[论文解读] Robust Multi biometric Recognition Using Face and Ear Images

Nazmeen Bibi Boodoo, R. K. Subramanian|ArXiv.org|Dec 4, 2009

Biometric Identification and Security参考文献 18被引用 27

一句话总结

本文提出了一种结合面部和耳部特征的鲁棒多模态生物识别系统，采用主成分分析（PCA）进行耳部识别，并在决策层进行融合。在420张图像的数据集上，该系统实现了96%的识别率，显著优于单一模态，且在质量过滤后，仅使用耳部识别的识别率为90.7%。

ABSTRACT

This study investigates the use of ear as a biometric for authentication and shows experimental results obtained on a newly created dataset of 420 images. Images are passed to a quality module in order to reduce False Rejection Rate. The Principal Component Analysis (eigen ear) approach was used, obtaining 90.7 percent recognition rate. Improvement in recognition results is obtained when ear biometric is fused with face biometric. The fusion is done at decision level, achieving a recognition rate of 96 percent.

研究动机与目标

• 探究将耳部生物识别作为个人身份认证可靠模态的可行性。
• 开发一种结合面部和耳部生物识别的鲁棒识别系统，以提高准确率并降低误拒绝率。
• 评估基于PCA的耳部识别在新收集的420张图像数据集上的性能。
• 分析面部与耳部生物识别在决策层融合对整体识别性能的影响。
• 通过专用的图像质量评估模块降低误拒绝率。

提出的方法

• 为评估目的，收集了一套包含420张面部和耳部图像的自定义数据集。
• 应用图像质量评估以过滤低质量图像，降低误拒绝率。
• 使用主成分分析（PCA），即“特征耳”方法，从耳部图像中提取具有区分性的特征。
• 面部识别采用标准方法，可能同样基于PCA或类似技术。
• 通过加权求和或投票策略，在决策层对面部和耳部识别结果进行融合。
• 使用等错误率（EER）和整体识别率等指标评估识别性能。

实验结果

研究问题

• RQ1 耳部生物识别能否在多模态生物识别系统中作为可靠且鲁棒的个人身份认证模态？
• RQ2 在受控数据集上，仅使用耳部生物识别的识别准确率与仅使用面部生物识别相比如何？
• RQ3 融合面部与耳部生物识别在多大程度上提升了整体系统性能并降低了误拒绝率？
• RQ4 图像质量过滤对基于耳部的生物识别系统识别性能有何影响？
• RQ5 面部与耳部特征的决策层融合能否实现高于单一模态的识别率？

主要发现

• 所提出的系统在决策层融合面部与耳部生物识别决策时，实现了96%的识别率。
• 在质量过滤后，仅使用PCA的耳部识别实现了90.7%的识别率。
• 与仅使用面部的系统相比，添加耳部生物识别显著提升了识别性能。
• 图像质量评估有效降低了识别流程中的误拒绝率。
• 融合策略在包含420张图像的多样化数据集上表现出鲁棒性和可靠性。
• 结果证实，结合面部与耳部生物识别可提高系统准确率，并增强对单一模态故障的鲁棒性。