虹膜与眼周深度特征融合网络模型

作     者：雷松泽 李永刚 单奥奎 张文娟 LEI Songze;LI Yonggang;SHAN Aokui;ZHANG Wenjuan

作者机构：西安工业大学计算机科学与工程学院陕西西安710021 西安工业大学基础学院陕西西安710021 

基　　金：新型网络与检测控制国家地方联合工程实验室基金项目(GSYSJ2018002) 陕西省自然科学基础研究项目(2020GY-066) 

出 版 物：《工程科学与技术》 (Advanced Engineering Sciences)

年 卷 期：2024年第56卷第3期

页      码：240-248页

摘      要：虹膜识别的识别率虽然很高,但单模态识别时受环境、欺骗攻击等影响,并且在远距离或移动端、较少约束等场景下,识别率会大大下降。利用位置与虹膜相近并且被研究证明鉴别性很强的眼周生物特征,将虹膜和眼周进行双模态融合识别是较好的思路。为实现精确自适应的融合识别,本文提出新颖的虹膜与眼周深度特征融合网络模型(MultipleFusionNet)。根据特征通道注意力和通道分组注意力的思想,设计自动权值生成网络,通过网络学习自动获得虹膜与眼周的权值。权值与卷积神经网络(CNN)生成的虹膜与眼周深度特征加权计算,可实现两个模态的深度特征动态精确融合,从而提高识别准确率。本文网络模型中融合部分可作为通用的深度特征融合模块使用,该模块可灵活地嵌入在任何CNN主干网络中,轻便且易于实现。在中国科学院公开的远距离虹膜库图像库CASIA-Iris-Distance和近距离光照变化虹膜图像库CASIA-Iris-Lamp上进行了实验验证,多种方法的对比实验和距离度量实验结果显示:本文的特征融合模型准确率最高为99.56%,采用余弦距离度量的等误率(EER)最低为0.002 7,优于单模态方法和相关的特征融合方法;计算复杂度方面,参数量和计算量比单模型的两倍少1.5%,计算量只比基准融合方法高1%,这表明该融合模型计算复杂度低,具有良好的性能。

主 题 词：双模态融合 虹膜识别 眼周识别 深度特征融合 

学科分类：0710[理学-生物科学类] 0831[工学-公安技术类] 08[工学] 080203[080203] 0802[工学-机械学] 0836[0836] 

核心收录：

D　O　I：10.15961/j.jsuese.202201010

馆 藏 号：203127834...