Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

16.12.2019 | Methodologies and Application | Ausgabe 15/2020

Soft Computing 15/2020

Enhancing human iris recognition performance in unconstrained environment using ensemble of convolutional and residual deep neural network models

Zeitschrift:
Soft Computing > Ausgabe 15/2020
Autoren:
Meenakshi Choudhary, Vivek Tiwari, U. Venkanna
Wichtige Hinweise
Communicated by V. Loia.

Publisher's Note

Springer Nature remains neutral with regard to jurisdictional claims in published maps and institutional affiliations.

Abstract

Despite the prominent advancements in iris recognition, unconstrained image acquisition through heterogeneous sensors has been a major obstacle in applying it for large-scale applications. In recent years, deep convolutional networks have achieved remarkable performance in the field of computer vision and have been employed in iris applications. In this study, three distinct models based on the ensemble of convolutional and residual blocks are proposed to enrich heterogeneous (cross-sensor) iris recognition. In order to analyze their quantitative performances, extensive experiments are carried out on two publicly available iris databases, ND-iris-0405 dataset and ND-CrossSensor-Iris-2013 dataset. Further, the final model has been scrutinized based on the least error rate and then fused using score-level fusion with two preeminent feature extraction methods, i.e., scale-invariant feature transform and binarized statistical information features. The resultant model is examined for cross-sensor iris recognition and reported the top two error rates as 1.01% and 1.12%. It infers that the proposed approach constitutes vital discerning iris features and can recognize that the micro-patterns exist inside the iris region. Furthermore, a comparative study is carried out with the state of the art, where the proposed approach obtains significantly improved performance.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 58.000 Bücher
  • über 300 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe




Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 15/2020

Soft Computing 15/2020 Zur Ausgabe

Premium Partner

    Bildnachweise