Anderson의 관점
생체 인식기로서의 손의 사용: 범죄 영상 포렌식에서
Unite.AI를 Google의 선호 소스에 추가
영국 연구자들은 손의 모양으로 개인을 식별할 수 있는 기계 학습 생체 시스템을 개발했습니다. 이 연구의 목적은 성범죄자와 같은犯罪者の 식별을 돕는 것입니다. 특히 성범죄의 경우 손 정보가 종종 유일한 생체 신호입니다.
논문은 Hand-based Person Identification Using Global and Part-aware Deep Feature Representation Learning이라는 제목으로, 새로운 ML 프레임워크인 Global and Part-Aware Network (GPA-Net)을 제안합니다.
GPA-Net에서 두 개의 별도 3D 텐서(전역 및 지역)가 ResNet50 백본 네트워크에서 스택된 컨볼루션 레이어를 통해 소스 이미지로 전달되어 얻어집니다. 각 분석 경로는 身分 예측을 수행합니다. 출처: https://arxiv.org/pdf/2101.05260.pdf
GPA-Net은 전역 및 지역 분기점을 생성하여 손 전체와 손의 일부(지역 분기점)를 식별하는 두 개의 별도 인식 시스템을 생성합니다.
이 연구는 랭커스터 대학교의 컴퓨팅 및 커뮤니케이션 학부에서 수행되었으며, Nathanael L. Baisa가 주도했습니다.
일관된 생체 인식기로서의 손
연구자들은 손이 일관된 생체 특성을 제공하여, 연령, 위장 시도, 또는 다른 왜곡 요인(예: 표정의 변화)에 덜 영향을 받는다는 것을 관찰했습니다.
안전 시스템은 손 정맥 패턴을 사용하여 적외선 이미징을 통해 개발되었습니다. 그러나 이 기술은 범죄에 사용되는 기록 장치에서 사용할 수 없습니다. 현재 연구는 표준 디지털 카메라에서 얻은 캡처에 중점을 두고 있습니다.
과거 50년 동안 과학 영화에서 가장 인기 있는 생체 인식 방법인 손바닥 인식은 예상한 대로 普及되지 못했습니다. 그러나 후지쯔는 2016년에 손 정맥 패턴 인식이 보안 시스템에서 더 우수한 생체 인식 도구라는 연구를 발표했습니다.
데이터셋 및 테스트
GPA-Net은 처음으로 손 인식을 시도한 엔드투엔드 트레이닝 시스템입니다. 네트워크의 중앙 백본은 ImageNet에서 트레이닝된 ResNet50입니다.
GPA-Net 프레임워크는 두 개의 데이터셋에서 테스트되었습니다. 하나는 2016년 11k 핸드셋이고, 다른 하나는 홍콩 폴리테크닉 대학의 핸드 도르살 데이터셋입니다.
손바닥의 일부를 식별하는 개인 식별에 관한 세부 사항.
11k 데이터셋에는 190명의 身分 주체가 포함되어 있으며, ID, 연령, 피부 색상, 성별 등 다양한 메타데이터가 있습니다. 연구자들은 주얼리와 같은 방해 요소를 제거했습니다.
GPA-Net은 PyTorch 딥 러닝 프레임워크에서 단일 NVIDIA GeForce RTX 2080 Ti GPU에서 트레이닝되었습니다. 모델은 크로스 엔트로피 손실과 미니 배치 스토캐스틱 그래디언트 디센트(SGD) 옵티마이저를 사용하여 트레이닝되었습니다.
평가는 Cumulative Matching Characteristics (CMC) 메트릭과 Mean Average Precision (mAP)을 사용하여 수행되었습니다.
연구자들은 GPA-Net이 ResNet50을 사용하는 다른 방법보다 24.74%의 랭크 1 정확도와 37.82%의 mAP에서 더 우수한 성능을 보인다는 것을 발견했습니다.
GPA-Net 시스템의 테스트 결과. 상단 행은 11k 세트의 오른쪽 도르살 인식, 왼쪽 도르살 인식, 오른쪽 손바닥 인식, 왼쪽 손바닥 인식입니다. 초록색과 빨간색 바운딩 박스는 올바른 匹配과 잘못된 匹配을 나타냅니다.
연구자들은 이 방법이 ‘중대한 범죄의 犯罪者를 강력하게 식별하는 데 강한 잠재력을 가지고 있다’고 생각합니다.
