熱門關鍵字:ADAS | 藍牙5 | NB-IoT | AI | 工業4.0

訂閱電子報

立刻輸入Email,獲取最新的資訊:

收藏功能:
分享報新知:
其他功能:

機器學習理論助力 智慧眼鏡虹膜辨識準確率提升

文‧侯冠州 發布日期:2016/06/04 關鍵字:概率圖模型虹膜辨識智慧眼鏡

智慧眼鏡安全防護更精進。隨著智慧眼鏡發展持續增溫,為確保其資料安全性,目前大多採用虹膜辨識技術驗證使用者身分。然而,目前虹膜辨識成功率仍有改善空間,為此,已有學術單位透過機器學習理論,成功將虹膜辨識失誤率降低至0.2%,使智慧眼鏡資料防護更上一層樓。

國立中央大學資訊工程學系助理教授栗永徽表示,嵌入式系統體積越來越小,未來可望將整隻手機功能內建於穿戴式裝置之中,進而取代智慧型手機;而虹膜辨識是目前智慧眼鏡安全辨識的一個主流技術,為此,該實驗團隊致力於提升虹膜辨識技術,透過概率圖模型理論,可將原本虹膜辨識約2~3%的失誤率降至0.2%。

過往進行虹膜辨識時,會先用紅外線攝影機找到虹膜區域,然後將虹膜影像由原本甜甜圈狀的圓形轉換成長方形,再進行特徵擷取與比對等動作。目前的挑戰在於,由於人眼的瞳孔會放大縮小,因此攝影機所擷取到的影像多少會有些差異。比方說,某些區域應該要有些紋理在,但若重複執行虹膜辨識,這些紋理不見得會在同一個區域,因而影響虹膜辨識準確率。

為改善此一情況,進而提升辨識準確率,栗永徽指出,進行虹膜辨識時,須考慮上述影像局部區域變形(Local Deformation)的問題。若用傳統虹膜辨識理論檢驗的話,無法準確掌握局部區域變形的變化程度。

因此,該實驗團隊運用概率圖模型(Probabilistic Graphical Model)的機器學習理論,於虹膜辨識過程中,先將整張虹膜辨識影像分割成各個補丁(Patch),再根據這些補丁建立圖形模型。這些圖形模型彼此間都會有些許應力,會互相吸引或相斥,因此會隨時動態調整。透過收集大量資訊進行訓練之後,這些模型便可針對局部區域變形的形變自動學習及自動補償,進而提高虹膜辨識準確率。

研討會專區
熱門文章