秦涛

【摘 要】近年来，少限制环境下的生物特征识别技术成为研究热点，眼周识别作为新兴的生物特征识别技术越来越受人们关注。基于深度神经网络的眼周识别方法相较于传统方法能更好地提高眼周识别性能。通过提出一个基于ResNet20和softmax的眼周识别方法，在两个公开的眼周数据集上实验验证得到在UBIPr数据集上的EER值为8.19%，在UBIRIS.V2数据集上的EER值为13.18%。与传统的眼周识别方法相比，文章提出的眼周识别方法取得了较好的眼周识别效果，为深度神经网络的眼周识别方法发展提供持续动力。

【关键词】生物特征识别;眼周识别;深度学习;卷积神经网络;残差学习网络

【中图分类号】TP391.41 【文献标识码】A 【文章编号】1674-0688（2021）03-0043-03

0 引言

生物特征识别是指依靠人体固有的生理或者行为特征，通过计算机识别人的身份的一种技术，具有操作简单、安全可靠、唯一的身份特性等特点。近年来，少限制情况下的生物特征识别技术已经成为研究热点。之前的生物特征身份识别技术都是在受控的场景中使用，这样会极大地限制使用范围和使用条件。在此情况下，少限制环境中的眼周识别技术可以发挥更好的识别性能，得到越来越多的关注。

在常用的生物特征识别技术中，虹膜识别[1]具有可靠性、准确性特征，人脸识别[2]也在各个场景得到广泛应用，但是在少限制情况下，人脸识别和虹膜识别技术均存在许多问题，如图1所示的适用场景。虹膜图像需要靠近红外相机获得，在长距离、低分辨的情况下，虹膜图像模糊且无法精确识别身份。……