基於生成對抗網路之身分特徵擷取與生物識別

Abstract

本文應用生成對抗網路的設計概念，訓練出「身分特徵擷取網路」，在三軸加速度與角速度資料中去除與動作相關的資訊、擷取出與身分相關的特徵，其後進行生物認證之身分識別，如此可以去除資料中不同的動作對於身分識別時準確率的影響，資料的變異度降低除了可以簡化身分識別網路的訓練也可以得到比較高的識別率。此外測試資料中的動作如果與訓練資料中的動作有所差異，也可以得到相當好的身分識別率，如此可以得到更進一步的一般化能力。如實驗所示動作相關的資訊對於基於身分識別的生物認證影響極大，本文使用6種動作的三軸加速度與角速度資料為範例，身分識別網路在辨識具有沒有看過動作的三軸資料時，身分識別的準確率表現很差，例如訓練資料只包括所有人的五種動作時，測試第六種動作時的身分識別率會從99%下降至30%，但經過本文提出的「身分特徵擷取網路」處理後，測試上述具有第六種動作的資料時，身分識別率提昇大約3倍重新恢復到實用的地步，這個結果特別適合除了主要身分特徵之外還有相當變異性的生物認證，例如以聲音識別身分時語彙或是鼻音的影響，臉部身分辨識時表情或是化妝的影響等等。