Je kunt het volledige wetenschappelijke artikel hier lezen: Download PDF (Iris.pdf)

Introductie

Ontwikkeling van een geavanceerd biometrisch irisherkenningssysteem dat coöperatieve speltheorie gebruikt om de traditionele kenmerkextractie-pipeline van John Daugman te optimaliseren. Door Shapley-waarde-gebaseerde kenmerkbepaling toe te passen, evalueert het systeem mathematisch de individuele bijdrage van 2D Gabor-filters om redundantie te elimineren. Deze datagestuurde aanpak resulteert in een sterk gecomprimeerde, computationeel efficiënte en state-of-the-art filterset die een Equal Error Rate (EER) van maar liefst 0,05% behaalt.

Projectdetails

• Kerntechnologieën: Python, OpenCV, NumPy, Shapley-waarde-optimalisatie, USIT SDK.
• Gebruikte algoritmen: 2D Complexe Gabor-filters, Hamming-afstand met binaire maskering.
• Doeldatasets: CASIA-IrisV1, IrisV3 en MMU.
• Mijn rol: Solo Onderzoeker & Computer Vision Engineer.

De Uitdaging

• Propriëtair & Gebrek aan Transparantie: John Daugmans klassieke iriscode blijft de industriestandaard, maar de specifieke optimale configuratie van Gabor-filters die in moderne commerciële systemen wordt gebruikt, is propriëtair en niet gepubliceerd.
• Zoekruimte: Het handmatig vinden van de optimale parameters (envelopgrootte, golforiëntatie, golflengte en stappen) over verschillende Gabor-filtercombinaties creëert een exponentieel complexe zoekruimte.
• Extreme Gevoeligheid voor Afwijkingen: Kleine rotationele afwijkingen of verticale verschuivingen (veroorzaakt door imperfecte oogsegmentatie) leiden tot drastische, valse mismatches.

Belangrijkste Kenmerken & Acties

• Gebruiksvriendelijke Bibliotheek: De volledige pipeline is verpakt in een intuïtieve, overzichtelijke en eenvoudig te begrijpen Python-bibliotheek, waardoor andere studenten met slechts een paar regels code end-to-end iriscodering en -matching kunnen uitvoeren.
• Integratie van Coöperatieve Speltheorie: Gabor-filters zijn gemodelleerd als "spelers" in een coöperatief spel, waarbij hun marginale bijdrage (Shapley-waarden) is berekend om systematisch filters met een grote impact te behouden en redundante filters weg te snijden.
• Robuuste Rotationele Uitlijning: Ontwikkeling van een dynamisch pixelverschuivingscorrectiesysteem op de genormaliseerde irisband om de optimale rotationele matchingshoek te simuleren en te vinden.

Resultaten

• State-of-the-Art Nauwkeurigheid: Behaalde een uitstekende Equal Error Rate (EER) van 0,05% op de CASIA-IrisV1-dataset, waarmee de benchmark-implementatie van Kong et al. IrisCode werd overtroffen.
• Beter dan Deep Learning-methoden: Behaalde een EER van 0,67% op de IrisV3-dataset, waarmee het de benchmark Deep CNN-benadering (0,76% EER) en alle standaardalgoritmen in de USIT SDK overtrof.