Fitness-for-Duty Classification using Temporal Sequences of Iris Periocular images

要約

【タイトル】アイリス・ペリオクル画像の時間的シーケンスを用いたフィットネス・フォー・デューティ・クラス分類

【要約】

– フィットネス・フォー・デューティ（FFD）技術は、サブジェクトが安全に作業を行うためにフィットかどうかを検出します。
– この研究では、8つのアイリス画像のシーケンスを使用してFFDを分類し、畳み込みニューラルネットワーク（CNN）と長短期記憶ネットワーク（LSTM）を使用して空間的および時間的情報を抽出することが目的です。
– 結果は、フィットサブジェクトの予測に対して81.4％、そしてフォー・デューティに不適格なサブジェクトの予測に対して96.9％の精度を達成しました。
– さらに、アルコール、ドラッグ、睡眠不足の状態下にあるかどうかを判断することも可能であった。
– 結果から、睡眠不足は判断が最も難しいということがわかりました。
– このシステムは、アイリスのバイオメトリックアプリケーションの新たな可能性を開いているといえます。

要約(オリジナル)

Fitness for Duty (FFD) techniques detects whether a subject is Fit to perform their work safely, which means no reduced alertness condition and security, or if they are Unfit, which means alertness condition reduced by sleepiness or consumption of alcohol and drugs. Human iris behaviour provides valuable information to predict FFD since pupil and iris movements are controlled by the central nervous system and are influenced by illumination, fatigue, alcohol, and drugs. This work aims to classify FFD using sequences of 8 iris images and to extract spatial and temporal information using Convolutional Neural Networks (CNN) and Long Short Term Memory Networks (LSTM). Our results achieved a precision of 81.4\% and 96.9\% for the prediction of Fit and Unfit subjects, respectively. The results also show that it is possible to determine if a subject is under alcohol, drug, and sleepiness conditions. Sleepiness can be identified as the most difficult condition to be determined. This system opens a different insight into iris biometric applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI