Detecting Clear Contact Lenses for Iris Recognition: A Two-Stage Mask-Guided Attention Approach

Resumen Técnico: Detección de Lentes de Contacto Transparentes para el Reconocimiento de Iris

Planteamiento del Problema
Si bien la detección de lentes de contacto con patrones (cosméticos) en el reconocimiento de iris está bien establecida bajo el paradigma de la Detección de Ataques de Presentación (PAD), los lentes de contacto transparentes de prescripción siguen siendo un desafío significativo y poco explorado. A diferencia de los lentes con patrones, que introducen texturas sintéticas salientes, los lentes transparentes son ópticamente transparentes y no dejan artefactos visuales obvios, lo que lleva a la suposición de que no impactan el reconocimiento de iris. Sin embargo, los autores desafían esta suposición, señalando que los lentes transparentes introducen sutiles desajustes en el índice de refracción y artefactos de borde en el limbo iris-esclera. Estas sutiles pistas degradan las puntuaciones de coincidencia genuinas y aumentan los errores de verificación, pero son difíciles de detectar debido a su invisibilidad óptica, localización espacial extrema (confinada a una estrecha banda anular) y alta variabilidad intra-clase a través de diversas marcas de lentes y condiciones de adquisición.

Metodología
Los autores proponen un marco de detección de dos etapas diseñado para abordar la disparidad fundamental entre la detección de lentes con patrones (un problema basado en texturas) y los lentes transparentes (un problema de localización espacial de grano fino).

1. Etapa 1: Cribado de Lentes con Patrones

   • Entrada: Un recorte de iris compacto y localizado ($\hat{I}$).
   • Modelo: Un modelo PAD existente, D-NetPAD (basado en DenseNet-121), se ajusta para clasificar las imágenes como "con patrón" o "sin patrón".
   • Lógica: Las imágenes identificadas como con patrón se clasifican inmediatamente. Solo las imágenes "sin patrón" proceden a la Etapa 2, asegurando que la segunda etapa se concentre exclusivamente en la distinción más difícil entre transparente y normal sin verse dominada por las pistas de textura fáciles.

2. Etapa 2: Detección de Lentes Transparentes mediante Atención Guiada por Máscara

   • Entrada: La imagen periocular completa ($I$) y una máscara de ROI anatómica generada automáticamente ($M$).
   • Generación de la Máscara: Se deriva una máscara binaria utilizando transformadas circulares de Hough clásicas para localizar la pupila y el limbo. La máscara define tres regiones: la pupila, el anillo del iris y un "arco exterior" (el tejido periocular inmediatamente más allá del limbo) donde es más probable que aparezca la evidencia de un lente transparente. No se utilizan anotaciones a nivel de píxel ni segmentación aprendida.
     la arquitectura central de la Etapa 2 es un módulo de Atención Espacial Guiada por Máscara (MGSA) integrado en un backbone ConvNeXt-Base.
     • Puerta Anatómica Dura (Hard Anatomical Gate): La máscara $\tilde{M}$ reescalada se multiplica elemento a elemento con los mapas de características para anular las activaciones fuera de las regiones anatómicamente relevantes (iris y arco exterior), evitando que la red preste atención a características de fondo irrelevantes.
     • Puerta de Saliencia Aprendida (Learned Saliency Gate): Una convolución de $1\times1$ genera una puerta espacial suave $G$ para reponderar áreas específicas dentro de la región enmascarada, aprendiendo a enfocarse en las sutiles pistas del limbo.
     • Recalibración de Canales: Un bloque de Squeeze-and-Excitation (SE) recalibra globalmente los canales de características para seleccionar las características más discriminativas.
   • Comparación de Backbones: Los autores evaluaron EfficientNet-B4, ResNet-101 y ConvNeXt-Base. Se seleccionó ConvNeXt-Base como el backbone óptimo, atribuido a sus convoluciones depthwise de kernel grande ($7\times7$) que capturan mejor la curvatura sutil y espacialmente extendida del límite del limbo.

3. Calibración de Puntuación

   • Al detectar un lente transparente, el sistema aplica una calibración de puntuación z (z-score) a las puntuaciones de verificación VeriEye brutas.
   • Utilizando las etiquetas de lentes predichas (Normal, Transparente), el sistema estima la media y la desviación estándar de las puntuaciones de pares genuinos para cada condición.
   • Las puntuaciones se reescalan para alinearse con la distribución de referencia "Normal-Normal", cerrando efectivamente la brecha de puntuación introducida por el lente sin alterar el orden de rango dentro de los tipos de pares.

Contribuciones Clave

1. Evidencia Cuantitativa de Degradación: El estudio proporciona evidencia empírica a través de cuatro grandes conjuntos de datos de que los lentes transparentes degradan sistemáticamente las puntuaciones de coincidencia genuina en comparadores comerciales (VeriEye), aumentando las tasas de error de verificación.
2. Pipeline de Detección de Dos Etapas: Los autores descomponen el problema de tres clases en dos decisiones binarias especializadas. Este enfoque supera significativamente a los baselines de una sola etapa al aislar la anomalía de textura de los lentes con patrones de la el desafío de localización espacial de los lentes transparentes.
3. Nueva Atención Guiada por Máscara (MGSA): El artículo introduce un método sin anotación que inyecta una máscara de ROI anatómica derivada de Hough directamente en la jerarquía de características del backbone profundo. Esto combina un prior espacial fijo con atención aprendida, obligando a la red a enfocarse en las regiones del limbo específicas donde existen las evidencias de lentes transparentes.
4. Mejora de la Verificación: El estudio demuestra que la integración de la detección de lentes con la calibración de puntuación produce mejoras sustanciales en el rendimiento de la verificación, reduciendo las Tasas de Error Igual (EER) entre un 4.1% y un 28.3% en los conjuntos de datos.

Resultados

• Precisión de Clasificación: El pipeline completo alcanzó una precisión entre el 90.0% y el 98.8% en cuatro conjuntos de datos (UND-AD100, UND-LG4000, IITD-Cogent, IITD-Vista).
  • La Etapa 1 logró un 100% de precisión en la detección de lentes con patrones en todos los conjuntos de datos.
  • La Etapa 2 (Transparente vs. Normal) alcanzó precisiones que van desde el 87.5% (UND-AD100) hasta el 98.18% (IITD-Vista).
  • ConvNeXt-Base con MGSA superó consistentemente a los baselines de ResNet-101 y EfficientNet, particularmente en conjuntos de datos más grandes.
• Rendimiento de Verificación: La calibración de puntuación z propuesta redujo la EER significativamente:
  • UND-AD100: 0.49% $\to$ 0.47% (reducción relativa del 4.1%).
  • IITD-Vista: 2.26% $\to$ 1.62% (reducción relativa del 28.3%).
  • La mejora se correlacionó con la severidad de la degradación inicial de la puntuación; los conjuntos de datos con mayores brechas de puntuación vieron mayores beneficios de la calibración.
• Generalización: El método mostró una robusta generalización entre sensores, particularmente cuando los modelos entrenados en conjuntos de datos grandes (IITD) se probaron en otros. Sin embargo, los modelos entrenados en conjuntos de datos más pequeños (UND) tuvieron dificultades para generalizarse a los sensores de IITD, resaltando una brecha de transferencia asimétrica.

Significancia y Reivindicaciones
El artículo sostiene que la detección confiable de lentes de contacto transparentes no es meramente una medida de seguridad contra el spoofing, sino un componente crítico para mejorar la robustez del reconocimiento de iris en el mundo real. Al demostrar que los lentes transparentes introducen un sesgo sistemático y dependiente de la condición en lugar de ruido aleatorio, los autores argumentan que la detección consciente de lentes seguida de la calibración de puntuación es un camino práctico y efectivo para mitigar los errores de verificación. El trabajo establece que los priors anatómicos (vía máscaras de Hough) pueden guiar eficazmente a las redes profundas para detectar artefactos sutiles e invisibles, ofreciendo una solución a un problema que ha permanecido abierto durante más de una década. Los autores señalan que, si bien el sistema actual depende de máscaras basadas en Hough y datos de infrarrojo cercano, el marco proporciona una base para sistemas biométricos más robustos en diversos entornos operativos.