Impact of Iris Pigmentation on Performance Bias in Visible Iris Verification Systems: A Comparative Study

要約

虹彩認識技術は生体認証システムにおいて重要な役割を果たしますが、そのパフォーマンスは虹彩の色素沈着の変化によって影響を受ける可能性があります。
この研究では、青い虹彩と暗い虹彩の比較分析に焦点を当てて、生体認証システムの有効性に対する虹彩の色素沈着の影響を調査します。
データセットは、P1、P2、P3 スマートフォン [4] を含む複数のデバイスを使用して収集され、さまざまなキャプチャ環境におけるシステムの堅牢性を評価しました [19]。
従来の機械学習手法と深層学習モデル、つまり Open-Iris、ViT-b、ResNet50 の両方を使用して、等誤り率 (EER) や真一致率 (TMR) などのパフォーマンス指標を評価しました。
私たちの結果は、虹彩認識システムは一般に、暗い虹彩と比較して青い虹彩の方が高い精度を示すことを示しています。
さらに、さまざまな虹彩の色やデバイスにわたるこれらのシステムの一般化機能を調べたところ、多様なデータセットでのトレーニングにより認識パフォーマンスが向上するものの、改善の程度は使用する特定のモデルとデバイスに依存することがわかりました。
私たちの分析では、虹彩の色とデバイス間のばらつきに関連する認識パフォーマンスの固有の偏りも特定します。
これらの発見は、バイアスを軽減し、さまざまな虹彩の色素沈着やデバイス構成にわたって公平な生体認証を促進するために、より包括的なデータセットの収集とモデルの改良の必要性を強調しています。

要約(オリジナル)

Iris recognition technology plays a critical role in biometric identification systems, but their performance can be affected by variations in iris pigmentation. In this work, we investigate the impact of iris pigmentation on the efficacy of biometric recognition systems, focusing on a comparative analysis of blue and dark irises. Data sets were collected using multiple devices, including P1, P2, and P3 smartphones [4], to assess the robustness of the systems in different capture environments [19]. Both traditional machine learning techniques and deep learning models were used, namely Open-Iris, ViT-b, and ResNet50, to evaluate performance metrics such as Equal Error Rate (EER) and True Match Rate (TMR). Our results indicate that iris recognition systems generally exhibit higher accuracy for blue irises compared to dark irises. Furthermore, we examined the generalization capabilities of these systems across different iris colors and devices, finding that while training on diverse datasets enhances recognition performance, the degree of improvement is contingent on the specific model and device used. Our analysis also identifies inherent biases in recognition performance related to iris color and cross-device variability. These findings underscore the need for more inclusive dataset collection and model refinement to reduce bias and promote equitable biometric recognition across varying iris pigmentation and device configurations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google