制約のない環境下でモバイルデバイスによって収集された新しい周眼領域データセット

最近、可視波長域で取得された画像を用いた非制約環境下における眼瞼周辺バイオメトリクス（periocular biometrics）が、特にモバイルデバイスによって撮影された画像を用いた研究において注目を集めている。虹彩（iris）特徴が遮蔽や低解像度により利用不可能な場合、眼瞼周辺領域の認識が有効な代替手段として実証されている。しかし、眼瞼周辺特徴は虹彩特徴に見られるような高い一意性を備えていないため、眼瞼周辺領域から識別可能な情報を抽出する能力を評価するには、多数の被験者を含むデータセットの活用が不可欠である。また、照明条件や被験者の外見的特徴に起因するクラス内変動（within-class variability）に対処するため、同一被験者を異なる撮影セッションで得られた画像を含むデータセットの利用が極めて重要である。しかしながら、既存の文献に報告されているデータセットは、これらの要件をすべて満たしていない。本研究では、1,122名の被験者から得られたデータを、196台の異なるモバイルデバイスを用いて3回の撮影セッションで収集した新たな眼瞼周辺データセットを提示する。撮影は非制約環境下で行われ、被験者には「目の位置を特定の領域に合わせてください」という単一の指示のみが与えられた。さらに、最先端のアプローチに用いられた複数の畳み込みニューラルネットワーク（Convolutional Neural Network, CNN）アーキテクチャおよびモデル——多クラス分類（Multi-class Classification）、マルチタスク学習（Multitask Learning）、ペアワイズフィルターネットワーク（Pairwise Filters Network）、シアンシアンネットワーク（Siamese Network）に基づくもの——を用いて広範なベンチマーク実験を実施した。閉世界（closed-world）および開世界（open-world）プロトコルにおいて、識別（identification）および検証（verification）タスクを評価した結果、本分野は依然として研究開発が求められる状況にあることが明らかとなった。