基于人脸和人手信息融合的面向成人和儿童的非接触式身份鉴别方法研究

生物特征识别技术的发展趋势主要有：使用非接触式采集，减少用户在公共健康方面的忧虑；使用多模态识别，有效提高识别精度；开展儿童身份鉴别方法研究，从而完善生物特征识别技术体系。本项目提出基于人脸和人手信息融合的面向成人和儿童的非接触式身份鉴别方法研究符合上述发展趋势。将首先提出复杂背景图像中人手快速检测和精确分割算法，为非接触式人手识别奠定基础；然后开展面向成人的身份鉴别方法研究，重点研究构建具有强辨别能力的特征表示、提出高效的匹配算法以及设计高精度的多模态识别方案；最后开展面向儿童的身份鉴别方法研究，对儿童快速成长所造成的生物特征发生较大变化这一问题提出解决办法，并设计多模态识别方案，提高精度。本项目的开展能对生物特征识别技术的理论研究起到一定的推动作用并有较强的应用价值，其中，面向成人的研究成果具有良好的市场前景，而面向儿童的研究成果可用于协助查找被拐卖或走失的儿童，将产生积极的社会影响。

生物特征识别技术的发展趋势主要有：使用非接触式采集，减少用户在公共健康方面的忧虑；使用多模态识别，有效提高识别精度，开展儿童身份鉴别方法研究，从而完善生物特征识别技术体系。由于项目负责人的工作变动等原因，及时修改了项目的主要研究内容，去除了儿童生物特征识别方面的研究，并在中期检查中向基金委进行了汇报。在本项目的资助下，建成图像数据库3个，主要包括包含16000幅图像的掌纹图像库、包含12000幅图像的跨传感器掌纹图像库、包含1400幅图像的人脸和人手同时采集数据库。主要开展了手形识别研究、人脸识别研究、跨传感器掌纹识别研究以及掌纹识别研究，并开展了人脸和人手多模态识别研究。在手形识别研究中，提出了一致距离形状上下文方法（CDSC），CDSC方法主要从手指轮廓提取特征，因此它对于手形姿态变化和手指缝间的弹性变化是鲁棒的，实验结果表明CDSC算法是国际上识别性能最好的手形识别算法之一。在人脸识别方面，提出一种新的稀疏子空间学习方法称为判别稀疏近邻保持嵌入方法（DSNPE），该方法具有稀疏表示算法的优点，并加入了判别信息。在国际上首次开展了跨传感器掌纹识别的研究，使用1个数码相机和2两个智能手机采集掌纹，提出了有效的非接触式掌纹采集的预处理方法，实验结果表明掌纹识别具有很好的跨传感器识别性能。在掌纹识别方面，提出了线方向直方图描述子（HOL）方法，极大的提高了子空间方法的识别率。还提出了类LBP结构的算法-局部线方向模式（LLDP），LLDP利用两个方向的特征进行编码，是目前掌纹识别领域识别率最高的算法之一。提出了完全方向表示（CDR）方法。CDR强调使用多尺度、多方向层、多区域特征以及使用特征选择。进一步提出了一个新颖的多特征表示融合的掌纹识别算法FDR，在PolyU II数据库上首次获得了0 EER。也开展单幅图像人脸和掌纹的融合识别实验，实验证明融合实验能获得更好的识别结果。在本项目的资助下，我们在纹理识别、图像分割、形状识别等研究方向也获得了较好的进展。在本项目的资助下，发表和录用的SCI杂志论文13篇，投稿在审的SCI论文5篇。通过本项目的研究，在特征提取、掌纹识别等方面获得了较好的结果。