論文の概要: Smartphone-based Iris Recognition through High-Quality Visible Spectrum Iris Capture

• arxiv url: http://arxiv.org/abs/2412.13063v1
• Date: Tue, 17 Dec 2024 16:28:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-18 13:57:26.599173
• Title: Smartphone-based Iris Recognition through High-Quality Visible Spectrum Iris Capture
• Title（参考訳）: 高品質可視スペクトルアイリスキャプチャによるスマートフォンによるアイリス認識
• Authors: Naveenkumar G Venkataswamy, Yu Liu, Surendra Singh, Soumyabrata Dey, Stephanie Schuckers, Masudul H Imtiaz,
• Abstract要約: 本研究では、自動焦点調整とズーム調整により高品質なVISアイリス画像を連続的にキャプチャする新しいAndroidアプリケーションを提案する。 この手法は,47名を対象に,スマートフォンで撮影したVIS画像とNIRアイリス画像を用いて検証した。
• 参考スコア（独自算出の注目度）: 3.7681656804525057
• License:
• Abstract: Iris recognition is widely acknowledged for its exceptional accuracy in biometric authentication, traditionally relying on near-infrared (NIR) imaging. Recently, visible spectrum (VIS) imaging via accessible smartphone cameras has been explored for biometric capture. However, a thorough study of iris recognition using smartphone-captured 'High-Quality' VIS images and cross-spectral matching with previously enrolled NIR images has not been conducted. The primary challenge lies in capturing high-quality biometrics, a known limitation of smartphone cameras. This study introduces a novel Android application designed to consistently capture high-quality VIS iris images through automated focus and zoom adjustments. The application integrates a YOLOv3-tiny model for precise eye and iris detection and a lightweight Ghost-Attention U-Net (G-ATTU-Net) for segmentation, while adhering to ISO/IEC 29794-6 standards for image quality. The approach was validated using smartphone-captured VIS and NIR iris images from 47 subjects, achieving a True Acceptance Rate (TAR) of 96.57% for VIS images and 97.95% for NIR images, with consistent performance across various capture distances and iris colors. This robust solution is expected to significantly advance the field of iris biometrics, with important implications for enhancing smartphone security.
• Abstract（参考訳）: 虹彩の認識は生体認証における異常な精度で広く知られており、従来は近赤外線(NIR)イメージングに頼っていた。 近年,生体計測のためにスマートフォンカメラによる可視光(VIS)イメージングが研究されている。 しかし,スマートフォンによる「高品質」VIS画像を用いた虹彩認識と,予め登録したNIR画像とのクロススペクトルマッチングの徹底的な研究は行われていない。 最大の課題は、スマートフォンのカメラの制限として知られている高品質な生体認証の取得だ。 本研究では、自動焦点調整とズーム調整により高品質なVISアイリス画像を連続的にキャプチャする新しいAndroidアプリケーションを提案する。 このアプリケーションは、正確な目と虹彩検出のためのYOLOv3-tinyモデルとセグメンテーションのためのGhost-Attention U-Net(G-ATTU-Net)を統合し、ISO/IEC 29794-6の画質基準に準拠している。 この手法は、47人の被験者のスマートフォンで撮影したVISとNIRの虹彩画像を用いて検証され、VIS画像の96.57%、NIR画像の97.95%の真の受容率(TAR)を達成した。 この堅牢なソリューションは、スマートフォンのセキュリティ向上に重要な意味を持つ、虹彩バイオメトリクスの分野を著しく前進させることが期待されている。

関連論文リスト

• mEBAL2 Database and Benchmark: Image-based Multispectral Eyeblink Detection [14.052943954940758]
  本研究は、RGBおよび近赤外(NIR)個々の画像における新しいマルチスペクトルデータベースとアイブリンク検出のための新しいアプローチを導入する。 mEBAL2は、現存する最大のアイリンクデータベースである。 mEBAL2は180人の学生から21,100の画像シーケンスを含んでいる。
  論文  参考訳（メタデータ） (2023-09-14T17:25:25Z)
• 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)
• Physically-Based Face Rendering for NIR-VIS Face Recognition [165.54414962403555]
  近赤外(NIR)と可視(VIS)の顔マッチングは、大きなドメインギャップのために困難である。 NIR-VIS対顔画像生成のための新しい手法を提案する。 アイデンティティ特徴学習を容易にするために,IDentityに基づく最大平均離散性(ID-MMD)損失を提案する。
  論文  参考訳（メタデータ） (2022-11-11T18:48:16Z)
• Iris super-resolution using CNNs: is photo-realism important to iris recognition? [67.42500312968455]
  特に畳み込みニューラルネットワーク(CNN)を用いた単一画像超解像技術が出現している 本研究では, 虹彩認識のためのCNNを用いて, 単一画像の超解像を探索する。 彼らは、近赤外線虹彩画像の1.872のデータベースと携帯電話画像データベースのアプローチを検証する。
  論文  参考訳（メタデータ） (2022-10-24T11:19:18Z)
• 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)
• Compact multi-scale periocular recognition using SAFE features [63.48764893706088]
  特徴拡張(SAFE)記述子による対称性評価に基づく眼周囲認識のための新しい手法を提案する。 我々は、スクレラ中心を特徴抽出の単一キーポイントとして使用し、眼のこの点に集中するオブジェクトのようなアイデンティティ特性を強調します。
  論文  参考訳（メタデータ） (2022-10-18T11:46:38Z)
• Super-Resolution for Selfie Biometrics: Introduction and Application to Face and Iris [67.74999528342273]
  解像度の欠如は、画像ベースのバイオメトリックスの性能に悪影響を及ぼす。 超分解能技術は、特定のバイオメトリック・モダリティの画像の特異性に適応する必要がある。 本章では,顔画像と虹彩画像の超解像化における最近の進歩について概説する。
  論文  参考訳（メタデータ） (2022-04-12T10:28:31Z)
• MTCD: Cataract Detection via Near Infrared Eye Images [69.62768493464053]
  白内障は一般的な眼疾患であり、盲目や視力障害の主な原因の1つである。 近赤外画像を用いた白内障検出のための新しいアルゴリズムを提案する。 深層学習に基づくアイセグメンテーションとマルチタスクネットワーク分類ネットワークについて述べる。
  論文  参考訳（メタデータ） (2021-10-06T08:10:28Z)
• One-shot Representational Learning for Joint Biometric and Device Authentication [14.646962064352577]
  本稿では,1つの生体画像から,個人を識別すると同時に,デバイス認識を行う手法を提案する。 このような共同認識スキームは、セキュリティとプライバシーを高めるためのスマートフォンなどのデバイスで有用です。
  論文  参考訳（メタデータ） (2021-01-02T22:29:29Z)
• 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)

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。