Fugu-MT 論文翻訳(概要): Open Source Iris Recognition Hardware and Software with Presentation Attack Detection

論文の概要: Open Source Iris Recognition Hardware and Software with Presentation Attack Detection

arxiv url: http://arxiv.org/abs/2008.08220v1
Date: Wed, 19 Aug 2020 02:02:16 GMT
ステータス: 処理完了
システム内更新日: 2022-10-27 11:49:59.582443
Title: Open Source Iris Recognition Hardware and Software with Presentation Attack Detection
Title（参考訳）: 提示検出によるオープンソースのアイリス認識ハードウェアとソフトウェア
Authors: Zhaoyuan Fang, Adam Czajka
Abstract要約: 本稿では,プレゼンテーションアタック検出(PAD)を用いたオープンソースハードウェアおよびソフトウェアアイリス認識システムを提案する。 Raspberry Piボードと周辺機器を使って、約75 USDで簡単に組み立てることができる。提案された虹彩認識は約3.2秒で、提案されたPADはRaspberry Pi 3B+で約4.5秒で実行される。
参考スコア（独自算出の注目度）: 10.579257329579676
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper proposes the first known to us open source hardware and software iris recognition system with presentation attack detection (PAD), which can be easily assembled for about 75 USD using Raspberry Pi board and a few peripherals. The primary goal of this work is to offer a low-cost baseline for spoof-resistant iris recognition, which may (a) stimulate research in iris PAD and allow for easy prototyping of secure iris recognition systems, (b) offer a low-cost secure iris recognition alternative to more sophisticated systems, and (c) serve as an educational platform. We propose a lightweight image complexity-guided convolutional network for fast and accurate iris segmentation, domain-specific human-inspired Binarized Statistical Image Features (BSIF) to build an iris template, and to combine 2D (iris texture) and 3D (photometric stereo-based) features for PAD. The proposed iris recognition runs in about 3.2 seconds and the proposed PAD runs in about 4.5 seconds on Raspberry Pi 3B+. The hardware specifications and all source codes of the entire pipeline are made available along with this paper.
Abstract（参考訳）: 本稿では,raspberry piボードと周辺機器を用いて,75usdで容易に組み立て可能なプレゼンテーションアタック検出(pad)を備えた,米国初のオープンソースハードウェアおよびソフトウェア虹彩認識システムを提案する。本研究の主な目的は,スプーフ耐性虹彩認識のための低コストベースラインを提供することである。 (a)アイリスパッドの研究を刺激し、安全なアイリス認識システムのプロトタイピングを容易にする。 (b)より高度なシステムに代わる低コストで安全な虹彩認識を提供し、 (c)教育プラットフォームとして機能する。本研究では,高速かつ高精度な虹彩分節化のための軽量画像複雑度誘導畳み込みネットワーク,ドメイン固有二元化統計的画像特徴(bsif)を提案し,虹彩テンプレートの構築と,パッドのための2d(虹彩テクスチャ)と3d(光量ステレオベース)機能を組み合わせる。提案された虹彩認識は約3.2秒で、提案されたPADはRaspberry Pi 3B+で4.5秒で実行される。この論文とともに、ハードウェア仕様とパイプライン全体のすべてのソースコードが利用可能になっている。

関連論文リスト

FarSight: A Physics-Driven Whole-Body Biometric System at Large Distance and Altitude [67.55994773068191]
本稿ではFarSightの設計・開発・評価について述べる。 FarSightは、全身(顔、歩行、身体形状の融合)の生体認証のために設計された革新的なソフトウェアシステムである。我々は、新たに取得したIARPAバイオメトリック認識とAltitude and Rangeデータセットによる同定を用いて、FarSightの有効性を検証した。
論文参考訳（メタデータ） (2023-06-29T16:14:27Z)
FastPillars: A Deployment-friendly Pillar-based 3D Detector [63.0697065653061]
既存のBEVベースの(つまりバードアイビュー)検出器は、トレーニングと推論を高速化するためにスパース・コンボリューション(SPConv)を好む。 FastPillarsは、CenterPoint(SPConvベース)よりも1.8倍のスピードアップと3.8mAPH/L2の改善で、Openデータセットの最先端の精度を提供する
論文参考訳（メタデータ） (2023-02-05T12:13:27Z)
Towards an efficient Iris Recognition System on Embedded Devices [10.096614253237103]
本研究の目的は、組込みシステムにおいて虹彩認識ソフトウェアを開発し実装し、NIRを非接触双眼鏡で校正することである。 2台の組込みコンピュータと赤外線カメラで得られたコントラスト速度とコントラスト性能を比較検討した。 Unet_xxs と呼ばれる軽量セグメンタサブシステムが提案され,メモリリソース制限下でのアイリスセグメンテーションに使用できる。
論文参考訳（メタデータ） (2022-10-24T10:37:40Z)
EyePAD++: A Distillation-based approach for joint Eye Authentication and Presentation Attack Detection using Periocular Images [51.68060838051637]
EyePAD (EyePAD) は、EAとPADのための単一のネットワークを訓練する蒸留方式である。 EyePAD++はEAとPADデータの両方でMTLネットワークをトレーニングし、EyePADネットワークの汎用性を蒸留する。提案手法はPADにおいてSOTAよりも優れており,眼目検証において,前処理なしでSOTAに近い性能が得られる。
論文参考訳（メタデータ） (2021-12-22T01:22:08Z)
Direct attacks using fake images in iris verification [59.68607707427014]
BioSecベースラインデータベースの実際のアイリスから偽アイリス画像のデータベースが作成されている。本システムは直接攻撃に対して脆弱であることを示し,対策の重要性を指摘する。
論文参考訳（メタデータ） (2021-10-30T05:01:06Z)
Toward Accurate and Reliable Iris Segmentation Using Uncertainty Learning [96.72850130126294]
高精度で信頼性の高いアイリスセグメンテーションのためのアイリスU変換器(アイリスUsformer)を提案する。 IrisUsformerの精度向上のために,位置感応操作と再パッケージング変圧器ブロックを採用することで精巧に設計する。 IrisUsformer は SOTA IrisParseNet の 35% MAC を用いて, セグメンテーション精度の向上を図っている。
論文参考訳（メタデータ） (2021-10-20T01:37:19Z)
An Embedded Iris Recognition System Optimization using Dynamically ReconfigurableDecoder with LDPC Codes [0.0]
提案した設計には、最小限のコンピュータビジョンモジュールとマルチモードQC-LDPCデコーダが含まれる。アイリス認識システムにマルチモードQC-LDPCデコーダを実装するために動的部分再構成技術を適用することができることを示す。
論文参考訳（メタデータ） (2021-07-08T09:04:11Z)
Iris Presentation Attack Detection by Attention-based and Deep Pixel-wise Binary Supervision Network [6.704751710867745]
虹彩提示攻撃検出(PAD)は虹彩認識システムにおいて重要な役割を担っている。既存のCNNベースのPADソリューションの多くは、CNNのトレーニング中にバイナリラベルを監督するのみである。本稿では,A-PBS(Deep Pixel-wise binary supervision)法を提案する。
論文参考訳（メタデータ） (2021-06-28T16:47:08Z)
Generalized Iris Presentation Attack Detection Algorithm under Cross-Database Settings [63.90855798947425]
プレゼンテーションアタックは、バイオメトリックなモダリティの大部分に大きな課題をもたらす。本稿では,汎用的な深層学習に基づくプレゼンテーション攻撃検出ネットワークであるMVANetを提案する。これはハイブリッドアルゴリズムの単純さと成功、あるいは複数の検出ネットワークの融合にインスパイアされている。
論文参考訳（メタデータ） (2020-10-25T22:42:27Z)
On Benchmarking Iris Recognition within a Head-mounted Display for AR/VR Application [16.382021536377437]
我々は、ヘッドマウントディスプレイ(HMD)に適した虹彩認識アルゴリズムのセットを評価する。我々は最近開発されたミニチュアセグメンテーションモデル(EyeMMS)を用いて虹彩のセグメンテーションを行っている。アイリス認識の性能に感銘を受けて,HMDにおける非協調的なキャプチャ設定において,ユーザの継続的な認証を提案する。
論文参考訳（メタデータ） (2020-10-20T17:05:11Z)
Robust Iris Presentation Attack Detection Fusing 2D and 3D Information [15.97343723521826]
本稿では,観測された虹彩の二次元特性と三次元特性を結合する手法を提案する。バイナリ統計画像特徴量(BSIF)を用いた最先端手法により2次元アイリス特徴を抽出する 3Dアイリスの特徴は、2つの異なる角度に配置された近赤外線照明下で撮影された2つの画像のみから、測光ステレオ法により再構成される。
論文参考訳（メタデータ） (2020-02-21T05:44:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。