Earticle

현재 위치 Home

Improving Unconstrained Iris Recognition Performance via Domain Adaptation Metric Learning Method

첫 페이지 보기
  • 발행기관
    보안공학연구지원센터(IJSIA) 바로가기
  • 간행물
    International Journal of Security and Its Applications SCOPUS 바로가기
  • 통권
    Vol.10 No.5 (2016.05)바로가기
  • 페이지
    pp.27-40
  • 저자
    Yan Fei, Zhou Changjiu, Tian Yantao
  • 언어
    영어(ENG)
  • URL
    https://www.earticle.net/Article/A275443

※ 원문제공기관과의 협약기간이 종료되어 열람이 제한될 수 있습니다.

원문정보

초록

영어
To improve unconstrained iris recognition system performance in different environments, a performance improvement method of unconstrained iris recognition based on domain adaptation metric learning is proposed. A kernel matrix is calculated as the solution of domain adaptation metric learning. The known Hamming distance computing by intra-class and inter-class is used as the optimization learning constraints in the process of iris recognition. An optimal Mahalanobis matrix is computed for certain cross-environment system, then distance between two iris samples is redefined. The experimental results indicate that the proposed method can increase the accuracy of the unconstrained iris recognition in different circumstances, improving the classification ability of iris recognition system.

목차

Abstract
 1. Introduction
 2. Unconstrained Iris Recognition and Similarity Measure
  2.1. The Unconstrained Iris Recognition System
  2.2 Similarity Measure for Iris Recognition
 3. DAML Method and Novel Resolving Scheme
  3.1. Framework of DAML Method
  3.2 Constraints for Optimal Matrix Learning
  3.3 Kernel Solution of Optimal Mahalanobis Distance Matrix
 4. Optimization Algorithm Based on DAML Method
  4.1 Optimal Target in Unconstrained Iris Recognition
  4.2. Calculating Optimal Matrix for Iris Recognition
  4.3. Iris Feature Matching
 5. Experimental Details and Results
  5.1. Unconstrained Iris Image Dataset
  5.2. Segmentation and Feature Extraction
  5.3. Experimental Settings
  5.4. Experimental results
 6. Conclusion
 References

키워드

Iris recognition Metric learning Similarity measure Pattern recognition Biometrics recognition

저자

  • Yan Fei [ College of Communication Engineering, Jilin University, Changchun 130025, China ]
  • Zhou Changjiu [ Key Laboratory of Bionic Engineering of Ministry of Education, Jilin University, Changchun 130025, China, Advanced Robotics and Intelligent Control Centre, Singapore Polytechnic, Singapore ]
  • Tian Yantao [ College of Communication Engineering, Jilin University, Changchun 130025, China, Key Laboratory of Bionic Engineering of Ministry of Education, Jilin University, Changchun 130025, China ] Corresponding Author

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    보안공학연구지원센터(IJSIA) [Science & Engineering Research Support Center, Republic of Korea(IJSIA)]
  • 설립연도
    2006
  • 분야
    공학>컴퓨터학
  • 소개
    1. 보안공학에 대한 각종 조사 및 연구 2. 보안공학에 대한 응용기술 연구 및 발표 3. 보안공학에 관한 각종 학술 발표회 및 전시회 개최 4. 보안공학 기술의 상호 협조 및 정보교환 5. 보안공학에 관한 표준화 사업 및 규격의 제정 6. 보안공학에 관한 산학연 협동의 증진 7. 국제적 학술 교류 및 기술 협력 8. 보안공학에 관한 논문지 발간 9. 기타 본 회 목적 달성에 필요한 사업

간행물

  • 간행물명
    International Journal of Security and Its Applications
  • 간기
    격월간
  • pISSN
    1738-9976
  • 수록기간
    2008~2016
  • 등재여부
    SCOPUS
  • 십진분류
    KDC 505 DDC 605

이 권호 내 다른 논문 / International Journal of Security and Its Applications Vol.10 No.5

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.