基于虹膜纹理深度特征和Fisher向量的人种分类

• 作者: 孙哲南 张曼 李海青 王雅丽 马静
• 来源期刊: 中国图象图形学报
• 学科: 工学
• 关键词: 人种分类 Fisher向量 高斯混合模型 特征表达 深度学习
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 图像分析和识别
• 页码范围: 28-38
• 页数: 11页
• 分类号: TP391.41
• 字数: 6754字
• 语种: 中文
• DOI: 10.11834/jig.170219

摘要

目的 虹膜是位于人眼表面黑色瞳孔和白色巩膜之间的圆环形区域,有着丰富的纹理信息.虹膜纹理具有高度的区分性和稳定性.人种分类是解决虹膜识别在大规模数据库上应用难题的主要方法之一.现有的虹膜图像人种分类方法主要采用手工设计的特征,而且针对亚洲人和非亚洲人的基本人种分类,无法很好地解决亚种族分类问题.为此提出一种基于虹膜纹理深度特征和Fisher向量的人种分类方法.方法 首先用CNN(convolutional neural network)对归一化后的虹膜纹理图像提取深度特征向量,作为底层特征;然后使用高斯混合模型提取Fisher向量作为最终的虹膜特征表达;最后用支持向量机分类得到最终结果.结果 本文方法在亚洲人和非亚洲人的数据集上采用non-person-disjoint的方式取得99.93％的准确率,采用person-disjoint的方式取得91.94％的准确率;在汉族人和藏族人的数据集上采用non-person-disjoint的方式取得99.69％的准确率,采用person-disjoint的方式取得82.25％的准确率.结论 本文通过数据驱动的方式从训练数据中学习到更适合人种分类的特征,可以很好地实现对基本人种以及亚种族人种的分类,提高了人种分类的精度.同时也首次证明了用虹膜图像进行亚种族分类的可行性,对人种分类理论进行了进一步地丰富和完善.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙哲南	中国科学院自动化研究所	15	174	6.0	13.0
2	张曼	中国科学院自动化研究所	12	63	4.0	7.0
3	马静	哈尔滨理工大学自动化学院	16	72	5.0	7.0
4	王雅丽	哈尔滨理工大学自动化学院	19	66	6.0	7.0
8	李海青	中国科学院自动化研究所	2	35	2.0	2.0