安全人脸识别系统中的特征保护方法研究

Face recognition has broad application prospects and theoretical research value in terms of judicial, financial and human-machine interface, it has been a hot research field of pattern recognition. But the discriminablity of the feature extracted and the feature protection are bottleneck restricting the promotion. By adopting random projection method to obtain cancelable face template which can protect face feature in thesystem module, and multiple digital watermarking technilogy is adopted to ensure the integrity of face feature in transmission channel. The main innovations include: (1) the research of illumination invariantface feature extraction based on multiple local derivative pattern ; (2) the resaerch of cancelable face feature extraction based on two directional two dimensinal random protection; (3) the research of face feature integrity verifiction in transmission channel based on fragile and robust watermarking.By study the cancelability of face feature in system modual and the integrity verifiction in transmission channel, this project is going to propose a multiple level face feature protection scheme which would provide theoretical support and technology base for the promotion of biometric identification methods.

人脸识别在司法、金融和人机界面等方面具有广泛的应用前景和理论研究价值，一直以来是模式识别领域的研究热点。但是提取特征的鉴别性和对特征的保护是制约其推广的瓶颈。本项目拟采用随机投影方法产生可撤除的人脸模板，以保护存在于系统模块中的人脸特征；通过采用多数字水印技术，确保在传输通道中人脸特征的真实性。主要创新研究包括：（1）基于局部多值微分模式的光照不变人脸特征提取方法研究；（2）基于随机投影的双向二维可撤除人脸特征提取方法研究；（3）基于脆弱数字水印和鲁棒数字水印的双水印人脸特征真实性验证方法研究。通过对存在于系统模块中人脸特征的可撤除性研究和在传输信道中人脸特征的真实性认证研究，本项目拟构建多层次的人脸特征保护方案，为生物特征识别方法的推广提供理论支持与技术基础。

传统的身份认证主要使用证件、磁卡、IC卡和密码等，这些手段无法避免伪造或遗失，密码也很容易被窃取或遗忘，这些都给管理者和使用者带来很大不方便。生物特征身份鉴别方法可以避免这些麻烦。与其它的生物特征识别技术相比较，人脸识别 具有无需主动配合、不会引起排斥心理、数据易于远距离采集等优点，是生物特征识别领域最具有前途的研究热点。但是，其识别性能经常受到光照、饰物、表情变化等因素的影响，因此，如何抑制这些影响因素，进而找到一种比较稳定的鉴别特征一直是研究者执着追求的目标。为了解决这个问题，项目组对下面内容进行了研究，并取得了相应的研究成果。.1、基于流形的人脸特征提取：通过核函数将样本投影到高维的非线性空间，在高维空间计算样本总体散度时嵌入样本类内近邻图，项目组提出了有监督局部主成分分析的人脸特征提取方法，试验结果表明，该方法识别率明显高于同类算法；过核函数将样本数据映射到高维特征空间，计算特征空间中样本的散度矩阵，其次将样本原始空间中的近 邻图嵌入到散度矩阵，最后采用最大散度差准则进行特征提取.在 PIE 与 Yale 人脸数据库上的实验结果表明， 提出的人脸识别方法最高识别率可达到99%．.2、光照不变人脸特征提取：通过判断近邻像素灰度值是否在某个范围内对当前像素的局部微分模式从二值扩展到三值，提出了局部三值微分模式人脸识别方法；通过采用Weber法则对人脸光照进行预处理，然后采用2DPCA降维，得到的人脸特征具有较好的光照不变性；采用多通道Gabor小波对光照不均人脸进行预处理，然后采用2DFLD进行降维，实验结果表明，提取的人脸特征在 CAS-PEAL-R1数据库上的最佳识别率可达99%；.3、人脸特征保护：为了保证人脸特征的安全，首先采用均匀分布 Logistic映射产生二维随机投影矩阵，然后通过Achlioptas定理将其离散化，利用人脸训练样本产生的二维线性判别式投影矩阵对人脸样本进行特征提取。由于每个人的密钥不同，所以不同的人有不同的随机投影矩阵。对于同一个人脸样本，只要改变Logistic映射的初始值，便可得到不同的认证模板，具有很好的撤除性。由于在人脸模板生成过程中采用了离散化处理，因此，提出的模板生成方法是单向的。