基于深度学习的眼周识别方法研究

来源：计算机应用与软件杂志2024年第6期北京时间：

作者：秦涛, 王云龙, 孙哲南, 周琬婷

摘要：为了提高眼周识别性能，提出一种基于深度卷积神经网络的眼周识别方法(PeriocularNet)。PeriocularNet具有16层卷积神经网络，融入了残差学习模块，使用了ArcFace损失函数；在训练策略上引入数据增强，以解决训练过程中产生的过拟合。在UBIPr、UBIRIS.V2数据集上进行实验，实验结果表明所提方法的识别EER值分别达到1.9%和7.9%，相较于经典的眼周识别方法取得了更好的眼周识别性能。另外，为了验证端到端的眼周识别方法中眉毛区域特征对眼周识别性能的影响，建立两个涉及三种眉毛形态的眼周数据集。通过实验验证，保持眉毛区域特征不变的眼周数据识别EER比其他两种去掉眉毛特征的情况更低，表明眉毛区域特征能够提高眼周识别性能。

关键词：生物特征识别, 眼周识别, 深度学习, 卷积神经网络, 眉毛区域