[論文レビュー] Cross-Sensor Periocular Biometrics for Partial Face Recognition in a Global Pandemic: Comparative Benchmark and Novel Multialgorithmic Approach.

Fernando Alonso‐Fernandez, Kiran Raja+5 more|arXiv (Cornell University)|Feb 21, 2019

Biometric Identification and Security参考文献 89被引用数 6

ひとこと要約

本論文は、線形ロジスティック回帰を用いた対数尤度比スコアを介して、異種の画像撮影条件下での最適意思決定を可能にする、マルチアルゴリズム統合手法を提案する。本手法は、クロスアイド・コンペティションにおいて、EERが0.2%、FAR=0.01%の条件下でFRRが0.47%を達成し、他の統合手法を上回り、可視光および近赤外スペクトルにおけるクロススペクトル的側頭認識分野の新たなベンチマークを確立した。

ABSTRACT

The massive availability of cameras results in a wide variability of imaging conditions, producing large intra-class variations and a significant performance drop if heterogeneous images are compared for person recognition. However, as biometrics is deployed, it is common to replace damaged or obsolete hardware, or to exchange information between heterogeneous applications. Variations in spectral bands can also occur. For example, surveillance face images (typically acquired in the visible spectrum, VIS) may need to be compared against a legacy iris database (typically acquired in near-infrared, NIR). Here, we propose a multialgorithmic approach to cope with periocular images from different sensors. With face masks in the front line against COVID-19, periocular recognition is regaining popularity since it is the only face region that remains visible. We integrate different comparators with a fusion scheme based on linear logistic regression, in which scores are represented by log-likelihood ratios. This allows easy interpretation of scores and the use of Bayes thresholds for optimal decision-making, since scores from different comparators are in the same probabilistic range. We evaluate our approach in the context of the Cross-Eyed Competition, whose aim was to compare recognition approaches when NIR and VIS periocular images are matched. Our approach achieves EER=0.2% and FRR of just 0.47% at FAR=0.01%, representing the best overall approach of the competition. Experiments are also reported with a database of VIS images from different smartphones. We also discuss the impact of template size and computation times, with the most computationally heavy comparator playing an important role in the results. Lastly, the proposed method is shown to outperform other popular fusion approaches, such as the average of scores, SVMs or Random Forest.

研究の動機と目的

• 画像撮影条件における異種センサーおよびクロススペクトル的変動に起因する側頭認識性能の低下という課題に対処すること。
• 可視光（VIS）および近赤外線（NIR）カメラなどの異種センサーからの側頭画像を照合する際の信頼性の高い人物認識を可能にすること。
• 複数の比較器を統合する統一された確率的スコアリングシステムを提供する統合フレームワークを開発すること。
• 対数尤度比とベイズ閾値を用いて統合プロセスを最適化し、解釈可能で最適な分類意思決定を保証すること。
• スマートフォンのVIS画像およびクロススペクトルデータベースを含む実世界のデータセットを用いて、実用的展開制約下での評価を実施すること。

提案手法

• 異なる特徴表現に基づいてトレーニングされた複数の側頭認識比較器を組み合わせるマルチアルゴリズム的手法を採用する。
• 比較器の出力を確率的フレームワークに統合するため、対数尤度比として表現する。
• 各比較器の寄与度に最適な重みを学習するために、線形ロジスティック回帰を用いてスコアを統合する。
• 学習済みの閾値を用いたベイズ意思決定理論を活用し、所定の偽受容率および偽拒否率下での最適な分類意思決定を実現する。
• クロススペクトル（VIS-NIR）およびセンサー内（スマートフォンVIS）の両方のデータセットを統合し、撮影条件の変動にわたる耐性を評価する。
• テンプレートサイズおよび計算負荷が認識性能および処理時間に与える影響を分析する。

実験結果

リサーチクエスチョン

• RQ1 実世界の撮影変動下において、マルチアルゴリズム統合手法が異種センサーの側頭認識性能を顕著に向上させることができるか？
• RQ2 対数尤度比スコアリングを用いることで、マルチモodal生体認証統合における意思決定の信頼性および解釈可能性がどのように向上するか？
• RQ3 計算負荷の高い比較器が、クロススペクトル認識における全体のシステム性能に果たす相対的寄与度はどの程度か？
• RQ4 スコア平均化、SVM、ランダムフォレストといった従来手法と比較して、提案手法は正確性および耐性面でどのように優れているか？
• RQ5 テンプレートサイズおよび処理時間は、実用的展開シナリオにおける認識性能にどの程度影響を及ぼすか？

主な発見

• 提案手法は、クロスアイド・コンペティションにおいて、等誤り率（EER）が0.2%に達し、参加した全手法の中で最高の性能を示した。
• 偽受容率（FAR）が0.01%の条件下で、偽拒否率（FRR）はわずか0.47%にとどまり、厳しいセキュリティ基準下でも高い信頼性を示した。
• クロススペクトルおよびセンサー内認識の両タスクにおいて、スコア平均化、SVM、ランダムフォレストといった標準的手法を上回った。
• 計算負荷が最も高い比較器が最終的な性能に顕著な寄与を示しており、高品質な特徴抽出が耐障害性認識に不可欠であることを示唆している。
• 対数尤度比スコアを用いた線形ロジスティック回帰に基づく統合フレームワークにより、ベイズ閾値を用いた解釈可能で最適な意思決定が可能になった。
• スマートフォンから得た可視光スペクトル画像を用いた実験により、本手法が一般消費者用の撮影デバイスに起因するクラス内変動に対しても耐性があることが確認された。