Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Mô hình xác định danh tính người dùng sâu với nhiều dữ liệu sinh trắc học
Tóm tắt
Nhận diện là một chức năng thiết yếu của con người. Con người dễ dàng nhận ra một người thông qua nhiều đầu vào khác nhau như giọng nói, khuôn mặt hoặc cử chỉ. Trong nghiên cứu này, chúng tôi chủ yếu tập trung vào mô hình học sâu với đa dạng đầu vào, điều này mang lại nhiều lợi ích bao gồm cả việc giảm tiếng ồn. Chúng tôi đã sử dụng ResNet-50 để trích xuất đặc trưng từ tập dữ liệu với dữ liệu 2D. Nghiên cứu này đề xuất một mô hình đa phương thức và đa nhiệm mới, có thể xác định danh tính con người và phân loại giới tính trong một bước. Ở cấp độ đặc trưng, các đặc trưng được trích xuất sẽ được nối lại làm đầu vào cho mô-đun xác định danh tính. Thêm vào đó, trong thiết kế mô hình của chúng tôi, chúng tôi có thể thay đổi số lượng phương thức được sử dụng trong một mô hình duy nhất. Để minh họa mô hình của chúng tôi, chúng tôi tạo ra 58 đối tượng ảo với các tập dữ liệu ECG, khuôn mặt và dấu vân tay công khai. Qua thử nghiệm với đầu vào nhiễu, việc sử dụng đa phương thức cho thấy độ chắc chắn và hiệu quả hơn so với việc sử dụng phương thức đơn. Bài báo này trình bày một phương pháp đầu-cuối cho việc học đa phương thức và đa nhiệm. Mô hình đề xuất cho thấy sự chắc chắn với các cuộc tấn công giả mạo, điều này có thể có ý nghĩa lớn cho thiết bị xác thực sinh học. Thông qua kết quả trong nghiên cứu này, chúng tôi gợi ý một góc nhìn mới cho nhiệm vụ xác định danh tính con người, hoạt động tốt hơn so với các phương pháp trước đó.
Từ khóa
#xác định danh tính #mô hình học sâu #đa phương thức #đặc trưng sinh trắc học #phân loại giới tínhTài liệu tham khảo
Israel S. A., Scruggs W. T., Worek W. J., Irvine J. M.Fusing face and ecg for personal identification. In: Proceedings of 32nd Applied Imagery Pattern Recognition Workshop: 15-17 Octobor 2003; Washington DC. IEEE: 2003. p. 226–31. https://doi.org/10.1109/aipr.2003.1284276.
Zokaee S., Faez K.Human identification based on electrocardiogram and palmprint. Int J Electr Comput Eng. 2012; 2:261–6.
Gavrilova M. L., Monwar M.Multimodal Biometrics and Intelligent Image Processing for Security Systems. Hershey: IGI Global; 2013.
Chergui O., Bendjenna H., Meraoumia A., Chitroub S.Ccombining palmprint & finger-knuckle-print for user identification. In: Proceedings of International Conference on Information Technology for Organizations Development: 30 March-1 April 2016. Fez: IEEE: 2016. p. 1–5. https://doi.org/10.1109/IT4OD.2016.7479294.
Huo G., Liu Y., Zhu X., Dong H., He F.Face–iris multimodal biometric scheme based on feature level fusion. J Electron Imaging. 2015; 24:063020.
Ross A. A., Nandakumar K., Jain A. K.Handbook of Multibiometrics. New York: Springer; 2013.
Lin Y., Lv F., Zhu S., Yang M., Cour T., Yu K., Cao L., Huang T.Large-scale image classification: Fast feature extraction and svm training. In: Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition: 20-25 June 2011; Providence. IEEE: 2011. p. 1689–96. https://doi.org/10.1109/cvpr.2011.5995477.
He K., Zhang X., Ren S., Sun J.Deep residual learning for image recognition. In: Proceedings of IEEE Conference on Computer Vision and Pattern Recognition: 27-30 June 2016; Las Vegas. IEEE: 2016. p. 770–8. https://doi.org/10.1109/cvpr.2016.90.
Salloum R., Kuo C. J.Ecg-based biometrics using recurrent neural networks. In: Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing: 5-9 March 2017; New Orleans. IEEE: 2017. p. 2062–6. https://doi.org/10.1109/icassp.2017.7952519.
Goldberger A., Amaral L., Glass L., Hausdorff J., Ivanov P., Mark R., Mietus J., Moody G., Peng C. K., Stanley H.Physiobank, physiotoolkit, and physionet : Components of a new research resource for complex physiologic signals. Circulation. 2000; 101:215–20.
ECG-ID Database. https://dx.doi.org/10.13026/C2J01F. Accessed 08 May 2020.
PTB Diagnostic ECG Database. https://dx.doi.org/10.13026/C28C71. Accessed 08 May 2020.
Hond D., Spacek L.Distinctive descriptions for face processing. In: Proceedings of 8th British Machine Vision Conference: 1997; Colchester. Colchester: BMVA: 1997. p. 320–9. http://www.bmva.org/bmvc/1997/papers/021/topsty.htm.
Cappelli R., Ferrara M., Franco A., Maltoni D.Fingerprint verification competition 2006. Biom Technol Today. 2007; 15:7–9.