基于深度学习的耳朵识别系统概述

口罩暂时摘不下来，人耳识别可能会更方便？

后疫情时代，人们依旧需要带着口罩，卫生意识也大有提升，同时也因此愈发需要高效的身份验证措施。人耳识别，听起来是一项不错的选择，并且有着独特的优势：被动、无接触、非侵入式，且不涉及任何表情。

在佐治亚大学的一项新研究中，研究者们提出，人们有望在不久后让人们用耳朵进行识别，而不是用人脸或指纹。

论文地址：https://ieeexplore.ieee.org/document/9887947

该研究的主要作者、佐治亚大学工程学院副教授 Thirimachos Bourlai 谈到，人耳是少数能随着时间的推移而保持相对不变的身体部位之一，所以它可以替代需要面部或指纹识别的技术。据此，Bourlai 的团队开发的人耳识别系统可以准确验证个人身份，其准确率高达 99%。

耳朵对每个人来说都是独一无二的，就像指纹一样。研究者表示，即使是同卵双胞胎的耳朵也有差异。还有一个好处在于，除了耳垂会随着年龄的增长而下降以外，人耳不会像人脸一样变老。

人耳识别软件的工作原理与人脸识别类似：当人们换了新手机，必须注册自己的指纹或人脸以便机器识别。新设备通常要求用户反复将手指放在传感器上，以获得指纹的完整「图像」。人脸识别技术依赖于用户在摄像头前以特定方式移动面部，以便设备有效地捕捉他们的面部特征。Bourlai 提出的人耳识别算法的方式相似。

基于深度学习的耳朵识别系统概述。

Bourlai 说：「手机会捕捉一个人的多个身份样本，这些图像会暂时保存在你的设备中。就像你必须使用活体指纹来解锁手机，并将其与你的注册指纹进行对比一样，你必须使用活体的耳朵来解锁。」

Bourlai 还说，这实际上并不是第一次将人耳识别用于安全验证。「有许多独特的方法可以利用其他传统方式来识别个人，例如通过人脸、指纹和虹膜。人耳识别，听起来就令人兴奋，我们需要多多讨论它的好处，尽管在捕捉自己的耳朵图像方面还存在挑战。」

在设置生物识别设备时，算法会采集一个人的多个身份样本，如面部图像或指纹，并将其记录到设备中。当使用生物特征来解锁设备时，它需要实时样本来与设备上的日志进行比较，比如脸的照片，就这项研究而言则是耳朵的照片。

Bourlai 的软件使用一种耳部识别算法来评估耳部扫描，并确定它们是否适合自动匹配。Bourlai 还使用了各种耳部数据集和各种耳部形态来测试软件。 

耳朵图像质量评估工具。该数据集由 WVU 耳朵数据集的原始图像和降质图像的组合组成。

Bourlai 使用两个不同的现有人耳图像数据集测试了他的算法。在一个数据集中，与之前的人耳识别软件相比，系统性能从 58.72% 提高到 97.25%，而在另一个数据集中，与基线方法相比，性能从 45.8% 提高到 75.11%。

为确保该系统即使在繁琐的图像中也能运作，Bourlai 团队使用受图像噪声因素影响的人耳图像（包括模糊度、亮度和对比度的变化）对几个模型进行了评估。

如上表所示，DenseNet 模型在 WVU 和 USTB 数据集中的识别性能最好，而 SqueezeNet 的 Rank-1 评分最低。

Bourlai 说，人耳识别软件可以用来改进现有的安全系统，比如世界各地机场使用的安全系统，以及基于摄像头的安全系统。他的团队还计划改进提出的人耳识别算法，以更好地处理热图像，并将较暗的环境纳入考虑，毕竟在这种环境下，使用传统相机可能难以捕捉清晰的可见光波段图像。

更多研究细节，可参考原论文。

参考链接：https://news.uga.edu/new-facial-recognition-technology-scans-your-ear/

编辑：黄飞