深層学習を用いた可視光虹彩認証のための特徴抽出器の開発

• Item type: SIG Technical Reports(1)
• 公開日: 2020-07-13
• タイトル: 深層学習を用いた可視光虹彩認証のための特徴抽出器の開発
• タイトル / 言語: en
• タイトル: Development of Feature Extractor for Visible Light Iris Recognition Using Deep Learning
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: SITE/BioX
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 富山県立大学大学院 工学研究科 知能デザイン工学専攻
• 著者所属: 富山県立大学大学院 工学研究科 知能デザイン工学専攻
• 著者所属(英): en
• 著者所属(英): Graduate School of Engineering, Toyama Prefectural University
• 著者所属(英): en
• 著者所属(英): Graduate School of Engineering, Toyama Prefectural University
• 著者名: 本田, 哲也; 高野, 博史
• 著者名(英): Tetsuya, Honda; Hironobu, Takano
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 生体認証は他の個人認証法に比べて，盗難や偽造等のセキュリティ面で優れている．生体認証の中でも虹彩認証は非接触で認証が行え，他の生体認証よりも高い認証精度を有している．虹彩認証は一般的に近赤外カメラが用いられるが，スマートフォンなどには可視光カメラのみが搭載されている．可視光カメラで撮像して得た虹彩画像を認証に用いた場合，近赤外カメラで取得した虹彩画像に比べて認証精度が低下し，実装レベルに至らない．そこで，本研究では，近赤外虹彩画像を用いた個人認証と同等の精度を持つ可視光虹彩認証法を実現することを目的とした．CNN（Convolutional Neural Network）の出力層をマルチタスクにした特徴抽出器を提案し，出力層がシングルタスクの場合と比較した．実験結果より，マルチタスクはシングルタスクより最大で EER（Equal Error Rate）が 0.90% 低下し，マルチタスクの効果がわずかに見られた．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Biometric authentication is superior to other personal authentication methods in terms of security against theft and counterfeiting. Among biometric authentications, iris authentication can perform contactless authentication and has a higher authentication accuracy than other biometric modalities. When an iris image captured by a visible camera is used for authentication, the authentication accuracy may be decreased compared to that of a near-infrared iris image. Thus, it is required that the performance of visible iris authentication method is the same as those of personal authentication methods using the near-infrared iris image. We proposed the feature extractor using the multi-task CNN (Convolutional Neural Network) and compared with the authentication accuracy of the single-task CNN. From the experimental results, the EER (Equal Error Rate) of multi-task CNN was 0.9% lower than that of single-task CNN. The authentication performance was slightly improved by using the feature extractor of multi-task CNN.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11235941
• 書誌情報: 研究報告コンピュータセキュリティ（CSEC）; 巻 2020-CSEC-90, 号 3, p. 1-5, 発行日 2020-07-13
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8655
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会