DOI: https://doi.org/10.1109/tifs.2026.3679936
تاريخ النشر: 2026-01-01
المؤلف: Huafeng Qin وآخرون
الموضوع الرئيسي: التعرف البيومتري والأمان
نظرة عامة
في هذا البحث، يقدم المؤلفون نهجًا جديدًا للتعرف على الأوردة من خلال تطوير هيكل شبكة هجينة يسمى رؤية مamba العالمية والمحلية (GLVM). تعالج هذه البنية قيود نموذج رؤية Mamba الحالي، الذي، على الرغم من فعاليته في التقاط الاعتماديات على الميزات بعيدة المدى، يميل إلى فقدان تفاصيل الميزات المحلية. يدمج GLVM المقترح الارتباطات المحلية والاعتماديات العالمية لتعزيز تمثيل ميزات الأوردة. بالإضافة إلى ذلك، يقدم المؤلفون مكون Mamba متعدد الرؤوس لتعلم الاعتماديات في اتجاهات متعددة وكتلة ConvMamba التي تجمع بين ثلاثة فروع—Mamba متعدد الرؤوس، وحدة تكرار الميزات (FIU)، والشبكة العصبية التلافيفية (CNN)—لدمج الميزات المحلية والعالمية بشكل فعال.
لتحسين بنية GLVM، يستخدم المؤلفون طريقة البحث عن بنية الشبكة العصبية البديلة العالمية والمحلية (GLNAS)، مستفيدين من خوارزمية تطورية لتحديد أفضل المعلمات الفائقة. تظهر التجارب الدقيقة التي أجريت على ثلاثة مجموعات بيانات عامة للأوردة النخيلية أن الطريقة المقترحة تتفوق بشكل كبير على الأساليب الحالية الرائدة، محققة دقة تعرف أعلى. كما يعبر المؤلفون عن نواياهم لتوسيع أبحاثهم لتشمل طرق بيومترية أخرى، مثل التعرف على الأوردة في الأصابع والتعرف على الوجه، في الأعمال المستقبلية.
مقدمة
تناقش مقدمة الورقة أهمية القياسات الحيوية كتقنية آمنة للغاية للتعرف على الأفراد، باستخدام السمات الفسيولوجية والسلوكية مثل ميزات الوجه، بصمات الأصابع، وأنماط القزحية. من بين هذه الطرق، حظي التعرف على الأوردة باهتمام متزايد بسبب مزاياه الأمنية وخصوصيته المتفوقة. تستفيد هذه التقنية من الخصائص البصرية للهيموغلوبين غير المؤكسد، الذي يمتص الضوء القريب من الأشعة تحت الحمراء في نطاق الطول الموجي من 700 نانومتر إلى 1000 نانومتر. عندما يخترق هذا الضوء الجسم، يتم امتصاصه بواسطة الهيموغلوبين، مما يسمح للكاميرات بالتقاط أنماط الأوردة التي تبدو أغمق من الأنسجة المحيطة، وبالتالي توفير معلومات فريدة عن ميزات الأوردة لتحديد الهوية الفردية.
طرق
في هذا القسم، يوضح المؤلفون الإعدادات التجريبية المستخدمة في دراستهم، مع التركيز على إعداد مجموعة البيانات، والمعلمات الفائقة للتدريب، ومقاييس التقييم. يتم تقسيم مجموعات بيانات النخيل إلى مجموعات تدريب، والتحقق، والاختبار، مع تخصيصات محددة لكل مجموعة بيانات: تتكون مجموعة TJU PV من 6000 صورة (600 فئة)، مع 3000 صورة لكل من التحقق والاختبار؛ تتكون مجموعة VERA PV من 1100 صورة للتدريب، و440 للتحقق، و660 للاختبار؛ وتتضمن مجموعة HKPU PV 3000 صورة للتدريب، مع 1500 صورة لكل من التحقق والاختبار. لتخفيف الإفراط في التكيف بسبب الحجم المحدود لمجموعات بيانات الأوردة، يتم تطبيق تقنيات زيادة البيانات مثل التحولات الهندسية وتعزيز الألوان.
للتدريب، يستخدم المؤلفون مُحسِّن AdamW بمعدل تعلم يبدأ من 0.001، والذي يتم تقليله إلى 0.0001 باستخدام جدول زمني جيبي بعد فترة تسخين مدتها 5 عصور. يتم تعيين انحدار الوزن إلى 0.05، وتختلف أحجام الدفعات الصغيرة عبر مجموعات البيانات. يتم تحديد الحد الأقصى لمدة التدريب عند 500 عصر، مع إجراء جميع التجارب باستخدام PyTorch على وحدة معالجة الرسوميات NVIDIA Tesla A100 80G. يعتمد التقييم على دقة التعرف Top-1 (ACC) ومعدل الخطأ المتساوي (EER)، حيث يتم تعريف الأخير كنقطة يتساوى فيها معدل القبول الخاطئ (FAR) مع معدل الرفض الخاطئ (FRR). يتم تحليل الأداء بشكل أكبر باستخدام منحنيات ROC، التي ترسم FAR مقابل معدل القبول الحقيقي (TAR)، وتعتبر المساحة تحت منحنى ROC مقياسًا كميًا لقدرة النموذج على التعرف.
النتائج
في هذا القسم، يقدم المؤلفون نتائج تجاربهم التي أجريت لتقييم أداء طريقة GLANAS المقترحة للتعرف على الأوردة. تم إجراء التجارب على ثلاث مجموعات بيانات للأوردة متاحة للجمهور وشملت تحليلًا مقارنًا ضد ستة نماذج متقدمة للتعرف على الأوردة (PVCNN، FVCNN، LWCNN، FVRASNet، LE-MSVT، وALE-IVT) بالإضافة إلى أربعة نماذج رائدة (ResNet50، Vim، Vit، وLocalVim). بالإضافة إلى ذلك، قام المؤلفون بتقييم طريقتهم مقابل تقنيات البحث عن بنية الشبكة العصبية الحالية (NAS)، بما في ذلك البحث العشوائي، SPOS، AutoFormer، وAGNAS، لتسليط الضوء على فعالية GLANAS.
تشير النتائج إلى أن GLANAS يتفوق على النماذج الحالية وطرق NAS، مما يظهر تفوقه في مهام التعرف على الأوردة. يبرز الإعداد التجريبي الدقيق والمقارنات الشاملة قوة وفعالية النهج المقترح في تعزيز دقة التعرف على الأوردة.
المناقشة
في هذا القسم، يناقش المؤلفون قيود طرق التعرف التقليدية على الأوردة، التي تعتمد بشكل كبير على الوصف اليدوي والخوارزميات التقليدية للتعلم الآلي، مما يؤدي إلى أداء دون المستوى الأمثل. يبرزون مزايا أساليب التعلم العميق (DL)، وخاصة الشبكات العصبية التلافيفية (CNNs) والمحولات، التي أظهرت قدرات تفوق في تمثيل الميزات. ومع ذلك، تواجه CNNs صعوبة في التقاط الاعتماديات العالمية بسبب مجالات الاستقبال المحدودة، بينما تواجه المحولات، على الرغم من فعاليتها في نمذجة الاعتماديات طويلة الأمد، تحديات تتعلق بسرعة الاستدلال واستخدام الذاكرة. يقدم المؤلفون نماذج الفضاء الحالة (SSMs) كبديل واعد لمعالجة بيانات التسلسل الطويل، مشيرين إلى تعقيدها الخطي وإمكاناتها لتحسين الأداء.
لمعالجة القيود المحددة، يقترح المؤلفون بنية جديدة تسمى رؤية Mamba العالمية والمحلية (GLVM)، التي تدمج استخراج الميزات المحلية والعالمية من خلال مزيج من فروع CNN وMamba متعدد الرؤوس (MHMamba)، جنبًا إلى جنب مع وحدة تفاعل الميزات. تهدف هذه البنية إلى تعزيز تمثيل ميزات الأوردة من خلال الاستفادة من التفاصيل المحلية والاعتماديات العالمية. بالإضافة إلى ذلك، يقدمون استراتيجية البحث عن الشبكة العصبية البديلة العالمية والمحلية (GLANAS) لأتمتة البحث عن المعلمات الفائقة المثلى، مما يحسن من طرق التصميم اليدوي التقليدية. يؤكد المؤلفون أن نهجهم هو الأول الذي يطبق نماذج Mamba على مهام التعرف على الأوردة ويظهر فعاليته من خلال تجارب دقيقة على مجموعات بيانات عامة، محققًا أداءً رائدًا.
DOI: https://doi.org/10.1109/tifs.2026.3679936
Publication Date: 2026-01-01
Author(s): Huafeng Qin et al.
Primary Topic: Biometric Identification and Security
Overview
In this research, the authors present a novel approach to vein recognition through the development of a hybrid network structure called Global-local Vision Mamba (GLVM). This architecture addresses the limitations of the existing Vision Mamba model, which, while effective in capturing long-distance feature dependencies, tends to lose local feature details. The proposed GLVM integrates local correlations and global dependencies to enhance vein feature representation. Additionally, the authors introduce a Multi-head Mamba component to learn dependencies in multiple directions and a ConvMamba block that combines three branches—Multi-head Mamba, Feature Iteration Unit (FIU), and Convolutional Neural Network (CNN)—to effectively fuse local and global features.
To optimize the architecture of GLVM, the authors employ a Global-local Alternate Neural Architecture Search (GLNAS) method, utilizing an evolutionary algorithm to identify optimal hyperparameters. Rigorous experiments conducted on three public palm-vein datasets demonstrate that the proposed method significantly outperforms existing state-of-the-art approaches, achieving superior recognition accuracy. The authors also express intentions to extend their research to other biometric modalities, such as finger-vein and face recognition, in future work.
Introduction
The introduction of the paper discusses the significance of biometrics as a highly secure technology for individual recognition, utilizing physiological and behavioral traits such as facial features, fingerprints, and iris patterns. Among these methods, vein recognition has garnered increased attention due to its superior security and privacy advantages. This technique leverages the optical properties of deoxygenated hemoglobin, which absorbs near-infrared light in the wavelength range of 700 nm to 1000 nm. When this light penetrates the body, it is absorbed by the hemoglobin, allowing cameras to capture vein patterns that appear darker than the surrounding tissue, thus providing unique vein feature information for individual identification.
Methods
In this section, the authors detail the experimental settings employed in their study, focusing on dataset preparation, training hyperparameters, and evaluation metrics. The palm datasets are divided into training, validation, and test sets, with specific allocations for each dataset: TJU PV consists of 6,000 images (600 classes), with 3,000 images each for validation and testing; VERA PV comprises 1,100 images for training, 440 for validation, and 660 for testing; and HKPU PV includes 3,000 images for training, with 1,500 images each for validation and testing. To mitigate overfitting due to the limited size of vein datasets, data augmentation techniques such as geometric transformations and color enhancements are applied.
For training, the authors utilize the AdamW optimizer with a learning rate starting at 0.001, which is reduced to 0.0001 using a cosine scheduler after a warmup period of 5 epochs. The weight decay is set to 0.05, and minibatch sizes vary across datasets. The maximum training duration is capped at 500 epochs, with all experiments conducted using PyTorch on an NVIDIA Tesla A100 80G GPU. Evaluation is based on Top-1 recognition accuracy (ACC) and equal error rate (EER), with the latter defined as the point where the false acceptance rate (FAR) equals the false rejection rate (FRR). The performance is further analyzed using ROC curves, which plot FAR against the true acceptance rate (TAR), and the area under the ROC curve serves as a quantitative measure of the model’s recognition capability.
Results
In this section, the authors present the results of their experiments conducted to evaluate the performance of their proposed GLANAS method for vein recognition. The experiments were performed on three publicly available vein datasets and involved a comparative analysis against six advanced vein recognition models (PVCNN, FVCNN, LWCNN, FVRASNet, LE-MSVT, and ALE-IVT) as well as four state-of-the-art models (ResNet50, Vim, Vit, and LocalVim). Additionally, the authors benchmarked their method against existing Neural Architecture Search (NAS) techniques, including Random Search, SPOS, AutoFormer, and AGNAS, to highlight the effectiveness of GLANAS.
The results indicate that GLANAS outperforms the existing models and NAS methods, demonstrating its superiority in vein recognition tasks. The rigorous experimental setup and comprehensive comparisons underscore the robustness and efficacy of the proposed approach in enhancing vein recognition accuracy.
Discussion
In this section, the authors discuss the limitations of traditional vein recognition methods, which rely heavily on handcrafted descriptors and traditional machine learning algorithms, leading to suboptimal performance. They highlight the advantages of deep learning (DL) approaches, particularly Convolutional Neural Networks (CNNs) and Transformers, which have demonstrated superior feature representation capabilities. However, CNNs struggle with capturing global dependencies due to their limited receptive fields, while Transformers, despite their effectiveness in modeling long-term dependencies, face challenges with inference speed and memory usage. The authors introduce State Space Models (SSMs) as a promising alternative for long-sequence data processing, noting their linear complexity and potential for improved performance.
To address the identified limitations, the authors propose a novel architecture called Global-local Vision Mamba (GLVM), which integrates local and global feature extraction through a combination of CNN and Multi-head Mamba (MHMamba) branches, along with a Feature Interaction Unit. This architecture aims to enhance vein feature representation by leveraging both local details and global dependencies. Additionally, they introduce a Global-local Alternating Neural Network Search (GLANAS) strategy to automate the search for optimal hyperparameters, improving upon traditional manual design methods. The authors assert that their approach is the first to apply Mamba models to vein recognition tasks and demonstrate its effectiveness through rigorous experiments on public datasets, achieving state-of-the-art performance.