Pose-Robust Finger Identification Based on Mutual Region Alignment and Minimum Convolution Point Feature
Cet article propose un nouveau cadre d'identification des doigts robuste à la pose qui intègre l'alignement de régions mutuelles, l'apprentissage de caractéristiques par point de convolution minimale et la fusion de scores pondérés pour remédier efficacement à la dégradation des performances causée par la rotation longitudinale et les déformations non rigides dans les images de doigts sans contact, atteignant des résultats de pointe sur quatre ensembles de données publics.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez que vous essayiez de déverrouiller votre téléphone avec votre empreinte digitale. Habituellement, vous posez simplement votre doigt à plat sur la vitre, et le scanner lit les crêtes. Mais que se passerait-il si vous leviez votre doigt en l'air, comme si vous pointiez une étoile, sans rien toucher ? C'est ce qu'on appelle la numérisation « sans contact », et c'est l'avenir de la sécurité car c'est plus hygiénique et plus rapide. Cependant, il y a un hic : quand vous tenez votre doigt en l'air, il est instable. Vous pouvez le tordre légèrement, ou votre doigt peut se courber un peu. Cette torsion est comme faire tourner une saucisse sur une table ; la partie de la saucisse que la caméra voit change complètement selon la façon dont on la fait tourner. Si la caméra voit une tranche différente de votre doigt à chaque fois, l'ordinateur est confus et pense que vous êtes un étranger. Ce document s'attaque à ce problème spécifique : comment reconnaître un doigt même lorsqu'il se tord, se courbe ou pivote dans les airs.
Les chercheurs de l'Université de Guizhou Minzu et d'une compagnie d'électricité en Chine ont construit un nouveau système pour résoudre ce problème du « doigt instable ». Ils appellent leur méthode un cadre « robuste à la pose », ce qui est une façon sophistiquée de dire qu'elle fonctionne peu importe la façon dont vous tenez votre doigt. Ils ont réalisé que lorsqu'un doigt se tord, la caméra voit un désordre où le haut du doigt dans une photo peut devenir le milieu dans la suivante. Pour résoudre cela, ils ont inventé un tour de magie en trois étapes. Premièrement, ils utilisent une stratégie d'« extraction de région mutuelle ». Imaginez deux personnes tenant des cartes de la même ville, mais une carte est décalée vers le haut et l'autre est décalée vers le bas. L'ordinateur cherche la partie de la ville qui apparaît sur les deux cartes et découpe le reste, les alignant parfaitement pour qu'elles correspondent. Deuxièmement, ils utilisent un « point de caractéristique de convolution minimale » pour trouver les bords uniques et bosselés de votre doigt qui ne changent pas, même si le doigt s'écrase ou se courbe. Enfin, ils combinent ce « squelette » structurel du doigt avec un scan de « texture » (en observant les motifs de la peau) en utilisant une fusion de scores pondérés, un peu comme un juge donnant des points à la fois pour la forme d'un danseur et pour le motif de son costume pour décider du vainqueur.
L'équipe a testé son nouveau système sur quatre bases de données publiques contenant des milliers d'images de doigts, incluant certaines où les gens ont tordu leurs doigts jusqu'à 80 degrés. Les résultats sont impressionnants. En utilisant leur astuce d'alignement, ils ont considérablement réduit le taux d'erreur. Par exemple, sur un ensemble de données appelé SDUMLA-HMT, leur méthode a réduit le taux d'erreur (EER) de 4,45 % à seulement 1,54 % en combinant toutes leurs techniques. Sur un autre ensemble de données, MMCBNU_6000, le taux d'erreur est tombé à un infime 0,05 %. Ils ont constaté que leur méthode était non seulement plus précise que les anciennes techniques, mais aussi plus rapide, ne prenant que 19 millisecondes pour traiter une image contre 35 millisecondes pour une méthode concurrente. Le document suggère qu'en se concentrant sur l'alignement des parties qui se chevauchent du doigt et en ignorant les parties qui ont été coupées par la torsion, ils peuvent rendre la sécurité sans contact beaucoup plus fiable. Ils concluent que, bien que leur système soit actuellement le meilleur pour gérer les torsions, les travaux futurs tenteront de gérer les doigts qui sont également inclinés sur le côté ou penchés vers le haut et vers le bas, rendant le système de sécurité robuste face à n'importe quelle façon de tenir la main.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.