Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Nhận diện hình ảnh gân tay mu bàn tay giữa các thiết bị bằng phương pháp khớp thô đến tinh hai giai đoạn
Tóm tắt
Bài báo này giải quyết vấn đề hiệu suất nhận diện sinh trắc học kém do sự biến đổi lớn giữa các mẫu gân tay của cùng một cá nhân do việc sử dụng các thiết bị hình ảnh khác nhau trong các điều kiện thu thập khác nhau. Bài báo đề xuất một giải pháp mới dựa trên phương pháp khớp thô đến tinh hai giai đoạn. Cụ thể, một mô tả mẫu toàn cầu được đề xuất như một tham chiếu hình học cho việc phân đoạn hình ảnh tối ưu của các mẫu gân mà không dẫn đến phân đoạn quá mức hay thiếu mức. Để accommodate (phù hợp với) sự biến đổi lớn giữa các thiết bị, một tham số điều khiển được giới thiệu cho phép điều chỉnh các mẫu gân đã phân đoạn, từ đó không chỉ tăng cường sự tương đồng mẫu trong cùng lớp mà còn tăng cường sự khác biệt mẫu giữa các lớp. Hơn nữa, việc chồng chéo các mẫu gân chính được đề xuất như một tiêu chí cho phép khớp thô toàn cầu nhằm giảm số lượng ứng viên cho việc nhận diện, và các đặc trưng nổi bật hiệu quả mạnh mẽ được sử dụng để cung cấp một mô tả dựa trên thị giác sinh học của các đặc trưng mẫu địa phương nổi bật cho việc khớp tinh. Sử dụng một tập dữ liệu lớn gồm 2000 hình ảnh gân tay từ hai thiết bị hình ảnh hồng ngoại gần khác nhau và 100 bàn tay, hiệu quả của phương pháp đề xuất cho một hệ thống sinh trắc học giữa các thiết bị được chứng minh, với hiệu suất nhận diện cho thấy khả năng tương thích với một hệ thống sinh trắc học sử dụng một thiết bị đơn.
Từ khóa
#nhận diện sinh trắc học #gân tay #phân đoạn hình ảnh #khớp thô đến tinh #biến đổi giữa các thiết bị #hiệu suất nhận diệnTài liệu tham khảo
Fleites, F.C., Wang, H., Chen, S.C.: Enabling enriched TV shopping experience via computational and temporal aware view-centric multimedia abstraction[J]. IEEE Trans. Multimed 17(7), 1068–1080 (2015)
Wu, G., Kang, W.: Robust fingertip detection in a complex environment[J]. IEEE Trans. Multimed. 18, 1–1 (2016)
Tsai, T.J., Stolcke, A., Slaney, M.: A study of multimodal addressee detection in human-human-computer interaction[J]. IEEE Trans. Multimed. 17(9), 1550–1561 (2015)
Raja K B, Auksorius E, Raghavendra R, et al. Robust verification with subsurface fingerprint recognition using full field optical coherence tomography[C]//Proceedings of the IEEE conference on computer vision and pattern recognition workshops. 2017: 144–152.
Ding, C., Tao, D.: Robust face recognition via multimodal deep face representation[J]. IEEE Trans. Multimed. 17(11), 2049–2058 (2015)
Jiang, J., Chen, C., Ma, J., et al.: SRLSP: a face image super-resolution algorithm using smooth regression with local structure prior[J]. IEEE Trans. Multimed. 19(1), 27–40 (2016)
Ramaiah, N., Kumar, A.: Toward more accurate iris recognition using cross-spectral matching[J]. IEEE Trans. Image Process. 99, 1–1 (2016)
Tan, C.W., Kumar, A.: Accurate iris recognition at a distance using stabilized iris encoding and Zernike moments phase features[J]. IEEE Trans. Image Process. 23(9), 3962–3974 (2014)
Zhang, L., Li, L., Li, H., et al.: 3D Ear identification using block-wise statistics based features and LC-KSVD[J]. IEEE Trans. Multimed. 18(8), 1–1 (2016)
Pan, Z., Wang, J., Shen, Z., et al.: Multi-layer convolutional features concatenation with semantic feature selector for vein recognition[J]. IEEE Access 7, 90608–90619 (2019)
Cross J M, Smith C L. Thermographic imaging of the subcutaneous vascular network of the back of the hand for biometric identification[C]// Institute of Electrical and Electronics Engineers, 1995 International Carnahan Conference on Security Technology, 1995. Proceedings. IEEE, 1995:20–35.
Wang, L., Leedham, G., Cho, S.Y.: Infrared imaging of hand vein patterns for biometric purposes[J]. Iet. Computer Vision 1, 113–122 (2007)
Kumar, A., Prathyusha, K.V.: Personal authentication using hand vein triangulation and knuckle shape[J]. IEEE Trans. Image Process. Publ. IEEE Signal Process. Soc. 18(9), 2127–2136 (2009)
Standring, S.: Gray’s anatomy, 39th edn. Elsevier Churchill Livingston, Edinburgh (2005)
Yan L, Zhang J, Pan J S, et al. Bilinear Feature Line Analysis for Face Recognition[C]// 2015 International Conference on Intelligent Information Hiding and Multimedia Signal Processing (IIH-MSP). IEEE, 2015.
Si-Jung, R., Jun-Seuk, , G., et al.: Feature-based hand gesture recognition using an FMCW radar and its temporal feature analysis[J]. IEEE Sensors J 18, 7593–7602 (2018)
Khan, M.H.M., Subramanian, R.K., Khan, N.A.M.: Low dimensional representation of dorsal hand vein features using principle component analysis (PCA) [J]. Proc. World Acad. Sci. Eng. Technol. 37(1), 1091–1097 (2009)
Ojala, T., Pietikäinen, M., Mäenpää, T.: Multiresolution grayscale and rotation invariant texture classification with local binary patterns[J]. IEEE Trans. Pattern Anal. Mach. Intell. 7(24), 971–987 (2002)
Lowe D G. Object Recognition from Local Scale-Invariant Features[C].IEEE International Conference on Computer Vision. IEEE, 1999:1150.
Mo, D., Lai, Z., Wong, W.K.: Locally joint sparse marginal embedding for feature extraction[J]. IEEE Trans. Multimed. 21, 3038–3052 (2019)
Zhong, D., Shao, H., et al.: Towards application of dorsal hand vein recognition under uncontrolled environment based on biometric graph matching[J]. IET Biometr. 8, 159–167 (2019)
Dexing, Z., Huikai, Z., et al.: A hand-based multi-biometrics via deep hashing network and biometric graph matching[J]. Inf. Forensic. Secur. IEEE Trans. 14(12), 3140–3150 (2019)
Wang Y, Wang H. Gradient Based Image Segmentation for Vein Pattern[C]. International Conference on Computer Sciences and Convergence Information Technology. IEEE,2009:1614–1618
Weng, D., Wang, Y., Gong, M., et al.: DERF: distinctive efficient robust features from the biological modeling of the P ganglion cells [J]. IEEE Trans. Image Process. Publ. IEEE Signal Process. Soc. 24(8), 2287–2302 (2015)
Ding Y,Zhuang D,Wang K. A study of hand vein recognition method. Proceedings of the IEEE International Conference on Mechatronics & Automation,2005:2106–2110
Ohtsu, N.: A threshold selection method from gray-level histograms[J]. IEEE Trans. Syst. Man Cybern. 9(1), 62–66 (2007)
Niblack, W.: An introduction to image processing. Prentice-Hall (1986)
Sauvola, J., Pietikäinen, M.: Adaptive document image binarization[J]. Pattern Recogn. 33(2), 225–236 (2000)
Wang K,Guo Q,Zhuang D,et al. The Study of Hand Vein Image Processing Method[C]. Intelligent Control and Automation,2006. WCICA 2006. The Sixth World Congress on. IEEE,2006:10197–10201
Rodieck, R.W.: Quantitative analysis of cat retinal ganglion cell response to visual stimuli[J]. Vision. Res. 5(12), 583–601 (1965)
Daubechies, I., et al.: Ten lectures on wavelets, vol. 61. SIAM, Philadelphia (1992)