Pupil dynamics for iris liveness detection

Abstract
本文的主要目的是提出一種基于瞳孔動(dòng)力學(xué)的完整的眼睛活性檢測(cè)方法。這種方法可以作為虹膜識(shí)別系統(tǒng)中呈現(xiàn)攻擊檢測(cè)的一個(gè)組成部分，使它們更加安全。由于缺乏支持這項(xiàng)研究的公共數(shù)據(jù)庫，我們建立了自己的虹膜捕捉設(shè)備來記錄可見光刺激下的瞳孔大小變化，并記錄了26名受試者(52種不同的虹膜)的204次觀察，每組包含每40毫秒拍攝的750張虹膜圖像。每次測(cè)量都記錄了可見光強(qiáng)度突然增加后自發(fā)的瞳孔振蕩及其反應(yīng)。Kohn和Clynes瞳孔動(dòng)力學(xué)模型用于描述這些變化；因此，我們將每個(gè)觀察值轉(zhuǎn)換為由模型參數(shù)定義的特征空間。為了回答眼睛是活的(也就是說，如果它像人眼一樣對(duì)光的變化做出反應(yīng))還是呈現(xiàn)是可疑的(也就是說，如果它做出奇怪的反應(yīng)或沒有觀察到反應(yīng))，我們使用線性和非線性支持向量機(jī)來對(duì)自然反應(yīng)和自發(fā)振蕩進(jìn)行分類，同時(shí)研究擬合優(yōu)度以拒絕不良建模。我們的實(shí)驗(yàn)表明，這種方法可以為我們收集的數(shù)據(jù)實(shí)現(xiàn)完美的性能:所有正常反應(yīng)都與自發(fā)振蕩正確區(qū)分開來。我們研究了模擬瞳孔反應(yīng)所需的最短觀察時(shí)間，發(fā)現(xiàn)不超過3秒的時(shí)間足以提供完美的表現(xiàn)。
I. INTRODUCTION
十多年來，活性檢測(cè)一直是生物識(shí)別安全國際討論的重要內(nèi)容。根據(jù)國際標(biāo)準(zhǔn)化組織/國際電工委員會(huì)，它涉及“解剖特征或非自愿或自愿反應(yīng)的檢測(cè)，以確定生物測(cè)定樣本是否是從捕獲點(diǎn)存在的活體中捕獲的”[1]。檢查活性的能力對(duì)任何生物傳感器都至關(guān)重要。甚至它的名字，生物識(shí)別，也是處理活的和真實(shí)的生物特征的同義詞，非生物制品。一旦生物傳感器接受了人工制品或非活體部分，部署這種傳感器的整個(gè)系統(tǒng)就變得毫無意義。
活性檢測(cè)指的是對(duì)活體癥狀的檢測(cè)，因此是旨在檢測(cè)任何呈現(xiàn)攻擊的更廣泛技術(shù)類別的特例。國際標(biāo)準(zhǔn)化組織/國際電工委員會(huì)將展示攻擊定義為“以可能干擾生物識(shí)別系統(tǒng)預(yù)期策略的方式向生物識(shí)別捕獲子系統(tǒng)展示人工制品或人體特征”。這意味著任何顛覆行為(即意圖顛覆生物識(shí)別系統(tǒng))都應(yīng)被檢測(cè)為演示攻擊。然而，攻擊者的意圖無法推斷。因此，呈現(xiàn)攻擊成為一個(gè)非常廣泛的領(lǐng)域，包括呈現(xiàn)假對(duì)象，以及尸體部分，不協(xié)調(diào)或強(qiáng)迫的呈現(xiàn)，甚至零努力冒名頂替的嘗試。這種未知意圖還通過將一些可疑動(dòng)作分類為潛在的呈現(xiàn)攻擊，例如，由于疾病、疲勞或出于美容或健康原因的人造物體的呈現(xiàn)而導(dǎo)致的不一致呈現(xiàn)，來引起錯(cuò)誤警報(bào)。這使得攻擊的分類變得復(fù)雜，并刺激了在如何有效地處理呈現(xiàn)攻擊檢測(cè)(進(jìn)一步縮寫為PAD)領(lǐng)域正在進(jìn)行的科學(xué)討論。
在這項(xiàng)工作中，我們專注于虹膜活性檢測(cè)，即識(shí)別活性癥狀，可以證明眼睛的真實(shí)性和受試者愿意被傳感器記錄。我們使用在可見光刺激下記錄的瞳孔動(dòng)態(tài)，而不是更常用的眼睛或其組織的靜態(tài)特性。由于當(dāng)光強(qiáng)變化時(shí)，瞳孔會(huì)不由自主地做出反應(yīng)，因此很難掩蓋這種現(xiàn)象。正如將在論文中顯示的那樣，瞳孔動(dòng)力學(xué)并不是微不足道的，這使得很難為人造物體模仿它們。在我們的測(cè)試中，我們決定不使用靜態(tài)對(duì)象，如虹膜紙打印輸出或圖案化隱形眼鏡，因?yàn)樵谶@種情況下，我們將確保成功(除了一些測(cè)量噪聲之外，靜態(tài)對(duì)象不呈現(xiàn)顯著的動(dòng)態(tài)，因此當(dāng)動(dòng)態(tài)是關(guān)鍵時(shí)，很容易識(shí)別)。相反，為了評(píng)估所提出的方法性能，我們將自發(fā)瞳孔振蕩(通常稱為hippus)和正常瞳孔對(duì)可見光正浪涌的反應(yīng)進(jìn)行了分類，從而使測(cè)試更加真實(shí)。據(jù)我們所知，這是唯一的一項(xiàng)采用瞳孔動(dòng)力學(xué)進(jìn)行活性檢測(cè)的工作，并且是在動(dòng)態(tài)真實(shí)物體上而不是靜態(tài)偽影上進(jìn)行評(píng)估的。
論文組織如下:第二部分給出了論文中使用的錯(cuò)誤度量的簡要總結(jié)。第三部分引用和分類了過去最重要的虹膜識(shí)別相關(guān)的PAD工作。第四部分描述了為這項(xiàng)研究收集的眼部圖像數(shù)據(jù)庫。在第五部分中，我們提供了數(shù)據(jù)預(yù)處理的理論背景和瞳孔動(dòng)力學(xué)建模。第六節(jié)介紹了第七節(jié)中討論的實(shí)驗(yàn)結(jié)果。
II. ERROR METRICS USED
虛假拒絕和虛假接受是生物識(shí)別中常見的錯(cuò)誤。這些指的是錯(cuò)誤地拒絕或接受聲稱的身份。理論上，我們可以通過簡單地將聲明從“身份”更改為“活性”，在活性檢測(cè)的上下文中使用相同的術(shù)語。然而，該領(lǐng)域的國際討論建議將與呈現(xiàn)攻擊檢測(cè)相關(guān)的誤差估計(jì)器與描述生物識(shí)別的誤差估計(jì)器區(qū)分開來。因此，我們遵循最后一個(gè)國際標(biāo)準(zhǔn)化組織/國際電工委員會(huì)的建議[1]，并通過以下估算器描述PAD級(jí)別的系統(tǒng)性能:
a) Attack Presentation Classification Error Rate (APCER): proportion of attack presentations that were
incorrectly classified as authentic presentations.
APCER：表示攻擊樣本被錯(cuò)誤分類為真實(shí)樣本的比例
b) Normal Presentation Classification Error Rate (NPCER): proportion of authentic presentations incorrectly classified as attacks.
NPCER：真實(shí)樣本被錯(cuò)誤分類為表示攻擊樣本的比例。
c) Equal Error Rate (EER): the value of APCER and NPCER when they are equal (analogous to the recognition performance analysis which employs equality of false rejections and false acceptances in the definition of EER).
當(dāng)APCER和NPCER在數(shù)值上相等時(shí)的值。(類似于在EER定義中使用錯(cuò)誤拒絕和錯(cuò)誤接受相等的識(shí)別性能分析)。
EER（平均錯(cuò)誤概率）是一種生物識(shí)別安全系統(tǒng)算法，用于預(yù)先確定其錯(cuò)誤接受率及其錯(cuò)誤拒絕率的閾值。當(dāng)速率相等時(shí)，公共值稱為相等錯(cuò)誤率。該值表明錯(cuò)誤接受的比例等于錯(cuò)誤拒絕的比例。等錯(cuò)誤率值越低，生物識(shí)別系統(tǒng)的準(zhǔn)確度越高。
III. PRESENTATION ATTACK DETECTION IN IRIS RECOGNITION: PAST WORK
A. First demonstrations of vulnerabilities
自從Daugman首次提出虹膜識(shí)別系統(tǒng)如何被眼睛打印輸出欺騙以來，15年已經(jīng)過去了。三年后，由于Thalheim等人首次對(duì)商用虹膜識(shí)別系統(tǒng)進(jìn)行了安全性評(píng)估，這一想法得到了證實(shí)。在這些測(cè)試中，使用了簡單的虹膜打印輸出，用一個(gè)孔代替瞳孔。這個(gè)噱頭使得在被測(cè)設(shè)備中實(shí)現(xiàn)虹膜檢測(cè)方法成為可能。測(cè)試虹膜編碼(低頻)和打印過程(高頻)中使用的不相交頻率范圍使得打印偽像對(duì)虹膜特征提取過程“不可見”。這使得他們能夠打印、出示并確認(rèn)給定的虹膜。Thalheim等人的先鋒研究激發(fā)了其他人提出他們自己對(duì)額外的、以前未經(jīng)測(cè)試的硬件的安全評(píng)估，并再次顯示出在商業(yè)設(shè)備中缺乏有效的對(duì)策[4]，[5]。
B. Scientific papers
從這些初步發(fā)現(xiàn)中，我們觀察到PAD方法的不斷發(fā)展，其特征是觀察眼睛時(shí)可以分析的信號(hào)的復(fù)雜程度和種類不同。為了總結(jié)現(xiàn)有技術(shù)，我們介紹了四類以被觀察物體的測(cè)量和動(dòng)態(tài)為特征的PAD方法:靜態(tài)或動(dòng)態(tài)物體的被動(dòng)或主動(dòng)測(cè)量。在接下來的段落中，我們提供了每個(gè)類別最突出的研究結(jié)果。
靜態(tài)物體的被動(dòng)測(cè)量。這種方法采用只能顯示靜態(tài)眼睛特征的靜態(tài)圖像。不執(zhí)行額外的主動(dòng)測(cè)量步驟。通常，與識(shí)別中使用的圖片相同的圖片被用于活性檢測(cè)。這些方法仍然非常有吸引力，因?yàn)榧词挂杂邢薜目煽啃詾榇鷥r(jià)，也沒有在虹膜捕獲硬件上進(jìn)行額外的投資。最早的想法來自道格曼[2]，他注意到印出的虹膜的振幅譜包含假的圖案，這與真實(shí)眼睛獲得的平滑譜相反。關(guān)于如何在振幅譜中自動(dòng)找到這些“假頻率”的第一個(gè)建議可能是由Pacut和Czajka提出的[5]，并涉及后續(xù)調(diào)查[6]，[7]，最終報(bào)告了超過95%的虹膜打印輸出的正確識(shí)別(當(dāng)沒有遇到活樣本的錯(cuò)誤拒絕時(shí))。
Wei等人[8]可能是第一批分析虹膜圖像三種特性以檢測(cè)圖案化隱形眼鏡的作者:圖像清晰度、基于Gabor的濾波和二階虹膜區(qū)域統(tǒng)計(jì)。作者報(bào)告了后兩種方法的良好性能(相應(yīng)地，正確識(shí)別率為98.3%和100%)，盡管承認(rèn)它們對(duì)印刷隱形眼鏡圖案類型的高度依賴性。在推廣這些結(jié)果時(shí)，應(yīng)考慮使用少量(20個(gè))人工虹膜。何等[9]利用小波包分析計(jì)算徑向基核的SVM(支持向量機(jī))分類的活性特征。作者報(bào)道了虹膜紙打印輸出的正確識(shí)別，即使由于運(yùn)動(dòng)故意模糊。他等人[10]使用AdaBoost學(xué)習(xí)來選擇最佳的基于LBP(局部二進(jìn)制模式)的活性特征，并且高斯核密度估計(jì)被用于推廣AdaBoost分類器。作者報(bào)告了99.33%的假貨正確識(shí)別率，活拒絕率為2.64%，計(jì)算評(píng)估數(shù)據(jù)庫收集了20種不同類型的隱形眼鏡的300幅圖像，一些打印輸出和玻璃眼睛。張等人[11]使用在LBP特征空間內(nèi)對(duì)真實(shí)虹膜圖像和圖案化隱形眼鏡進(jìn)行分類。作者報(bào)告了對(duì)72名受試者佩戴的55種不同類型的接觸物計(jì)算的CCR=99.14%(正確分類率)，并通過四種不同的捕捉設(shè)備進(jìn)行平均。在交叉驗(yàn)證場景中(對(duì)不同攝像機(jī)捕獲的樣本進(jìn)行訓(xùn)練和測(cè)試)，這一有希望的CCR下降到88.05%。
這些有前途但單一的圖像屬性后來被聯(lián)合使用，以形成多維的、基于圖像質(zhì)量的活躍度指標(biāo)。Galbally等[12]應(yīng)用特征選擇方法，在22個(gè)提出的簡單虹膜幾何或頻率描述符中找到活性特征的最佳組合。盡管他們報(bào)告了對(duì)打印輸出和活體眼睛的完美識(shí)別，但這可能是所應(yīng)用的打印輸出的低質(zhì)量所特有的，因?yàn)樵摻Y(jié)果僅基于分割結(jié)果(關(guān)于與瞳孔半徑比融合的遮擋的信息)。如果在真實(shí)攻擊中使用假樣本，我們更應(yīng)該期待它們能導(dǎo)致正確的分割。然而，合并不同質(zhì)量協(xié)變量的想法具有很高的潛力，Galbally等人[13]后來將其與二次判別分析一起應(yīng)用于檢測(cè)99.75%的虹膜打印輸出，同時(shí)錯(cuò)誤地拒絕了4.2%的真實(shí)眼睛。他們選擇了25個(gè)在檢測(cè)不同攻擊類型方面互補(bǔ)的質(zhì)量度量，這些度量可以實(shí)時(shí)有效地計(jì)算。該方法還能夠在NPCER=3.4%時(shí)檢測(cè)到99.2%的合成虹膜。
靜態(tài)物體的主動(dòng)測(cè)量。這種方法實(shí)現(xiàn)了主動(dòng)測(cè)量(除了正常的虹膜識(shí)別過程之外)，揭示了眼睛的一些結(jié)構(gòu)特性，但不使用眼睛動(dòng)力學(xué)。典型的例子是浦肯野反射的檢測(cè)，即由角膜和眼睛晶狀體的內(nèi)外邊界處的照明產(chǎn)生的鏡面斑點(diǎn)。道格曼[2]最初提出的想法后來被李等人[14]詳細(xì)闡述，他們使用兩個(gè)準(zhǔn)直的近紅外光源(除了用于虹膜識(shí)別的光源之外)來產(chǎn)生和測(cè)量浦肯野斑點(diǎn)。對(duì)30個(gè)人(包括10個(gè)戴眼鏡和10個(gè)戴隱形眼鏡的人)、10個(gè)紙打印件樣本、2個(gè)打印隱形眼鏡樣本和2個(gè)3D眼睛模型樣本的眼睛圖像所做的實(shí)驗(yàn)導(dǎo)致有希望的EER=0.33%。應(yīng)該注意的是，浦肯野反射的檢測(cè)需要很高的圖像清晰度，遠(yuǎn)遠(yuǎn)好于虹膜識(shí)別方法通常需要的清晰度。
Connell等人[15]利用了真實(shí)虹膜(低分辨率)大致平坦的事實(shí)，這與顯示凸形的印刷隱形眼鏡相反。因此，作者使用微型投影儀產(chǎn)生的結(jié)構(gòu)光(在3D面部成像中很流行)來捕捉眼球前部的三維屬性。這種方法只對(duì)一個(gè)對(duì)象拍攝的圖像進(jìn)行了測(cè)試，六個(gè)不同的隱形眼鏡呈現(xiàn)出對(duì)假貨的完美識(shí)別。
當(dāng)放大虹膜來觀察它的肌肉纖維時(shí)，我們最終會(huì)看到一個(gè)不再平坦的結(jié)構(gòu)。當(dāng)以更高的分辨率觀察時(shí)，當(dāng)被來自不同方向的光照射時(shí)，小梁產(chǎn)生陰影。當(dāng)觀察到平滑的仿制品(如紙張打印輸出)時(shí)，這種陰影不應(yīng)該出現(xiàn)，因此一些研究人員使用這種方法來區(qū)分平坦的偽像和粗糙的、活躍的虹膜肌肉。關(guān)于如何利用虹膜的三維來確定其真實(shí)性，我們知道的第一種方法來自Lee等人[16]。作者利用小波分解尋找SVM分類的三維活性特征。為60名志愿者(其中一些人戴著眼鏡或隱形眼鏡)收集的600個(gè)現(xiàn)場樣本和為不同人工制品類型(打印輸出、照片、帶有隱形眼鏡的打印輸出、由硅或丙烯酸制成的人造圖像以及圖案化隱形眼鏡)準(zhǔn)備的600個(gè)假樣本的報(bào)告EER=0.33%。Hughes等人[17]注意到，戴有圖案的隱形眼鏡會(huì)使觀察到的虹膜圖案更加凸起(即，位于鏡片表面)，這與無遮擋的真實(shí)虹膜形成對(duì)比，真實(shí)虹膜的圖案大致位于一個(gè)平面上。因此，他們將活性檢測(cè)問題轉(zhuǎn)化為對(duì)虹膜區(qū)域內(nèi)觀察到的表面形狀進(jìn)行分類的問題。作者在可見光下為4個(gè)人拍攝了虹膜的立體圖像，并另外要求這四名志愿者中的兩人在拍攝圖像時(shí)戴上隱形眼鏡(透明的和有圖案的)。他們報(bào)告說，佩戴有圖案的隱形眼鏡的人可以完美識(shí)別未佩戴隱形眼鏡的虹膜(或佩戴透明鏡片時(shí))。
Park等人[18]提出了一個(gè)有趣的解決方案，即使用幾幅多光譜虹膜圖像來代替典型應(yīng)用的近紅外單幅圖像。作者使用了一種專門的可調(diào)晶體濾波器，提供從650納米到1100納米的高選擇性(10納米波段)照明。識(shí)別中使用的圖像導(dǎo)致基于梯度的圖像融合，并且如果圖像是打印輸出，則不呈現(xiàn)虹膜結(jié)構(gòu)，這與提供有用虹膜特征的真實(shí)圖像不同。作者聲稱表現(xiàn)完美，但測(cè)試只針對(duì)4只不同的眼睛。Lee等人[19]還利用了眼睛組織對(duì)多光譜光吸收的差異。作者首先計(jì)算虹膜-鞏膜圖像強(qiáng)度的比率(在預(yù)選的虹膜和鞏膜小區(qū)域)。由于虹膜和鞏膜根據(jù)照明光的波長具有不同的光吸收特性，所以當(dāng)光波長改變時(shí)，該比率不同。事實(shí)上，人們可以通過計(jì)算兩種不同發(fā)光波長(文中使用750納米和850納米)的比值來判斷樣品的真實(shí)性。作者展示了2800張真實(shí)虹膜圖像、400張紙質(zhì)打印輸出圖像和30張塑料眼睛圖像的零APCER和小NPCER=0.28%。然而，不足為奇的是，這種方法錯(cuò)誤地接受了40%的有色隱形眼鏡，因?yàn)樗鼈儗?duì)本研究中應(yīng)用的多光譜光是透明的。
動(dòng)態(tài)物體的被動(dòng)測(cè)量。在這個(gè)組中，我們檢測(cè)被測(cè)對(duì)象的動(dòng)態(tài)特性，但沒有它的刺激。一個(gè)自然的例子是檢測(cè)hippus，即自發(fā)的瞳孔大小振蕩[2]。盡管使用hippus進(jìn)行活性檢測(cè)的想法已經(jīng)存在多年，并且經(jīng)常在論文中引用，但迄今為止很難找到可靠的實(shí)現(xiàn)。此外，Pacut等人(在觀察他們自己的測(cè)量結(jié)果后)認(rèn)為，hippus的可見性受個(gè)體的影響，因此當(dāng)應(yīng)用于更大的人群時(shí)，其可靠性可能會(huì)受到限制。Fabiola等人[20]展示了hippus的成功部署，但是是在用戶認(rèn)證的背景下，而不是在活性檢測(cè)中。作者在分析50人的hippus時(shí)得出的EER=0.23%表明，瞳孔的自發(fā)運(yùn)動(dòng)可能表現(xiàn)出個(gè)體特征。當(dāng)添加到虹膜生物特征模板中時(shí)，它們可以作為活性指示器。然而，這篇論文沒有包括任何用假眼睛來證明這個(gè)假設(shè)的測(cè)試。如果虹膜圖像也包含眼瞼，可以采用自發(fā)的眨眼檢測(cè)，這在面部識(shí)別和面部活性檢測(cè)中很流行。據(jù)報(bào)道，眨眼識(shí)別的準(zhǔn)確率很高(Cohn等人[21]聲稱10名志愿者的準(zhǔn)確率為98%，潘等人[22]報(bào)告的20名受試者的準(zhǔn)確率為88.8%)。然而，應(yīng)該注意的是，自發(fā)眨眼每隔幾秒鐘就會(huì)發(fā)生一次；它們是不規(guī)則的，它們的頻率取決于主題。因此，當(dāng)虹膜捕獲時(shí)間起重要作用時(shí)，檢測(cè)受刺激的眨眼(而不是自發(fā)的)似乎是更合適的方法。
動(dòng)態(tài)物體的主動(dòng)測(cè)量。最后一組方法包括刺激物體和分析其動(dòng)力學(xué)。人眼提供至少兩種類型的動(dòng)態(tài)特征:與整個(gè)眼球相關(guān)的特征和描述瞳孔大小的刺激變化。Komogortsev等人觀察眼睛的水平掃視軌跡，以區(qū)分真實(shí)的眼球和機(jī)械復(fù)制品的模擬行為。這個(gè)刺激是一個(gè)跳躍點(diǎn)，必須有32名志愿者參與實(shí)驗(yàn)。當(dāng)眼睛運(yùn)動(dòng)模型不為攻擊者所知時(shí)，EER=5%最小，當(dāng)眼動(dòng)植物特征可用于模仿眼睛的掃視時(shí)，EER=20%由作者聲明。一些研究人員利用了變化光照下的虹膜肌肉變形，如Kanematsu等人[23]，他們計(jì)算了預(yù)定義虹膜區(qū)域中光刺激后的虹膜圖像亮度變化。他們報(bào)告了活虹膜的完美識(shí)別和一些紙打印輸出。Puhan等人[24]計(jì)算了擴(kuò)張和收縮虹膜的虹膜紋理差異，聲稱這些差異對(duì)于真眼來說應(yīng)該很大，對(duì)于印刷隱形眼鏡來說應(yīng)該很小。這種說法雖然在原則上是正確的，但在論文中沒有概念證明，因?yàn)樽髡咧徽故玖藘芍徽鎸?shí)眼睛的結(jié)果，而沒有展示人工制品的結(jié)果。
科學(xué)文獻(xiàn)經(jīng)常提到使用液晶面板作為成功模仿眼睛動(dòng)態(tài)的候選攻擊，盡管到目前為止還不知道這種偽造的成功實(shí)現(xiàn)。虹膜采集設(shè)備通過近紅外光照亮眼睛(根據(jù)國際標(biāo)準(zhǔn)化組織/IEC 29794-6的建議，典型的工作波長從700納米開始，到900納米結(jié)束)，并使用濾光器將光線切斷在該范圍之外。另一方面，液晶顯示器旨在向用戶呈現(xiàn)內(nèi)容，因此必須在可見光(波長不超過700納米)下工作。這導(dǎo)致虹膜識(shí)別攝像頭對(duì)液晶顯示器顯示的內(nèi)容“視而不見”。因此，這種流行的攻擊想法對(duì)于現(xiàn)成的液晶顯示器是不切實(shí)際的。我們不知道有哪種近紅外光下的液晶顯示器可以用來播放眼部圖像。
應(yīng)該注意的是，在上述研究中沒有計(jì)算瞳孔動(dòng)力學(xué)。盡管使用瞳孔動(dòng)態(tài)特征進(jìn)行活性檢測(cè)的顯而易見的想法已經(jīng)存在多年，但是只有少量的研究給出了這個(gè)概念的證明以及足夠的實(shí)驗(yàn)結(jié)果。Pacut等人[5]使用動(dòng)態(tài)瞳孔反應(yīng)模型和神經(jīng)分類器，基于為29名志愿者收集的圖像序列數(shù)據(jù)庫和500多張紙偽影，完美地識(shí)別真實(shí)的眼睛和虹膜打印輸出。同時(shí)，作者在波蘭申請(qǐng)了一項(xiàng)專利[25]，該專利后來擴(kuò)展到美國[26]。由于他們?cè)谘芯恐惺褂昧撕缒ご蛴≥敵?#xff0c;這可以通過更簡單的方法來識(shí)別，因此該方法的潛力既沒有得到重視，也沒有被展示出來。Czajka擴(kuò)展了這項(xiàng)研究，展示了這種方法如何識(shí)別眼睛的奇怪(或沒有)反應(yīng)[27]，本文對(duì)這些發(fā)現(xiàn)進(jìn)行了全面的描述。
C. Supporting activities
除了科學(xué)努力之外，值得注意的是與虹膜活性檢測(cè)相關(guān)的一些其他舉措。克拉克森大學(xué)(美國)、圣母大學(xué)(美國)和華沙理工大學(xué)(波蘭)在2013年組織了第一屆國際虹膜活性競賽[28]。這次比賽是之前三次活動(dòng)比賽的后續(xù)，都是關(guān)于指紋生物識(shí)別的。比賽使用了紙質(zhì)虹膜打印輸出(共815張圖片)和打印隱形眼鏡(共2240張圖片)。大約62%的隱形眼鏡圖像和25%的紙質(zhì)打印圖像已作為培訓(xùn)集提供給參與者，其余數(shù)據(jù)用于評(píng)估交付的方法。三所大學(xué)決定發(fā)送他們的算法。比賽結(jié)果展示了一些有趣的現(xiàn)象。首先，很明顯，與紙張打印輸出的識(shí)別相比，圖案化隱形眼鏡更難檢測(cè)(紙張打印輸出接受率為0.65%，而獲勝方法獲得的打印隱形眼鏡平均接受率為9.32%)。第二，競賽結(jié)果顯示，大多數(shù)科學(xué)論文呈現(xiàn)的實(shí)驗(yàn)室結(jié)果(通常顯示對(duì)假貨和活體樣本的完美或幾乎完美的識(shí)別)與第三方評(píng)估報(bào)告的獲勝解決方案的平均分類誤差在10%的水平之間明顯不一致。這些發(fā)現(xiàn)加強(qiáng)了獨(dú)立評(píng)估的重要性。
人們也可能對(duì)TABULA RASA [29]感興趣，這是一個(gè)專門致力于活性檢測(cè)的歐洲項(xiàng)目。一些令人印象深刻的項(xiàng)目成果致力于虹膜識(shí)別，例如，已經(jīng)引用的偽像檢測(cè)中虹膜圖像質(zhì)量特征的部署[12]。生物識(shí)別研究所是生物識(shí)別脆弱性評(píng)估專家組[30]的發(fā)起者，該專家組是一個(gè)國際專家組，旨在提高對(duì)生物識(shí)別脆弱性評(píng)估重要性的認(rèn)識(shí)，并交流與主題相關(guān)的經(jīng)驗(yàn)。國際標(biāo)準(zhǔn)化組織/國際電工委員會(huì)JTC分會(huì)第37號(hào)(生物測(cè)定學(xué))也即將發(fā)布一個(gè)單獨(dú)的國際標(biāo)準(zhǔn)，完全致力于演示攻擊檢測(cè)。這些例子表明，生物特征識(shí)別中的活性檢測(cè)并不是一個(gè)完全解決的問題，或者迄今為止獲得的結(jié)果不能滿足科學(xué)和工業(yè)的要求。
IV. DATABASE OF IRIS MOVIES
A. Collection stand
據(jù)我們所知，目前還沒有公開的虹膜圖像收藏來進(jìn)行瞳孔動(dòng)力學(xué)的研究。我們決定建造合適的測(cè)量設(shè)備，并收集我們自己的一組在近紅外光下拍攝的眼部圖像。收集架的核心是嵌入成像源DMK-4002-紅外b/w相機(jī)的IrisCUBE相機(jī)[31]，該相機(jī)配備了索尼ICX249AL 1/2英寸電荷耦合器件夾層傳感器，提高了紅外靈敏度。場景由兩個(gè)近紅外光源(λ = 850 nm)照亮，這兩個(gè)光源水平放置并與鏡頭等距。我們的設(shè)備采用近紅外濾光器來阻擋波長低于800納米的任何光線。IrisCUBE相機(jī)每秒可拍攝25幅虹膜圖像，圖像質(zhì)量大大超過了與成像對(duì)象無關(guān)的ISO/IEC 19794-6和ISO/IEC 29794-6相關(guān)的最低建議。因?yàn)槲覀兿Ｍ谡麄€(gè)實(shí)驗(yàn)中保證可重復(fù)的拍攝條件，所以我們將相機(jī)封裝在一個(gè)大的陰影框中，并在其中放置受試者的眼睛用于獲取圖像。我們使用可見的發(fā)光二極管，嵌入相機(jī)外殼的前部，以幫助用戶定位頭部，作為可見光刺激。這種配置保證了受試者頭部在每次嘗試中的固定位置以及受試者頭部和攝像機(jī)之間的穩(wěn)定距離(大約30厘米)。它允許我們?cè)谕耆诎档那闆r下(不考慮外部照明條件)以及在可見光階躍刺激期間測(cè)量瞳孔的反應(yīng)。然而，人們應(yīng)該意識(shí)到，當(dāng)在明亮的環(huán)境光下觀察眼睛時(shí)，瞳孔反應(yīng)可能不太明顯(由于在施加刺激之前瞳孔收縮較大)。
B. Database statistics
我們收集了26名受試者的52個(gè)不同虹膜的圖像。對(duì)于50個(gè)虹膜，我們拍攝了4部圖像，對(duì)于一個(gè)人只拍攝了2部圖像，總共拍攝了204部眼睛圖像。每部圖像持續(xù)30秒，呈現(xiàn)瞳孔大小的自發(fā)振蕩(前15秒)和對(duì)光強(qiáng)階躍增加的反應(yīng)(后5秒)，以及對(duì)照明負(fù)階躍變化的反應(yīng)(后10秒)。由于我們每秒捕獲25幀，數(shù)據(jù)庫容量總計(jì)為204×30×25 = 153，000張虹膜圖像，顯示瞳孔擴(kuò)張和收縮過程。圖1給出了示例幀，并說明了可見發(fā)光二極管的開啟和關(guān)閉時(shí)刻。
C. Representation of actual and odd pupil reactions
在所有致力于呈現(xiàn)攻擊檢測(cè)的研究中，我們?cè)谡业綄⑽覀兊幕钚蕴卣骺臻g劃分為兩個(gè)子空間(真實(shí)和虛假)的分類函數(shù)方面有一個(gè)共同的困難。因?yàn)槲覀兺ǔＭㄟ^一些學(xué)習(xí)過程來構(gòu)建這些分類器，所以我們需要代表這些類的樣本。不幸的是，這讓我們想到了一些特定于某些假物體的方法。泛化幾乎是不可能的，因?yàn)槲覀儫o法預(yù)測(cè)造假者的幻想。尤其是在第三部分中總結(jié)的過去的工作。第三階段致力于靜態(tài)偽影的檢測(cè)，通常是虹膜打印輸出、隱形眼鏡或義眼模型。先前將瞳孔動(dòng)力學(xué)應(yīng)用于演示攻擊檢測(cè)[5]，[26]，證明了完美的性能，也對(duì)紙張打印輸出進(jìn)行了評(píng)估，但在這種情況下，我們應(yīng)該期待完美的性能，因?yàn)殪o態(tài)對(duì)象沒有表現(xiàn)出動(dòng)態(tài)。
在這項(xiàng)工作中，我們超越了這一限制，開發(fā)了一種方法，可以識(shí)別正確的瞳孔動(dòng)態(tài)，并拒絕任何模仿真實(shí)瞳孔運(yùn)動(dòng)的行為，或者呈現(xiàn)一些奇怪的、意想不到的振蕩。在這項(xiàng)研究中，我們決定只分析活著的眼睛，并將瞳孔的自發(fā)振蕩視為對(duì)假設(shè)的(在這種情況下不存在的)光刺激的奇怪反應(yīng)。這種方法完全符合我們?cè)凇盎钚浴表?xiàng)下的理解，即檢測(cè)被分析對(duì)象的重要癥狀。只有活的、真實(shí)的眼睛才能表現(xiàn)出人體器官特有的正確動(dòng)態(tài)。如果在一個(gè)突然的可見光脈沖之后，我們只觀察到希普斯，這可能表示我們觀察到了一只沒有生命的眼睛。為了根據(jù)我們的假設(shè)組織我們的數(shù)據(jù)，我們因此從數(shù)據(jù)庫中的每一部眼睛圖像中裁剪出兩個(gè)五秒的子圖像。第一個(gè)裁剪的子影片，代表奇怪的眼睛反應(yīng)，在測(cè)量開始時(shí)開始，在測(cè)量的第五秒后結(jié)束。第二子圖像開始于第十六秒(正好是眼睛被可見光刺激的時(shí)候)，結(jié)束于第二十秒(正好是可見光被關(guān)閉的時(shí)候)，見圖1。這導(dǎo)致204部圖像持續(xù)5秒并代表奇怪的反應(yīng)，204部圖像代表預(yù)期的瞳孔動(dòng)態(tài)，也是5秒長。
我們應(yīng)該意識(shí)到，在完全黑暗或非常明亮的環(huán)境光下觀察到的瞳孔自發(fā)振蕩，與在常規(guī)環(huán)境光下捕獲的振蕩相比，可能具有較低的振幅。后一種情況允許瞳孔在沒有明顯限制的情況下收縮和擴(kuò)張，而完全黑暗或非常明亮的環(huán)境光導(dǎo)致瞳孔已經(jīng)過度收縮或擴(kuò)張，因此只允許其大小的有限變化。
V. RECOGNITION OF PUPIL DYNAMICS
A. Data pre-processing
1)瞳孔檢測(cè)、分割及其大小的計(jì)算:瞳孔動(dòng)態(tài)通過其大小的變化來表示。然而，瞳孔大小是一個(gè)不精確的一般尺寸，可以用各種方法計(jì)算。在這項(xiàng)工作中，我們決定使用其最常見的圓形近似——可能是不規(guī)則的——形狀。這是有意為之的，因?yàn)槿齻€(gè)因素:a)圓形分割的速度快，b)在已經(jīng)部署的虹膜識(shí)別方法中圓形建模的共性，以及c)在描述動(dòng)態(tài)時(shí)非圓形偏差的重要性。

圖1：瞳孔大小(黑點(diǎn))在光刺激下的單個(gè)實(shí)驗(yàn)中自動(dòng)測(cè)量(藍(lán)色實(shí)線)。請(qǐng)注意，由于眨眼(黑點(diǎn)偏離預(yù)期順序)、閉眼(零坐標(biāo)的紅點(diǎn)表示沒有檢測(cè)到瞳孔)或分割過程的波動(dòng)(顯示為序列中的“噪聲”)，真實(shí)對(duì)象的捕捉導(dǎo)致瞳孔大小的非理想序列。圖解樣本顯示在頂部，并與序列的相應(yīng)時(shí)刻相關(guān)聯(lián)。
由于沒有與虹膜位置相關(guān)的基本事實(shí)，我們?cè)诿恳粠歇?dú)立地檢測(cè)和定位瞳孔。雖然檢測(cè)指的是瞳孔是否存在于框架內(nèi)的陳述，但是定位傳遞其位置。為了定位瞳孔和虹膜之間的邊界，我們應(yīng)用了對(duì)方向圖像進(jìn)行操作的霍夫變換(估計(jì)傳遞梯度值及其方向的圖像梯度)。我們參數(shù)化了變換，使其對(duì)暗圓形敏感，對(duì)其他暗圓形和亮圓形幾乎沒有反應(yīng)，比如鏡面反射。使用漸變和對(duì)圓形形狀的敏感度使得這種方法令人驚訝地健壯，即使瞳孔50%被眼瞼覆蓋。因此，每個(gè)眼睛圖像被轉(zhuǎn)換成瞳孔半徑的時(shí)間序列，圖1。我們不使用不超過最小閾值的梯度值(根據(jù)我們采用的硬件設(shè)置進(jìn)行實(shí)驗(yàn)設(shè)置)。如果沒有超過閾值的單個(gè)梯度值，則該方法報(bào)告沒有檢測(cè)到瞳孔。后者實(shí)現(xiàn)瞳孔檢測(cè)，有助于識(shí)別眼睛被眼瞼完全遮蓋的時(shí)間瞬間。
由于沒有與虹膜位置相關(guān)的基本事實(shí)，我們?cè)诿恳粠歇?dú)立地檢測(cè)和定位瞳孔。雖然檢測(cè)指的是瞳孔是否存在于框架內(nèi)的陳述，但是定位傳遞其位置。為了定位瞳孔和虹膜之間的邊界，我們應(yīng)用了對(duì)方向圖像進(jìn)行操作的霍夫變換(估計(jì)傳遞梯度值及其方向的圖像梯度)。我們參數(shù)化了變換，使其對(duì)暗圓形敏感，對(duì)其他暗圓形和亮圓形幾乎沒有反應(yīng)，比如鏡面反射。使用漸變和對(duì)圓形形狀的敏感度使得這種方法令人驚訝地健壯，即使瞳孔50%被眼瞼覆蓋。因此，每個(gè)眼睛圖像被轉(zhuǎn)換成瞳孔半徑的時(shí)間序列，圖1。我們不使用不超過最小閾值的梯度值(根據(jù)我們采用的硬件設(shè)置進(jìn)行實(shí)驗(yàn)設(shè)置)。如果沒有超過閾值的單個(gè)梯度值，則該方法報(bào)告沒有檢測(cè)到瞳孔。后者實(shí)現(xiàn)瞳孔檢測(cè)，有助于識(shí)別眼睛被眼瞼完全遮蓋的時(shí)間瞬間。
2)偽像去除:由于分割不準(zhǔn)確，瞳孔半徑的原始序列并不完美。一般來說，我們會(huì)遇到兩種干擾:a)瞳孔檢測(cè)錯(cuò)誤(通常是由于眨眼完全遮住了眼睛)和b)瞳孔分割噪聲(通常是由于眨眼時(shí)瞳孔被部分遮住，眼睛運(yùn)動(dòng)，離軸凝視，高度非圓形瞳孔形狀導(dǎo)致的估計(jì)的瞳孔大小，或者僅僅是算法錯(cuò)誤)。第一種錯(cuò)誤由瞳孔檢測(cè)過程識(shí)別。當(dāng)對(duì)瞳孔動(dòng)力學(xué)建模時(shí)，這些錯(cuò)誤點(diǎn)可以容易地被忽略(在圖1中標(biāo)記為位于水平軸上的紅點(diǎn))。然而，當(dāng)瞳孔半徑與其相鄰值相比明顯發(fā)散時(shí)，分割誤差只能在一定程度上被識(shí)別。瞳孔半徑的這些突然收縮主要是由部分眨眼引起的，并且由于眨眼的速度相對(duì)于每秒25幀，它們通常占據(jù)幾個(gè)(甚至是孤立的)值。因此，我們應(yīng)用了中值濾波，其中一秒水平(即25幀)被應(yīng)用為滑動(dòng)窗口。
B. Modeling of pupil dynamics
光強(qiáng)波動(dòng)產(chǎn)生明顯的瞳孔收縮和擴(kuò)張。Kohn和Clynes [32]注意到瞳孔反應(yīng)的不對(duì)稱性取決于閃光是正的(從暗到亮)還是負(fù)的，并提出了一個(gè)反應(yīng)模型，該模型可以圖形化地想象為復(fù)雜自變量s的雙通道傳遞函數(shù)，如圖2。

圖2：瞳孔動(dòng)力學(xué)模型部署在這項(xiàng)工作中，并從科恩和克萊因的原始提案[32]中導(dǎo)出。圖表轉(zhuǎn)載自[26]。
上通道由具有時(shí)間常數(shù)T1和T2的二階慣性和以τ1為特征的滯后元件組成。它只對(duì)正面的光刺激模擬瞳孔的瞬態(tài)行為，這是由放置在滯后元件之后的非線性函數(shù)保證的，并且減少了負(fù)面刺激的通道響應(yīng)。通道增益由Kr控制。反過來，下通道負(fù)責(zé)模擬瞳孔大小的長期和持續(xù)變化，并通過在負(fù)或正光刺激后設(shè)置新的瞳孔半徑來回答。它包含一階慣性(其速度由T3控制)和以τ2為特征的滯后元素。下部通道增益由Ki獨(dú)立于上部通道控制。
計(jì)算拉普拉斯逆變換，我們可以很容易地獲得模型響應(yīng)y(t；φ),作為上和下通道響應(yīng)之和，yupper(t；φ1)和y lower(t；φ2)，分別為:

是活性特征，即設(shè)置模型響應(yīng)的七個(gè)參數(shù)的向量。因此，通過解決模型擬合問題，觀察到的瞳孔動(dòng)態(tài)(時(shí)間序列)被轉(zhuǎn)換為七維活性特征空間中的單個(gè)點(diǎn)。
C. Searching for liveness features: fitting the model
通過求解以下形式的非線性最小二乘曲線擬合問題來識(shí)別每個(gè)眼睛圖像的最佳模型參數(shù)bφ = [Kr，T1，T2，τ1，Ki，T3τ2]T:

其中φ是φ的一組可能值，y(t)是瞳孔大小的真實(shí)(觀察到的)變化，乘以(t；φ)是給定參數(shù)φ和給定y(t)估計(jì)的模型響應(yīng)，t = 0。。。，天貓。我們發(fā)現(xiàn)tmax ≤ 1.5秒。使得這個(gè)模型無用；因此，在這項(xiàng)工作中，我們分析了從tmax = 1.6秒開始的多個(gè)優(yōu)化范圍。并以最大tmax = 5秒結(jié)束。如圖3。

圖3為圖1所示的預(yù)處理測(cè)量(黑點(diǎn))計(jì)算的Kohn和Clynes模型響應(yīng)(實(shí)線和粗綠線)。在每種情況下，建模從t = 0開始。左上圖顯示了5秒鐘觀察后的模型輸出，bφ = [62.82，0.10，4.27，0.17，47.97，0.84，0.14]T。其余三個(gè)圖說明了優(yōu)化范圍減小時(shí)建模精度的下降。
D. Goodness of fit
為了評(píng)估擬合優(yōu)度，我們使用歸一化均方根誤差，即

其中y是y的平均值，k表示向量的2范數(shù)。GoF限制從0(當(dāng)by并不比直線擬合y好時(shí))到1(完美擬合)。
E. Classification of the liveness features
圖4中所示的活性特征的樣本值表明了它們的異質(zhì)辨別能力。然而，由于特征空間的低維度，我們沒有應(yīng)用任何特征選擇方法。此外，在識(shí)別模型時(shí)，我們需要設(shè)置所有七個(gè)參數(shù)。

圖4。活躍度特征bφ的v值是針對(duì)正光刺激和五秒鐘觀察時(shí)間的預(yù)期(藍(lán)色十字)和奇數(shù)(紅色圓圈)瞳孔反應(yīng)計(jì)算的。顯示了所有204部眼部圖像的結(jié)果。歸一化均方根誤差(NRMSE)也顯示在右下方的圖表中，這表明與奇數(shù)瞳孔反應(yīng)相比，正常瞳孔反應(yīng)更適合。
因此，縮小特征集沒有實(shí)際的理由。為了構(gòu)建分類函數(shù)，我們使用支持向量機(jī)作為在低維特征空間中表現(xiàn)良好的最佳現(xiàn)成分類器之一(如我們的例子)。為了逼近線性和非線性分類邊界，我們部署了線性SVM以及徑向基函數(shù)和多項(xiàng)式核。
VI. EXPERIMENTS AND RESULTS
A. Generating gallery and probe samples
為了最小化低估性能錯(cuò)誤的風(fēng)險(xiǎn)，我們將數(shù)據(jù)集分成兩個(gè)不相交的子集，用于訓(xùn)練和評(píng)估給定的方法。訓(xùn)練子集通常被稱為圖庫，而用于評(píng)估訓(xùn)練算法的子集被稱為探針。在理想情況下，我們有足夠大小的圖庫和探針子集，以提供滿足我們需求的計(jì)算誤差的統(tǒng)計(jì)保證。然而，在典型情況下，這些集合的大小遠(yuǎn)低于理想值，并且——取決于原始數(shù)據(jù)庫的大小——使用不同的交叉驗(yàn)證技術(shù)來回答特定結(jié)果如何在獨(dú)立和未知數(shù)據(jù)上進(jìn)行歸納。在生物測(cè)定學(xué)中，我們通常使用k折疊和省略n交叉驗(yàn)證，前者設(shè)置k = 2(兩個(gè)折疊，可能大小相等，對(duì)應(yīng)于圖庫和探針子集)，后者設(shè)置n = 1(圖庫) 由n-1個(gè)樣本組成，而剩余的一個(gè)樣本形成探針組)。在這項(xiàng)工作中，使用了遺漏交叉驗(yàn)證，但遺漏了給定人員的所有樣本，而不是使用單個(gè)樣本(即單個(gè)時(shí)間序列)。該場景生成n = 26次訓(xùn)練測(cè)試實(shí)驗(yàn)(等于不同受試者的數(shù)量)，而不是204次(即所有樣本的數(shù)量)，但是由于同一個(gè)人的樣本之間的統(tǒng)計(jì)依賴性，我們相信通過個(gè)人依賴性獲得無偏的評(píng)估結(jié)果。
B. Decision making
僅僅依靠分類器輸出是不夠的，因?yàn)檠劬Φ囊恍┢婀址磻?yīng)可能導(dǎo)致模型參數(shù)落入表示真實(shí)眼睛反應(yīng)的子空間。與分類器輸出同時(shí)分析擬合優(yōu)度是一個(gè)好主意，因?yàn)殄e(cuò)誤接受的樣本可能是由于模型識(shí)別不良造成的。這建立了一個(gè)二維決策平面，一個(gè)軸上有分類器響應(yīng)，另一個(gè)軸上有擬合優(yōu)度，提供了四個(gè)決策區(qū)域，如圖5。只有當(dāng)分類器決策是肯定的并且模型擬合是準(zhǔn)確的時(shí)，我們才認(rèn)為觀察到的對(duì)象是活的。

C. Assessment of the method performance
當(dāng)執(zhí)行實(shí)驗(yàn)時(shí)，我們有兩個(gè)目標(biāo):a)評(píng)估該方法的性能并選擇最可靠的SVM核，以及b)找到提供合理精度所必需的最小瞳孔觀察時(shí)間。前者回答了這個(gè)方法是否有理論潛力的問題。后者估計(jì)了在生物識(shí)別系統(tǒng)中實(shí)際部署的機(jī)會(huì)，因?yàn)轭A(yù)期的虹膜捕獲時(shí)間應(yīng)該很短(不超過幾秒鐘)。省去一個(gè)程序的應(yīng)用(省去給定人的所有樣本)導(dǎo)致我們進(jìn)行n = 26個(gè)估計(jì)評(píng)估實(shí)驗(yàn)。也就是說，在每個(gè)實(shí)驗(yàn)中，我們使用n-1個(gè)受試者的所有樣本訓(xùn)練三個(gè)不同的支持向量機(jī)(線性、多項(xiàng)式和徑向基)，以及最終的參數(shù)優(yōu)化(特別是:多項(xiàng)式核的階和徑向基核的衰減參數(shù))。然后，我們?cè)谑Ｓ嗍茉囌叩奈粗獦颖旧显u(píng)估這些支持向量機(jī)。在每個(gè)估計(jì)實(shí)驗(yàn)中，我們還設(shè)置了擬合優(yōu)度閾值，供以后用剩余樣本評(píng)估分類器時(shí)使用。我們決定設(shè)置GoF閾值，以免由于活性檢測(cè)而增加錯(cuò)誤拒絕，即我們最小化了NPCER。這種方法背后有一個(gè)重要的理論基礎(chǔ)，而不是將理論和實(shí)踐中對(duì)非活體眼睛的錯(cuò)誤接受降到最低。理論上的討論表明，預(yù)測(cè)所有可能的攻擊的性質(zhì)——以及由此產(chǎn)生的相關(guān)統(tǒng)計(jì)數(shù)據(jù)——是不可能的。另一方面，為真實(shí)的生物特征樣本開發(fā)統(tǒng)計(jì)模型更容易。因此，當(dāng)逼近分類函數(shù)時(shí)，關(guān)注真實(shí)數(shù)據(jù)是合理的，并且接受該分類器可能為贗品產(chǎn)生一些錯(cuò)誤是合理的。這種方法比相反的方法更穩(wěn)健，在相反的方法中，我們將緊緊圍繞特定的假樣本來固定分類函數(shù)，因?yàn)槠渌愋偷募贅颖镜耐ㄓ眯暂^弱，并且會(huì)降低真實(shí)樣本的準(zhǔn)確性。這與實(shí)踐相對(duì)應(yīng)，因?yàn)橄到y(tǒng)開發(fā)人員對(duì)增加的錯(cuò)誤拒絕概率更有抵抗力，并且他們更有可能接受假貨的更高概率(這在沒有活躍度檢測(cè)的情況下非常高，并且當(dāng)甚至應(yīng)用弱PAD方法時(shí)總是降低)。
因此，我們進(jìn)行了n = 26次獨(dú)立評(píng)估。作為最終結(jié)果，給出了每個(gè)SVM和每個(gè)觀察時(shí)間的平均誤差率(見圖6、7和8)。結(jié)果顯示了一些有趣的結(jié)果。首先，如果我們?cè)试S5秒鐘的觀察(所有26次評(píng)估的NPCER=APCER=0)，所有的分類器都能夠完美地區(qū)分瞳孔的奇怪和自然反應(yīng)。其次，似乎我們可以將觀察時(shí)間縮短到3秒以內(nèi)，因?yàn)樗械闹С窒蛄繖C(jī)在略超過2秒的時(shí)間范圍內(nèi)表現(xiàn)良好。第三，三個(gè)不同的支持向量機(jī)的性能是相似的，這表明構(gòu)建一個(gè)線性分類器將是一個(gè)足夠的解決方案，以獲得建議的活性特征的可接受的性能。
VII. MERITS AND LIMITATIONS: DISCUSSION
上一節(jié)顯示的結(jié)果表明，當(dāng)短時(shí)間觀察眼睛時(shí)(相對(duì)于虹膜識(shí)別中幾秒鐘的典型采集時(shí)間)，瞳孔動(dòng)力學(xué)可能會(huì)提供有趣的活性特征。模仿瞳孔動(dòng)態(tài)是困難的，隱藏自己的瞳孔反應(yīng)是不可能的，因?yàn)樗遣蛔杂X的。醫(yī)學(xué)文獻(xiàn)還報(bào)道，在壓力下，瞳孔反應(yīng)可能會(huì)改變。因此，我們甚至可以提出這樣的假設(shè)，即這是少數(shù)能夠識(shí)別脅迫下的捕獲的方法之一。
實(shí)施提議的方法可能會(huì)產(chǎn)生額外的積極副作用。眾所周知，虹膜識(shí)別的準(zhǔn)確性可能會(huì)受到瞳孔不一致的影響。特別是當(dāng)瞳孔放大在注冊(cè)和認(rèn)證過程中顯著不同時(shí)。矛盾的是，本文提出的方法可以免費(fèi)補(bǔ)償這種現(xiàn)象，特別是不引入額外的采集時(shí)間。即一旦虹膜圖像被捕獲，生物測(cè)定系統(tǒng)可以選擇具有不同瞳孔大小的一個(gè)(或幾個(gè))虹膜圖像來執(zhí)行生物測(cè)定識(shí)別(不需要額外的捕獲)。如果相同的系統(tǒng)記錄了在注冊(cè)時(shí)觀察到的瞳孔大小以及參考模板，它可以在認(rèn)證階段選擇具有相似瞳孔大小的幀。如果沒有瞳孔大小數(shù)據(jù)連接到參考模板，系統(tǒng)可以部署呈現(xiàn)不同瞳孔大小的多個(gè)認(rèn)證圖像，并選擇模板和認(rèn)證樣本之間的最小距離。這將顯著降低虹膜比較分?jǐn)?shù)分布的類內(nèi)方差。
為了完成我們的結(jié)論，我們還應(yīng)該分析硬幣的陰暗面。首先，動(dòng)態(tài)特征的測(cè)量需要時(shí)間。并非所有應(yīng)用程序在捕獲虹膜時(shí)都允許額外的兩秒鐘。第二，局限性可能來自不同人群動(dòng)態(tài)特征的可變性以及老年人瞳孔大小的更細(xì)微變化。由于本研究中使用的數(shù)據(jù)庫不包含老年人的任何測(cè)量值，因此在他們的情況下，報(bào)告的誤差可能被低估。第三個(gè)限制可能是指由于攝入不同的物質(zhì)(例如，藥物或酒精)、改變的心理狀態(tài)(例如，壓力、放松、困倦或精神負(fù)荷)而導(dǎo)致的瞳孔動(dòng)態(tài)可能的不穩(wěn)定。我們不知道會(huì)徹底討論這些因素對(duì)瞳孔動(dòng)態(tài)的影響的科學(xué)結(jié)果，但是很容易想象它們不是不重要的。由于這項(xiàng)工作為沒有壓力和沒有攝入任何可以改變瞳孔反應(yīng)的物質(zhì)的人提供了研究結(jié)果，我們不能保證在這些異常情況下瞳孔動(dòng)力學(xué)沒有改變。以免我們也忘記周圍的環(huán)境，因?yàn)槠鹗纪状笮?以及反應(yīng)的幅度)取決于環(huán)境光的強(qiáng)度。這項(xiàng)研究使用了施加光刺激前在黑暗中收集的數(shù)據(jù)。
總之，這種方法似乎是魯棒活性檢測(cè)的一個(gè)很好的候選方法，具有很高的實(shí)際應(yīng)用潛力。記住它的局限性，人們可能會(huì)獲得PAD實(shí)現(xiàn)的一個(gè)有趣的元素，它對(duì)檢測(cè)靜態(tài)偽像的方法沒有提供的特性很敏感。
ACKNOWLEDGMENTS
作者要感謝Rafal Brize先生，他在本作者領(lǐng)導(dǎo)的碩士學(xué)位項(xiàng)目下收集了本工作中使用的虹膜圖像數(shù)據(jù)庫。作者衷心感謝華沙理工大學(xué)安杰伊·帕庫特教授對(duì)本研究做出的寶貴貢獻(xiàn)。Kohn和Clynes模型的應(yīng)用受到Marcin Chochowski先生的研究的啟發(fā)，他在生物識(shí)別中使用該模型的參數(shù)作為個(gè)體特征。這位作者和教授Pacut和Chochowski先生，已經(jīng)被授予美國專利第8，061，842號(hào)，該專利部分地涵蓋了在這項(xiàng)工作中采用的思想。最后但并非最不重要的是，作者衷心感謝芭芭拉·曼喬內(nèi)對(duì)英語語法和單詞用法的更正。

總結(jié)

以上是生活随笔為你收集整理的Pupil dynamics for iris liveness detection 瞳孔活体检测论文翻译的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。