20.500.12556/RUL-104032 Metode globokega učenja za biometrično razpoznavanje na podlagi očesa DEEP LEARNING METHODS FOR BIOMETRIC RECOGNITION BASED ON EYE INFORMATION Uspešnost biometričnih sistemov, ki razpoznavanjo na podlagi očesnih modalnosti, je kritično odvisna od pogojev zajema slike in od natančnosti postopka segmentacije. Za zmanjšanje napak tovrstnih biometričnih sistemov potrebujemo odporne segmentacijske metode. Šarenica je bila kot biometrična modalnost zaradi visoke razpoznavalne natančnosti v preteklem desetletju deležna velike pozornosti, raziskovalci pa so kot samostojne modalnosti (ali dopolnilne šarenici) predlagali tudi beločnico in periokularno regijo. Z metodami globokega učenja, ki so se na mnogih področjih računalniškega vida izkazale kot najbolj uspešne, v tem delu obravnavamo vsako modalnost posebej (beločnico, periokularni del, šarenico), nato pa s fuzijo vse tri združimo v enoten razpoznavalni cevovod. Glaven poudarek dela je na razpoznavanju iz beločnice, pri katerem i) izdelamo novo podatkovno zbirko SBVPI, ii) predlagamo segmentacijske metode, s katerimi smo dvakrat osvojili prvo mesto na tekmovanjih SS(ER)BC, ter iii) razvijemo in ovrednotimo preostanek cevovoda za razpoznavanje na podlagi beločnice. Predlagamo metodo za večrazredno segmentacijo očesa, s katero dosežemo vzpodbudne rezultate. Nato predlagamo in ovrednotimo cevovod za razpoznavanje na podlagi periokularnega dela, za razpoznavanje na podlagi šarenice pa uporabimo že obstoječ cevovod. Na koncu ovrednotimo še fuzijo vseh treh modalnosti. Z metodami globokega učenja dosežemo obetavne razpoznavalne natančnosti za vsako izmed treh modalnosti. Z združevanjem modalnosti v skupen fuzijski sistem pa razpoznavno natančnost dodatno izboljšamo. The accuracy of ocular biometric systems is critically dependent on the image acquisition conditions and segmentation methods. To minimize recognition error robust segmentation algorithms are required. Among all ocular traits, iris got the most attention due to high recognition accuracy. New modalities such as sclera blood vessels and periocular region were also proposed as autonomous (or iris-complementary) modalities. In this work we tackle ocular segmentation and recognition problems using deep learning methods, which represent state-of-the-art in many computer vision related tasks. We individually evaluate three recognition pipelines based on different ocular modalities (sclera blood vessels, periocular region, iris). The pipelines are then fused into a single biometric system and its performance is evaluated. The main focus is sclera recognition in the scope of which we i) create a new dataset named SBVPI, ii) propose and evaluate segmentation approaches, which won the first place on SS(ER)BC competitions, and iii) develop and evaluate the rest of the sclera-based recognition pipeline. The next contribution of this work is multi-class eye segmentation technique, which gives promising results. We also propose and evaluate deep learning pipeline for periocular recognition. For iris recognition we use an existing pipeline and evaluate it on our dataset. With deep learning we achieve promising recognition results for each individual modality. We further improve recognition accuracy with multi-modal fusion of all three modalities. globoko učenje konvolucijske nevronske mreže beločnica šarenica periokularna informacija segmentacija razpoznavanje deep learning convolutional neural networks sclera iris periocular information segmentation recognition true false false Slovenski jezik Angleški jezik Magistrsko delo/naloga 2018-10-02 16:25:02 2018-10-02 16:25:10 2022-08-17 03:42:46 0000-00-00 00:00:00 2018 0 0 Univerzitetna Prešernova nagrada / University Prešern Award 2018 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 21001 Rot_Peter_-_METODE_GLOBOKEGA_UCENJA_ZA_BIOMETRICNO_RAZPOZNAVANJE_NA_PODLAGI_OCESA.pdf Rot_Peter_-_METODE_GLOBOKEGA_UCENJA_ZA_BIOMETRICNO_RAZPOZNAVANJE_NA_PODLAGI_OCESA.pdf 1 B72F482F9363ED02048238F473458B5F 0dc511c2a4a4c530dc185982687d42d3114e5b90d09da74d7285e9f3357d323b f72e8c84-a1b5-11eb-a523-00155dcfd717 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=114547 Fakulteta za računalništvo in informatiko 0 0 0