面向移动端和远距离应用的跨设备虹膜识别技术研究

The mobile and long-range devices provide ubiquitous sensors and processors for acquisition and recognition of iris images. However, it is a grand challenge to match cross-sensor iris images. The theory and method for robust recognition of cross-sensor iris images are studied in this project. The main research tasks include constructing cross-sensor iris image database, image preprocessing, feature learning, and information fusion methods for cross-sensor iris images. By using the deep learning based iris segmentation method, the adversarial learning based cross-sensor iris feature extraction approach, multimodal and multilevel deep fusion methods, our research aims to achieve robust cross-sensor iris matching against the variations of sensors, illuminators, imaging distance, imaging conditions, and to acquire the essential iris feature that can reflect the identity information. This project will improve the application range of iris recognition, facilitate progress of science and technology in Chinese intelligent security industry and meet the requirements of reliable personal identification technology in China.

本项目面向国家公共安全需求和虹膜识别学科发展前沿，把握移动端和远距离等泛在成像平台为虹膜图像获取与识别提供的新机遇，从基础数据、图像处理、特征学习、信息融合等多个层次研究跨设备虹膜图像识别的理论和方法，通过基于深度学习的虹膜区域分割、基于对抗学习的跨设备虹膜鲁棒特征提取、和多模态多层次深度融合的方法消除成像器件、成像光源、成像距离、成像场景等因素对跨设备虹膜图像数据的外在影响，探寻隐藏在复杂多变虹膜图像数据中稳定不变的身份关联信息，突破面向移动端和远距离的跨设备虹膜识别关键技术，建设跨设备虹膜识别验证系统，拓宽虹膜识别技术的适用范围，满足国家公共安全和个人信息安全领域对高精度身份识别技术的迫切需求。

本项目面向移动端和远距离虹膜识别应用需求，深入研究跨设备虹膜识别技术，从数据库建设、虹膜图像预处理、跨设备虹膜图像特征分析、虹膜和眼周融合多个方面建立了比较系统的跨设备虹膜识别方法，建设了一个同时包含近距离、远距离和移动端三种采集设备的跨设备虹膜图像数据库，提出了一种结合Transformer与对称型编解码器的噪声虹膜图像分割方法，提高了虹膜分割的准确性，提出了基于多任务神经网络的虹膜图像分割、定位和归一化方法，针对跨设备造成的虹膜数据差异问题，研究了基于对抗学习的跨设备虹膜特征提取方法和基于深度卷积神经网络的虹膜和眼周多层次融合方法，设计了跨设备虹膜识别演示系统。本项目有利于推动虹膜识别学科发展，拓宽虹膜识别技术的适用范围，促进虹膜识别技术在公共安全和金融等领域中的深度应用。