Název:
Odhad kvality snímků duhovky pro identifikaci osob
Překlad názvu:
Iris Image Quality Assessment
Autoři:
Vaško, Marek ; Herout, Adam (oponent) ; Hradiš, Michal (vedoucí práce) Typ dokumentu: Diplomové práce
Rok:
2022
Jazyk:
slo
Nakladatel: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstrakt: [slo][eng]
Identifikácia osôb pomocou dúhovky predstavuje jeden z najpresnejších spôsobov biometrickej identifikácie. Pri všetkých biometrických systémoch je možné zapríčiniť rôzne chyby verifikácie nekvalitným vstupom. Odhadom kvality je možné odstrániť práve nekvalitné vstupy. V oblasti odhadu kvality snímok dúhovky je pomerne nevýrazný vývoj a veľa metód, ktoré by potenciálne mohli byť využité zatiaľ nie sú v tejto oblasti vyskúšané. Táto práca sa zameriava na použitie rôznych metód odhadu kvality využívaných pri rozpoznávaní tvárí. Tieto metódy odhadu kvality sú následne v tejto práci aplikované na oblasť identifikácie pomocou dúhovky. V riešení sú využité verifikačné systémy založené na rôznych konfigurácii architektúr iResNet a MobileNetV3. Na jednotlivé systémy sú aplikované vybrané metódy odhadu kvality. Jednotlivé metódy odhadu kvality buď to systém priamo trénujú alebo využívajú jeho výstupy pre získanie informácii o kvalite. Aplikované metódy odhadu kvality sú porovnané na štyroch rôznych dátových sadách. Na niektorých dátových sadách ako napríklad University of Notre Dame Iris CrossSensor 2013 dosahuje výsledný systém s aplikovaním najlepšej metódy odhadu kvality pri 10% odmietnutých vstupných pároch a false match rate 0.1% zníženie verifikačnej chyby false non-match rate až o 56% na hodnotu 0.5% pri iResNet50 a pri systéme založenom na MobileNetV3 až o 22% na hodnotu 6.4%.
Iris image recognition is one of the most accurate ways of biometric identification. Various verification errors can be caused if the biometric system receives poor input. By assessing the image quality it is possible to eliminate inputs causing such errors. There is a relatively insignificant development in the field of iris quality assessment and many methods that could potentially be used have not been tested in this area yet. This work focuses on different quality assessment methods used in face recognition. These quality assessment methods are then applied to the area of iris identification. The solution uses verification systems based on various iResNet and MobileNetV3 architectures. Selected quality assessment methods are applied to individual systems. Different quality assessment methods train either the system directly or use its outputs to obtain information about quality. The resulting system achieves a reduction of false non-match rate by up to 56% with the absolute value of 0.5% for iResNet50 and up to 22 \% with the absolute value of 6.4% for MobileNetV3 when using the best quality assessment method. The results are given for the data set University of Notre Dame Iris CrossSensor 2013 with an input reject rate of 10% and a false match rate of 0.1%.
Klíčová slova:
biometrics; CR-FIQA; iris image quality assessment; iris image recognition; machine learning; MagFace; neural networks; PFE; PyTorch; SDD-FIQA; SER-FIQ
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: http://hdl.handle.net/11012/207848