老龄用户多生物特征身份认证中的图像隐式语义特征提取

老龄用户将成为未来社会公共服务的主要群体，其身份认证问题已成为社会关注的热点。针对老龄用户主要基于传统单生物底层特征进行身份认证问题，在前期研究基础上，本项目提出对老龄用户多生物特征图像进行多方式隐式语义分析（MLSA）和数据挖掘映射，提取图像隐式语义特征进行身份认证。本项目的研究内容包括：①提取人脸、四指指纹和掌纹等多生物特征图像的多局部底层特征进行融合。②引入对角化、正交化等策略，利用MLSA方法从四方面对融合的"特征-图像"矩阵进行处理得到MLSA特征。③通过"智能黑箱模型"对MLSA特征进一步挖掘映射，获取图像隐式语义特征。④引入带遗传算法(GA)的自适应反馈结构，对系统自动调整，实现该特征的修正。通过对这些内容的研究，期望能为老龄用户身份认证技术提供新的研究思路和方法，也为进一步深入研究打下基础。本项目的研究成果对生物特征图像分析、识别、检索和信息安全等领域都有一定学术应用价值。

本项目对老龄用户多生物特征身份认证中的隐式语义特征提取进行了深入研究，研究了多生物特征图像的预处理、融合，隐式语义建模与分析，图像隐式语义特征提取等内容，提出了一些新的模型和方法，并将其成功应用于老龄用户多生物特征身份认证领域。项目的主要创新工作包括：①研究了多生物特征图像的预处理，对采集的老龄用户磨损大、断纹多、损伤严重的低质量的指纹图像，研究并提出了一种基于两阶段指纹图像的增强方法。②针对采集的老龄用户人脸图像易受光线变化、姿态变化、皱褶较多的特点，研究并提出了一种基于局部三进制(Local Ternary Pattern)的特征提取方法。③研究了多生物特征图像的融合，通过融合指纹、人脸等多生物特征的底层特征，构建基于隐式语义分析的"图像-特征"矩阵，采用多种矩阵处理策略，对融合的"图像-特征"矩阵进行隐式语义分析，提取多生物特征图像的隐式语义特征。④研究了通过"智能黑箱模型"对隐式语义特征进一步挖掘映射，以及通过建模分析获取图像隐式语义特征。利用新型神经网络——极限学习机（ELM）作为数据挖掘模型进一步对图像隐式语义特征挖掘，提出了一种基于图像隐式语义分析和极限学习机的多生物特征识别方法。本项目的研究为老龄用户多生物特征身份认证技术提供了新的研究思路和方法，也为进一步深入研究打下基础。通过本项目的研究，取得了一些重要成果，共发表包括IEEE trans.在内论文25篇，其中SCI/EI期刊论文9篇，会议论文10篇；论著2部，论著章节3篇；学位论文1篇；申请专利3项（获授权发明专利1项，公开发明专利2项）。此外，在本课题的研究的基础上，项目负责人获国家基金委与韩国国家研究基金会共同资助国际交流会议等项目资助。