使用PointNet++进行智能多式3D生物识别,实现强大的面对耳验证认证
Veerpal Kaur1, Devershi Pallavi Bhatt2, Sumegh Tharewal3
1Department of Computer Applications, Manipal University Jaipur, Jaipur, India.
Scientific reports
|November 25, 2025
概括
这项研究引入了使用3D面部和3D耳朵数据进行增强身份识别的多式联络生物识别系统. PointNet++模型实现了高精度,克服了二维生物识别的局限性.
科学领域:
- 计算机科学 计算机科学
- 生物识别信息 生物识别信息
- 人工智能的人工智能
背景情况:
- 2D生物识别系统面临着由于照明,表达和阻塞的可靠性问题.
- 3D生物识别提供了更强大的结构信息和环境弹性.
- 结合3D面部和3D耳朵数据的多模式生物识别可以提高识别精度.
研究的目的:
- 开发和评估使用3D面部和3D耳朵数据的多式生物识别系统.
- 利用PointNet++模型从3D点云中提取特征.
- 提高生物识别身份识别的可靠性和准确性.
主要方法:
- 应用预处理技术,包括对3D生物识别数据进行裁剪,规范化,孔填充和除.
- 利用PointNet++模型,一个卷积神经网络 (CNN) 变体,用于直接处理3D点云.
- 使用3D面部识别大挑战 (FRGC) 数据库和圣母院大学 (UND) 集合G数据库测试了该系统.
主要成果:
- 在3D面部识别方面,PointNet++实现了99%的准确性.
- PointNet++实现了98%的准确度,用于3D耳部识别.
- 该模型通过学习当地和全球信息的多尺度特征来证明了高准确性.
结论:
- 拟议的多式联络生物识别系统有效地整合了3D面部和3D耳部数据,以实现可靠的身份识别.
- PointNet++模型的3D点云优化和弹性架构是实现高精度的关键.
- 这种方法比传统的二维生物识别系统有了显著的改进,特别是在具有挑战性的真实世界条件下.
