[论文解读] Ear Recognition With Score-Level Fusion Based On CMC In Long-Wave Infrared Spectrum

Ümit Kaçar, Mürvet Kırcı|arXiv (Cornell University)|Jan 27, 2018

Biometric Identification and Security参考文献 10被引用 3

一句话总结

本论文提出了一种基于长波红外（LWIR）图像的人耳识别得分级融合方法，利用一个新颖的2430个样本LWIR人耳数据库（MIDAS），并结合多种特征提取与降维技术。该方法实现了97.71%的rank-1识别率，并引入了“完美排名”（perfect rank）的概念——即识别率达到100%时的排名，对法医学应用（如尸体识别）具有重要意义。

ABSTRACT

Only a few studies have been reported regarding human ear recognition in long wave infrared band. Thus, we have created ear database based on long wave infrared band. We have called that the database is long wave infrared band MIDAS consisting of 2430 records of 81 subjects. Thermal band provides seamless operation both night and day, robust against spoofing with understanding live ear and invariant to illumination conditions for human ear recognition. We have proposed to use different algorithms to reveal the distinctive features. Then, we have reduced the number of dimensions using subspace methods. Finally, the dimension of data is reduced in accordance with the classifier methods. After this, the decision is determined by the best sores or combining some of the best scores with matching fusion. The results have showed that the fusion technique was successful. We have reached 97.71% for rank-1 with 567 test probes. Furthermore, we have defined the perfect rank which is rank number when recognition rate reaches 100% in cumulative matching curve. This evaluation is important for especially forensics, for example corpse identification, criminal investigation etc.

研究动机与目标

• 为解决长波红外（LWIR）波段中人耳识别研究稀缺的问题。
• 开发一种鲁棒的、光照不变的人耳识别系统，可在白天和夜间均正常运行。
• 创建一个全新的大规模LWIR人耳数据库（MIDAS），包含81名受试者的2430条记录，用于基准测试。
• 评估得分级融合技术在提升LWIR人耳识别准确率方面的效果。
• 引入并分析“完美排名”概念——即识别率达到100%时的排名——以评估其在法医学中的意义。

提出的方法

• 作者从81名受试者中采集了2430张LWIR人耳图像，构建了MIDAS数据库，支持在不同条件下进行稳健评估。
• 应用多种特征提取算法，从LWIR图像中提取具有区分性的人耳特征。
• 采用子空间方法在保留判别信息的同时降低特征维度。
• 对每个分类器实施特定的降维处理，以使其特征空间与分类器需求相匹配。
• 通过融合多个分类器的最佳得分，采用得分级融合策略以提升识别性能。
• 使用累积匹配曲线（CMC）评估性能，包括新颖的“完美排名”指标。

实验结果

研究问题

• RQ1 得分级融合能否提升长波红外人耳识别的准确率？
• RQ2 所提出的方法在新创建的大规模LWIR人耳数据库（MIDAS）上的表现如何？
• RQ3 识别率在哪个排名达到100%——为何这一“完美排名”对法医学应用具有重要意义？
• RQ4 该系统对光照变化和一天中不同时段的变化具有多强的鲁棒性？
• RQ5 不同特征提取与降维技术在最终识别性能中贡献程度如何？

主要发现

• 所提出的得分级融合方法在MIDAS数据库的567个测试样本上实现了97.71%的rank-1识别率。
• 系统对光照变化表现出高度鲁棒性，并因采用长波红外成像技术，在白天和夜间均表现出良好的运行效果。
• 引入并分析了“完美排名”概念，为评估识别系统提供了新的法医学相关指标。
• 成功构建了由81名受试者的2430条记录组成的MIDAS数据库，并用于验证所提出方法的有效性。
• 多个分类器得分的融合显著优于单一分类器的性能，证实了该融合策略的有效性。
• 结果表明，LWIR人耳识别在法医学应用（如尸体识别和刑事调查）中具有强大潜力。