ArcFaceを用いた熱画像を可視光画像に変換するクロススペクトル目の周辺認証に関する一検討

目の周辺認証はマスクを着用した状態でも利用することが可能である．可視光画像のみを利用する場合，照明や表情の変化により認証に失敗することがあるが，熱画像を利用する場合，認証への影響が少ない．しかし可視光画像を利用した認証システムを熱画像のシステムに置き換えるには，再登録などの手間がかかる．そこで熱画像を可視光画像に変換することで置き換えせずに，可視光画像の認証システムの弱点を克服することができる．また日常的に撮影されうる可視光画像と比較し，熱画像は撮影される機会があることは考えにくい．本研究では，提案手法の学習時に登場していない被験者の熱画像を変換し，open-setの認証タスクに適用することを想定している．提案手法の学習にIdentity損失を導入することで，画像の変換時に，個人の識別に必要な情報が再現されることを期待した．またopen-setでの利用を意識し，Identity損失を算出するIdentityネットワークの学習にArcFace Lossを用いた．実験ではopen-setでの認証精度を評価し，Identity損失を導入しない場合と比べ，提案手法の認証精度の方が高いことを示した．

Periocular recognition proves effective even when a mask is worn. Authentication using only visible light image may fail due to changes in illumination or facial expressions, whereas thermal images remain relatively robust. However, replacing a visible light image authentication system with a thermal image system requires re-registration. Therefore, translating thermal images into visible light images overcomes the weakness of the visible light image authentication without replacing. Moreover, unlike routine capture of visible light images, thermal images are infrequently taken. This research suggests translating thermal images of previously untrained subjects for open-set authentication. We introduced identity loss into our generator to preserve the identity information. In addition, we trained the identity network that calculates the identity loss with ArcFace loss for open-set authentication. In the experiment of open-set authentication, we showed that the accuracy of our method is higher than generator without identity loss.