Сегментация сосудов склеры глаза для системы биометрической аутентификации
Автор: С.Ю. Чернядьев, Н.Л. Харина, Е.В. Медведева
Журнал: Компьютерная оптика @computer-optics
Рубрика: Численные методы и анализ данных
Статья в выпуске: 3 т.50, 2026 года.
Бесплатный доступ
В настоящее время достаточно широко применяются технологии биометрической аутентификации, причем все чаще необходимо автономное решение, требующее реагирования на месте без передачи данных на сервер или в «облако» для обработки. В работе предложены три алгоритма аутентификации по сосудам склеры глаза. Основой алгоритмов является сегментация области склеры и рисунка сосудов склеры с использованием легковесной нейронной сети HalfUNet. Отличительной особенностью первых двух алгоритмов является использование дескрипторов Dense-SIFT, BRIEF для выделения признаков, а для их сопоставления — метода k-ближайших соседей. Оба алгоритма имеют высокую точность классификации и вероятность распознавания при заданном уровне количества ошибочных допусков системой неавторизованных лиц. Точность классификации для первых двух алгоритмов составляет по метрике AUC = 0,986 и 0,981, а вероятность средней ошибки EER = 0,038 и 0,033. Эти алгоритмы не требовательны к вычислительным ресурсам и могут быть использованы в устройствах, имеющих ограничения на энергоресурсы. При отсутствии ограничений на вычисленные мощности может быть использован третий алгоритм, который отличается применением нейросетевых алгоритмов SuperPoint и SuperGlue для поиска дескрипторов и последующего сопоставления признаков и за счет этого имеет более высокую точность классификации и меньшую вероятность ошибок (AUC = 0,998; EER = 0,022).
Система биометрической аутентификации, вектор признаков, рисунок сосудов склеры, сегментация склеры, сегментация сосудов склеры, нейронная сеть Half-UNet
Короткий адрес: https://sciup.org/140315736
IDR: 140315736 | DOI: 10.18287/COJ1730
Segmentation of sclera vessels for a biometric authentication system
Nowadays, biometric authentication techniques are used widely and an autonomous solution requiring on-site decision-making without transferring data to a server or cloud for processing is increasingly required. In this paper, three algorithms for authentication based on scleral vessels are proposed. The algorithms are based on segmentation of the scleral region and scleral vessel pattern using the lightweight HalfUNet neural network. A distinctive feature of the first two algorithms is the use of Dense-SIFT and BRIEF descriptors for feature extraction and the k-nearest neighbor method for their comparison. Both algorithms have high classification accuracy and recognition probability for a given level of erroneous admissions of unauthorized persons by the system. The classification accuracy for the first two algorithms is AUC = 0.986 and 0.981 and the average error probability is EER = 0.038 and 0.033. These algorithms are not demanding on computing resources and can be used in devices with energy resource limitations. In the absence of limitations on the computing power, the third algorithm can be used, which is distinguished by the use of neural network algorithms SuperPoint and SuperGlue for searching for descriptors and subsequent comparison of features and, due to this, has a higher classification accuracy and a lower probability of errors (AUC = 0.998; EER = 0.022).
