练损失来研究各种训练场景。多亏了双头方法,我们还能够用凸先验来检查模型的质量,这加强了分割形状的凸性。我们对现实生活条件下的高分辨率近红外虹膜图像的各种学习场景进行了广泛的评估。
2022-09-30 cs.CV cs.LG
Textural Approach to Palmprint Identification
生物特征识别技术利用人体的生理特征来识别个体,是目前广泛应用的身份识别和认证方法。生物特征识别是一种使用多种图像处理技术的技术,描述了从生物特征(如指纹、面部、虹膜或掌纹)的数字化图像中使用特征提取、存储和匹配进行识别和验证的一般过程。目前的论文使用了掌纹生物识别技术。在这里,我们提出了一种识别方法,利用掌纹图像的纹理特性。该方法的优点是将传统的边缘检测技术扩展到了对纹理特征的描述。在这项技术中,手掌的所有特征,如主线,边缘和皱纹都被认为具有同等重要性。
2012-10-23 cs.CR cs.CV cs.GR
SetMargin Loss applied to Deep Keystroke Biometrics with Circle Packing Interpretation
Universidad Autonoma de Madrid(马德里自治大学)
本文提出了一种基于距离度量学习(DML)的生物特征识别深度学习方法。DML将输入数据映射到一个学习的表示空间,该空间基于距离揭示了一个“语义”结构。在这项工作中,我们提出了一种新的DML方法,专门设计来解决与自由文本识别相关的挑战,其中用于学习和推理的类是不相交的。建议SetMargin Loss(SM-L)扩展了传统的DML方法,学习过程由成对的集合指导,而不是像传统上那样由成对的样本指导。所提出的学习策略允许扩大类间距离,同时保持类内结构的学习动态。我们分析所产生的表示空间使用的数学问题被称为圆包装,它提供了一个理论上的最大类间距离的邻域结构。我们最后通过实验证明了所提出的方法在一个具有挑战性的任务上的有效性:在一个78,000个受试者的大集合上进行生物特征识别。我们的方法在与现有最佳方法进行比较时达到了最先进的精度。
2021-09-02 cs.CV
Blind-Match: Efficient Homomorphic Encryption-Based 1:N Matching for Privacy-Preserving Biometric Identification
NAVER Cloud(NAVER云);Sungkyunkwan University(成均馆大学)
本文提出 Blind-Match,一种基于同态加密的生物识别系统。其通过将特征向量分块处理优化余弦相似度计算,在确保隐私的同时大幅提升 1:N 匹配效率,并在人脸和指纹数据集上以低维特征超越现有方法,实现高精度与大规模实用效率。
2024-10-13 cs.CR cs.CV
CardioID: Mitigating the Effects of Irregular Cardiac Signals for Biometric Identification
心脏模式被用于获得难以伪造的生物特征签名,并在最先进的(SoA)识别应用中实现了高准确性。然而,这种性能是在心脏信号保持相对均匀的模式的受控场景下获得的,从而有助于识别过程。在这项工作中,我们分析了在更现实(不受控制)的情况下收集的心脏信号,并表明它们的高信号变异性(即,不规则性)使得更难获得稳定和明显的用户特征。此外,SoA通常无法识别特定的用户群,使得现有的识别方法在不受控制的情况下无效。为了解决这些问题,我们提出了一个框架,具有三个新的属性。首先,我们设计了一种自适应方法,通过为每个用户定制滤波频谱来实现稳定和独特的功能。其次,我们表明用户可以有多种心脏形态,与SoA相比,为我们提供了更大的心脏信号和用户池。第三,我们克服了其他失真的影响,目前在认证应用程序中的多聚类方法和马氏距离。我们的评估表明,SoA的平均平衡准确度(BAC)从受控场景中的90%以上下降到非受控场景中的75%,而我们的方法在非受控场景中保持平均BAC高于90%。
2022-03-30 cs.CR cs.CV
Deep Eyedentification: Biometric Identification using Micro-Movements of the Eye
University of Potsdam(波茨坦大学)
我们研究眼睛的无意识微运动用于生物识别。虽然先前的研究从基于视频的眼动跟踪系统的输出中提取低频宏观运动,并设计这些宏观运动的显式特征,但我们开发了一种处理原始眼动跟踪信号的深度卷积架构。与以前的工作相比,该网络的出错率降低了一个数量级,速度提高了两个数量级:它在几秒钟内准确地识别用户。
2020-05-05 cs.CL cs.CV cs.HC
Long-Range Biometric Identification in Real World Scenarios: A Comprehensive Evaluation Framework Based on Missions
Oak Ridge National Laboratory(橡树岭国家实验室)
本文针对远距离生物特征识别中研发数据与真实应用不匹配问题,提出融合人脸与身体特征的鲁棒识别方法,并基于任务驱动指标构建评估框架,初步验证了全身识别的有效性。
2024-09-03 cs.AI cs.CV cs.LG
Multi-Domain Biometric Recognition using Body Embeddings
University of Maryland(马里兰大学);Johns Hopkins University(约翰斯·霍普金斯大学)
本文针对跨红外光谱人员识别,基于IJB-MDF多域数据集和vision transformer验证身体嵌入优于面部嵌入,并给出小样本训练洞见与LLCM上的SOTA mAP。
2025-03-13 cs.CV
Arabic Handwritten Text for Person Biometric Identification: A Deep Learning Approach
Egypt-Japan University of Science and Technology (E-JUST)(埃及-日本科学技术大学)
这项研究彻底调查了深度学习模型如何识别阿拉伯手写文本,以进行个人生物特征识别。它比较了三种先进的架构-ResNet 50,MobileNetV 2和EfficientNetB 7-使用三个广泛认可的数据集:AHAWP,Khatt和LAMIS-MSHD。结果表明,EfficientNetB 7优于其他算法,在AHAWP、Khatt和LAMIS-MSHD数据集上的测试准确率分别为98.57%、99.15%和99.79%。EfficientNetB 7的卓越性能归功于其创新技术,包括复合缩放,深度可分离卷积和挤压和激励块。这些特征使模型能够从手写文本图像中提取出更抽象、更独特的特征。该研究的发现对增强身份验证和认证系统具有重要意义,突出了深度学习在阿拉伯语手写文本识别中用于个人生物特征识别的潜力。
2024-06-01 cs.AI cs.CV cs.LG
Positive Pair Distillation Considered Harmful: Continual Meta Metric Learning for Lifelong Object Re-Identification
Computer Vision Center(计算机视觉中心);Universitat Autònoma de Barcelona(巴塞罗那自治大学);Nankai University(南开大学);University of Florence(佛罗伦萨大学);Huawei Kirin Solution(华为麒麟解决方案部)
终身对象重新识别从一系列重新识别任务中逐步学习。我们的目标是学习一个表示,可以应用于所有的任务,并概括到以前看不见的重新识别任务。主要的挑战是,在推理时,表示必须推广到以前看不见的身份。为了解决这个问题,我们将持续的Meta度量学习应用于终身对象重新识别。为了防止忘记以前的任务,我们使用知识蒸馏,并探讨积极和消极对的作用。根据我们的观察,蒸馏和度量损失是对立的,我们建议从蒸馏中删除正对,以增强模型更新。我们的方法,称为蒸馏无正对(DwoPP),在人和车辆重新识别数据集上进行了广泛的域内实验,以及在LReID基准上进行了域间实验。我们的实验表明,DwoPP显着优于最先进的。代码在这里:https://github.com/wangkai930418/DwoPP_code
2022-10-04 cs.CV
Adopting level set theory based algorithms to segment human ear
Sree Narayana Guru College of Engineering and Technology(斯里纳拉亚纳古鲁工程技术学院)
身份识别一直是世界各国研究人员感兴趣的课题。生物识别方法被发现比传统的识别方法,如钥匙,灵巧卡和密码,更有效,更容易为用户。与传统方法不同,生物测定方法的数据采集大多数时候是被动的,这意味着用户不主动参与数据采集。数据采集可以使用摄像机、扫描仪或传感器进行。人类生理生物特征,如面部,眼睛和耳朵是唯一识别个人的良好候选人。然而,人类的耳朵得分超过脸和眼睛,因为它比脸有某些优势。基于人耳生物特征的身份识别中最具挑战性的阶段是从捕获的图像中分割出人耳图像,其中可能包含许多不必要的细节。在这项工作中,基于偏微分方程的图像处理技术被用来分割出的耳朵图像。采用基于水平集理论的图像处理方法对人耳图像进行轮廓提取。比较了几种水平集算法对人耳图像分割的效果。
2013-09-26 cs.CV
Fusion of Methods Based on Minutiae, Ridges and Pores for Robust Fingerprint Recognition
Unesp - Brazil(巴西圣保罗大学(Unesp - 巴西))
使用物理和行为特征进行身份识别被称为生物识别。在众多生物特征中,指纹是使用最广泛的。指纹识别是基于指纹的印痕模式,指纹的印痕模式包括指纹的纹线模式和指纹的细节点模式,分别是指纹的第一级特征和第二级特征。由于传感器的低成本,当前的识别系统使用这两个级别的指纹特征。然而,由于传感器技术的最新进展,可以使用存在于脊内的第三级特征,例如汗孔。最近的研究表明,使用第三级特征可以提高生物识别系统的安全性和欺诈保护,因为它们很难复制。此外,由于多生物特征识别的诸多优点,近年来的研究也集中在多生物特征识别上。这项工作的目标是应用融合技术的指纹识别,以结合细节,脊和孔为基础的方法,从而提供更强大的生物识别系统。对基于各向同性和自适应的自动毛孔提取方法以及基于毛孔的方法与基于细节点和脊线的识别方法的融合进行了评价。实验在公共数据库PolyU HRF上进行,与单独使用这些方法获得的最佳结果相比,相等出错率降低了约16%。
2018-05-28 cs.CV
Encryption and encoding of facial images into quick response and high capacity color 2d code for biometric passport security system
School of Computer, Information and Mathematical Sciences(计算机、信息与数学科学学院)
本文提出了一种多模态生物特征、安全加密数据和加密生物特征编码到基于QR码的生物特征护照认证方法,用于国家安全应用。首先,采用扩展轮廓-局部二值模式(EP-LBP)、Canny边缘检测器和带图像文件信息的尺度不变特征变换(SIFT)算法(IMFINFO),初步实现了人脸标记尺寸的识别。其次,将主动形状模型(ASM)应用于主动外观模型(AAM)中,对手部进行跟踪,并将手部几何特征注入到验证和识别中,实现手部几何形状的识别。第三,将可公开访问的加密生物特征护照信息编码成QR码并插入电子护照以提高保护。此外,通过应用高级加密标准(AES)和安全散列算法(SHA)256算法对个人信息和生物统计数据进行加密。它将加强生物特征护照安全系统。
2022-03-17 cs.CV
Understanding and Improving CNNs with Complex Structure Tensor: A Biometrics Study
Halmstad University(哈尔姆斯塔德大学)
针对CNN难以有效提取方向特征的问题,提出将复结构张量作为输入并结合缩减的CNN规模,在生物识别任务中显著降低了等错误率并提升了模型可解释性。
2024-04-24 cs.CV
An on-production high-resolution longitudinal neonatal fingerprint database in Brazil
Federal University of Technology - Parana (UTFPR)(巴西帕拉州技术大学)
本研究针对新生儿指纹因生理发育变化导致识别困难且缺乏纵向数据集的问题,构建了一个高质量的多阶段新生儿指纹生物识别数据库,以支持训练深度学习模型预测指纹生长变化,为开发更可靠的新生儿识别系统奠定基础。
2025-04-27 cs.CV
Toward Face Biometric De-identification using Adversarial Examples
Universidad Autonoma de Madrid(马德里自治大学);University of Twente(特文特大学)
人脸识别(FR)的巨大成功已经危及互联网用户的隐私,特别是在社交媒体上。最近,研究人员转向使用对抗性例子作为对策。在本文中,我们评估了使用两种广为人知的对抗方法(BIM和ILLC)去识别个人图像的有效性。我们发现,与文献中先前的声明不同,要获得对人类视觉系统具有不可感知的对抗性扰动的高保护成功率(抑制识别率)并不容易。最后,我们发现对抗性示例的可移植性受到生成它们的网络的训练参数的高度影响。
2023-02-07 cs.CR cs.CV cs.LG
Privacy Preserving Group Membership Verification and Identification
Univ Rennes(雷恩大学);Inria(法国国家信息与自动化研究所);CNRS(法国国家科学研究中心);IRISA(IRISA研究所)
当召集隐私时,组成员身份验证检查生物特征是否对应于组中的一个成员,而不会泄露该成员的身份。同样,群体成员身份识别表明个人属于哪个群体,而不知道他/她的身份。最近的贡献提供了隐私和安全的组成员协议,通过联合使用两种机制:量化生物特征模板到离散嵌入和聚合成一个组表示的几个模板。这篇论文显著提高了这一贡献,因为它联合学习如何嵌入和聚合,而不是强加固定和硬编码的规则。这是通过暴露学习阶段的数学基础,然后通过针对人脸识别的一系列广泛的实验来显示改进来证明的。总体而言,实验表明,学习产生了良好的安全/隐私和验证/识别性能之间的权衡。
2019-04-23 cs.CV
Biometric verification of humans by means of hand geometry
Escola Universitària Politècnica de Mataró, Adscrita a la UPC(马塔罗理工学院(附属于加泰罗尼亚理工大学))
本文介绍了一种手部几何特征的生物特征识别系统。我们已经获得了22人的数据库,每人10次采集,使用传统的文件扫描仪。我们提出了一个特征提取和分类器。实验结果表明,使用多层感知器分类器的最大识别率为93.64%,检测成本函数的最小值为2.92%。
2022-04-16 cs.CR cs.CV
Generative Adversarial Networks Applied for Privacy Preservation in Biometric-Based Authentication and Identification
Brno University of Technology, Faculty of Information Technology(布拉格技术大学信息科技学院)
本文提出一种基于生成对抗网络(GAN)的身份验证方法,将人脸图像转换为视觉私有域(如花朵或鞋子)以保护隐私,实验表明该方法对攻击鲁棒且保持效用。
2025-09-24 cs.AI cs.CR cs.CV
Joint Learning of Assignment and Representation for Biometric Group Membership
Univ Rennes(雷恩大学);Inria(法国国家信息与自动化研究所);CNRS(法国国家科学研究中心);IRISA(雷恩信息、信号与自动化研究所)
本文提出了一个组成员协议的框架,防止好奇但诚实的服务器重建注册的生物特征签名和推断查询客户端的身份。该框架同时学习嵌入参数、群表示和赋值。实验表明,安全/隐私和验证/识别性能之间的权衡。
2020-02-24 cs.CR cs.CV
An Efficient Secure Multimodal Biometric Fusion Using Palmprint and Face Image
J.S.S. research foundation(J.S.S.研究基金会);Mysore University(迈索尔大学)
基于生物特征的身份识别被认为是一种有效的自动识别方法,具有高置信度的个人身份。多模态生物特征系统整合了多个生物特征源提供的证据,与基于单一生物特征模态的系统相比,通常具有更好的识别性能。提出了一种利用人脸和掌纹两个特征进行多模态生物系统辨识认证的方法。所提出的系统被设计用于其中训练数据包含面部和掌纹的应用。将掌纹和人脸特征相结合,提高了身份认证的鲁棒性。最后的决定是由融合在匹配分数级架构,其中特征向量独立创建查询措施,然后比较注册模板,这是存储在数据库准备。多模态生物特征识别系统是通过融合人脸识别和掌纹识别来实现的。
2009-09-12 cs.CR cs.CV
Semi-Supervised Recognition of the Diploglossus Millepunctatus Lizard Species using Artificial Vision Algorithms
Universidad de Antioquia(安蒂奥基亚大学)
动物生物识别技术是监测和保护任务的重要要求。传统的动物生物特征识别技术存在着对动物完整性的风险,对于数量众多的动物来说成本昂贵,并且依赖于专家标准。非侵入性生物识别技术提供了管理上述问题的替代方案。本文提出了一种基于人工视觉算法的点状双舌鱼自动分割识别算法。千点双舌鱼是一种濒危蜥蜴。该算法基于两个阶段:自动分割,以消除主观评价,和一个识别阶段,以减少分析时间。平均分割正确率为82.87%。同时采用迭代最近点法和普鲁克分析法等欧氏距离点算法实现了识别算法。前1名的绩效达到92.99%,前5名达到96.82%。所开发的软件和本文所用的数据库可从该项目的网页上公开下载。
2016-11-09 cs.CV
On The Power of Joint Wavelet-DCT Features for Multispectral Palmprint Recognition
New York University(纽约大学)
近年来,基于生物特征的身份识别引起了人们的广泛关注。在所有的生物识别技术中,掌纹被认为具有丰富的特征。在本文中,我们提出了并行使用基于DCT的特征与基于小波的掌纹识别。主成分分析被应用到的功能,以减少他们的维数和多数投票算法被用来执行分类。这里介绍的功能导致一个近乎完美的准确识别。该方法在一个著名的多光谱掌纹数据库上进行了测试,准确率达到99.97- 100%,优于同类条件下的所有以前的方法。
2015-11-26 cs.CV
Demographic Fairness in Face Identification: The Watchlist Imbalance Effect
最近,不同的研究人员已经发现,人脸数据库的图库组成可以诱导性能差异的面部识别系统,其中探针图像与所有存储的参考图像进行比较,以达到生物识别决策。这种负面影响被称为“观察名单不平衡效应”。在这项工作中,我们提出了一种方法,从理论上估计所述影响的生物识别系统,其验证性能的人口群体和所使用的画廊的组成。此外,我们报告的结果不同组成的人口子集,即女性和男性,使用开源ArcFace人脸识别系统的公共学术MORPH数据库的识别实验。结果表明,数据库组成对生物特征识别系统的性能差异有巨大的影响,即使性能差异在验证方案中不太明显。这项研究代表了观察名单不平衡效应的第一次详细分析,预计这将对面部识别领域的未来研究产生很大的兴趣。
2021-06-30 cs.CV cs.CY
A Score-level Fusion Method for Eye Movement Biometrics
IIT Kharagpur(印度理工学院卡拉格普尔分校)
本文提出了一种新的框架,使用眼动模式的生物识别应用。眼动包含了丰富的信息,认知脑功能,神经通路等,在所提出的方法,眼动数据被分类为固定和扫视。从注视和扫视中提取的特征被基于高斯径向基函数网络(GRBFN)的方法用于生物特征认证。在输出层采用评分融合的方法对数据进行分类。在评估阶段,该算法已被测试使用两种类型的刺激:随机点以下的屏幕上和文本阅读。结果表明眼动模式作为生物计量模态的强度。该算法已在BioEye 2015数据库上进行了评估,发现优于所有其他方法。眼球运动是由一种复杂的眼动植物产生的,很难被机械复制品欺骗。眼睛运动动态与虹膜识别技术的使用可以导致鲁棒的防伪个人识别系统。
2016-01-13 cs.CV
Feature Level Clustering of Large Biometric Database
NIT Rourkela(鲁尔克拉国家技术学院);IIT Kanpur(坎普尔印度理工学院)
提出了一种在身份识别过程中对大型生物特征数据库进行有效划分的方法。该方法从离线签名中提取全局和局部特征向量,利用模糊聚类技术对数据库进行划分。由于生物特征没有自然的排序顺序,因此很难对其进行分类或数字索引。因此,需要一些监督标准来划分搜索空间。在识别过程中引入模糊聚类准则来寻找最近的聚类,以声明查询样本的身份。该系统进行了测试,使用箱错过率和传统的k均值方法相比,表现更好。
2010-02-02 cs.CV cs.DB cs.LG
Advancing Ear Biometrics: Enhancing Accuracy and Robustness through Deep Learning
Egypt-Japan University of Science and Technology(埃及-日本科学技术大学)
本研究聚焦耳部生物特征识别,利用深度学习结合数据预处理与增强技术,在AMI和EarNV1.0数据集上分别取得99.35%和98.1%的准确率,证明该方法能克服表情与光照限制实现高精度身份识别。
2024-05-31 cs.AI cs.CV cs.HC
Machine Biometrics -- Towards Identifying Machines in a Smart City Environment
International Hellenic University(国际希腊大学)
本文涉及智能城市环境中的机器识别。在这项工作中首次提出了机器生物识别的概念,作为一种在日常生活中与人类交互的机器身份认证的方法。这个定义是在现代强加的,其中自动驾驶汽车,社交机器人等被认为是当代社会的活跃成员。在此背景下,汽车识别的情况下,从发动机的行为生物识别检查。为此,提取了22个声音特征,并结合9个不同的机器学习分类器测试了它们的辨别能力,以识别5个汽车制造商。实验结果表明,所提出的生物识别技术的能力,以识别汽车的多层感知器(MLP)神经网络模型的情况下,高达98%的准确率。
2021-02-25 cs.AI cs.CR cs.CV
Thermal hand image segmentation for biometric recognition
EUP Mataró (TCM – UPC)(马塔罗理工大学学院(TCM – 加泰罗尼亚理工大学));Brno University of Technology(布尔诺理工大学)
在本文中,我们提出了一种方法来识别人的热(TH)和可见光(VIS)的手同时获得的图像与TESTO 882-3相机。此外,我们还提出了一个新的数据库专门收购这项工作。处理TH图像时的真正挑战是冷指区域,这可能与采集表面混淆。利用VIS信息解决了这个问题。我们已经进行了不同的测试,以显示TH和VIS图像在识别问题中的工作方式。实验结果表明,TH手图像与VIS手图像一样适用于生物特征识别系统,结合这些信息可以获得更好的识别效果。生物特征分散匹配器已被用作特征向量降维技术以及分类任务。它的选择标准有助于减少用于执行多达一百个测量的识别的向量的长度。在这些条件下,当使用104人的数据库时,识别率达到最大值98.3%。
2022-02-23 cs.CR cs.CV cs.LG