With the widespread use of mobile devices, iris recognition systems encounter more challenges, such as the vulnerability of Presentation Attack Detection (PAD). Recent works pointed out the contact lens attacks, especially images captured under the uncontrolled environment, as a hard task for iris PAD. In this paper, we propose a novel framework for detecting iris presentation attacks that especially for detecting contact lenses based on the normalized multiple micro stripes. The classification decision is made by the majority vote of those micro-stripes. An in-depth experimental evaluation of this framework reveals a superior performance in three databases compared with state-of-the-art (SoTA) algorithms and baselines. Moreover, our solution minimizes the confusion between textured (attack) and transparent (bona fide) presentations in comparison to SoTA methods. We support the rationalization of our proposed method by studying the significance of different pupil-centered eye areas in iris PAD decisions under different experimental settings. In addition, extensive cross-database and cross-attack (unknown attack) detection evaluation experiments are demonstrated to explore the generalizability of our proposed method, texture-based method, and neural network based methods in three different databases. The results indicate that our Micro Stripes Analyses (MSA) method has, in most experiments, better generalizability compared to other baselines.

随着移动设备的广泛使用，虹膜识别系统遇到了更多的挑战，例如演示攻击检测（PAD）的漏洞。最近的工作指出，隐形眼镜的攻击，尤其是在不受控制的环境下捕获的图像，是虹膜PAD的一项艰巨任务。在本文中，我们提出了一种用于检测虹膜呈现攻击的新颖框架，该框架尤其用于基于归一化的多个微条纹检测隐形眼镜。分类决定是由那些微带的多数票决定的。与最新（SoTA）算法和基准相比，对该框架进行的深入实验评估显示出在三个数据库中均具有出色的性能。此外，与SoTA方法相比，我们的解决方案最大程度地减少了纹理（攻击）和透明（真实）演示之间的混淆。我们通过研究在不同实验设置下虹膜PAD决策中以瞳孔为中心的不同眼部区域的重要性，来支持所提出方法的合理化。此外，还演示了广泛的跨数据库和跨攻击（未知攻击）检测评估实验，以探索我们提出的方法，基于纹理的方法和基于神经网络的方法在三个不同数据库中的可推广性。结果表明，与其他基准相比，在大多数实验中，我们的微条纹分析（MSA）方法具有更好的通用性。我们通过研究在不同实验设置下虹膜PAD决策中以瞳孔为中心的不同眼部区域的重要性，来支持所提出方法的合理化。此外，还演示了广泛的跨数据库和跨攻击（未知攻击）检测评估实验，以探索我们提出的方法，基于纹理的方法和基于神经网络的方法在三个不同数据库中的可推广性。结果表明，与其他基准相比，在大多数实验中，我们的微条纹分析（MSA）方法具有更好的通用性。我们通过研究在不同实验设置下虹膜PAD决策中以瞳孔为中心的不同眼部区域的重要性，来支持所提出方法的合理化。此外，还演示了广泛的跨数据库和跨攻击（未知攻击）检测评估实验，以探索我们提出的方法，基于纹理的方法和基于神经网络的方法在三个不同数据库中的可推广性。结果表明，与其他基准相比，在大多数实验中，我们的微条纹分析（MSA）方法具有更好的通用性。以及在三个不同数据库中基于神经网络的方法。结果表明，与其他基准相比，在大多数实验中，我们的微条纹分析（MSA）方法具有更好的通用性。以及在三个不同数据库中基于神经网络的方法。结果表明，与其他基准相比，在大多数实验中，我们的微条纹分析（MSA）方法具有更好的通用性。