Трёхклассовая последовательная модель обнаружения презентационных атак для защиты биометрических систем радужной оболочки глаза демонстрирует преимущества по сравнению с двухклассовым подходом, эффективность которого была доказана на международном конкурсе.
В статье «Определение живучести радужной оболочки глаза с использованием каскада выделенных сетей глубокого обучения» описывается методика, выигравшая конкурс LivDet-Iris 2020, и дополняющая её моделями трёх и четырёх классов. Статья была написана Хуаном Тапиа Фариасом (Juan Tapia Farias), Себастьяном Гонсалесом Сандовалем (Sebastián González Sandoval) и Кристофом Бушем (Christoph Busch) и представлена на Международной совместной конференции по биометрии (IJCB 2022) в Абу-Даби.
Исследователи собрали большой набор данных об атаках на представление радужной оболочки глаза и сосредоточились на обнаружении достоверных изображений. Это контрастирует с существующими исследованиями iris PAD, которые, как правило, направлены на конкретный вектор атаки.
Двухклассовая модель достигла показателя BPCER10 (Bona Fide Classification Error Rate) в 0,99 процента, трёхклассовая модель вернула 0,16 процента, а четырёхклассовая модель набрала 0,83 процента. Для BPCER20 значения для моделей с двумя и четырьмя классами выросли выше 3 процента, но модель с тремя классами снова вернула 0,16 процента.
Исследование также показало, что входных изображений размером 224 на 224 пикселя достаточно для обнаружения истинных радужных оболочек, но результаты PAD улучшаются при использовании изображений размером 448 на 448 пикселей.
Авторы отчёта использовали агрессивное увеличение данных для обучения модифицированных сетей MobileNetV2 и провели пять экспериментов с сетями, точно настроенными или обученными с нуля.
«При обучении с нуля предлагаемые нами сети позволяют нам дополнить результаты конкурса LivDet-Iris 2020, используя более сложные виды PAI. При использовании тонкой настройки производительность модели ухудшается пропорционально количеству слоев из сети, которые были заморожены. Тем не менее, результаты с использованием точной настройки конкурируют с литературными данными»
Заключают исследователи
По материалам Biometrics Research Group. Автор Chris Burt
