34、基于深度学习的可撤销生物特征识别：使用 MobileNetV3Small 模型

基于深度学习的可撤销生物特征识别：使用 MobileNetV3Small 模型

1. 引言

生物特征识别系统用于验证个人身份并应对潜在的安全问题。许多系统，如自动取款机（ATM）、移动电话和笔记本电脑等，都依赖生物特征识别技术进行身份验证。然而，传统生物特征识别系统存在安全和隐私风险，因为数据库中存储的是原始特征和图像，容易遭受伪造和数据泄露。

可撤销生物特征识别技术通过在数据库中存储扭曲或变形的特征，而不是原始特征，来增强安全性。可撤销生物特征系统具有多样性、不可逆性、可撤销性和高性能等特点。为了提高可撤销生物特征识别系统的识别准确率，一些研究人员提出了基于深度学习的技术。

2. 相关工作

• Phornchaicharoen 等人的研究 ：使用迁移学习提取面部生物特征，结合多层感知器（MLP）模型进行图像分类。该工作分为面部检测、特征提取和面部识别三个步骤，在 YouTube Face 和 Extended Cohn - Kanade 数据集上进行实验，结果以熵、准确率和计算时间表示。
• CNN 基于的可撤销生物特征系统 ：应用最大输出单元和加权连接，结合两种模态的判别特征，在 CASIA - Iris - Mobile - V1.0 数据集上进行实验。
• 基于 CNN 的面部表情识别方法 ：提取图像重要特征，进行裁剪、旋转和简化，对图像序列和静态图像的面部表情识别方法进行分类。
• Talreja 等人的研究 ：将深度哈希技术与