面向移动终端人眼识别的基础方法研究

The current mobile terminal biometric recognition technique is not perfect. “The safe biometric technique is not convenient, while the convenient biometric one is unsafe”. Mobile terminals require a better biometric technique, which has a proper balance between security and convenience. In order to solve this problem, this project proposes a new biometric technique, eye recognition. According to the characteristics of eye region, all candidate features are classified into two types based on their stabilities, which are long-term and short-term features. The final recognition solution is obtained by fusing these two kinds of features. The research contents are given as follows: (1) The representations and similarity measurements of long-term and short-term features. Due to the constrained time of research project, we can not plan to research too much features currently. The planning long-term features mainly include iris features. And the short-term features consist of the skin texture, shape and texture of the eyebrows, shape of the eyelids, etc. (2) The fusion models of long-term and short-term features, which are developed under the condition of complete and missing data separately. (3) The tranfer model for eye images and feature extraction based on transfer learning. Based on the results of this project, a new biometric technique, which is eye recognition, can be obtained. Ideally, it can overcome the drawbacks of current mobile terminal biometric techniques, having a good balance between security and convenience.

当前已有的移动终端生物特征识别技术并不完美：“安全的识别技术不方便，方便的识别技术不安全”。移动终端急需一种能够兼顾安全性和易用性的生物特征识别技术。为了解决这一问题，本项目提出了全新的移动终端人眼识别方法，并根据人眼区域可用特征的稳定时间长短，提出了长效特征和短时特征的人眼特征类别划分，进而研究融合长效特征和短时特征的移动终端近红外人眼识别方法。研究的主要内容有：(1)长效特征和短时特征的提取和相似性度量：受限于项目的研究时间，我们暂时计划研究的长效特征主要指虹膜特征，短时特征主要包括皮肤纹理、眼眉的形状和纹理、眼睑形状等；(2) 长效特征和短时特征的融合识别模型和方法，及特征缺失下的长效特征和短时特征融合识别模型与方法。(3) 基于迁移学习的样本和特征迁移方法研究。基于本项目的研究成果，可以发展出一种克服当前移动终端生物特征识别技术缺陷，兼顾安全性和易用性的人眼识别方法。

随着移动终端设备的快速发展，伴随着各种移动金融的需求，人们对移动终端身份识别的使用达到了前所未有的高度，然而移动终端的生物特征识别技术仍然存在很多问题。课题组围绕移动终端人眼识别，从两个主要方面展开探索：1. 人眼识别及相关方法；2降低潜在风险的信息安全模型。.首先，对人眼/虹膜的检测、分割、定位，人眼特征提取和识别进行了探索。检测阶段利用表象特征实现了高效的近红外人眼检测算法；提出了基于特征选择的模糊图像判别方法，排除低质量图像；发展了边界特征回归的思路，提出了基于优化模型的虹膜定位方法，为边界特征的表达提供了一种新的视角；从数据分布的角度提出了基于统计降噪的噪声虹膜图像定位方法，对低质量图像定位提供了重要补充；识别方面，融合空间和频率信息的人眼识别方法使得识别准确率得到了数量级的跃迁。此外，课题组还探索了分割中难度较大的全景分割问题，获得了微软主办的COCO 2019 Panoptic Segmentation Challenge (Microsoft Common Objects in Context)比赛的第三名，相关模型和方法不仅适用于全景分割问题，更对人眼/虹膜图像的分割具有很好的可借鉴性和指导意义。.信息安全模型方面，为了降低当前生物特征识别技术中可能出现的“存储和远程认证安全性风险”，课题组从信息安全的角度研究适合生物特征识别的存储、查询和隐私保护。首先，为了保证生物特征查询结果的完整性，针对特征更新设计了一种新型认证数据结构——安全动态累加器。其次，为了使得生物特征匹配的过程能够验证数据完整性，设计了两种完整性验证协议：(1)外包私有数据集上基于标签的可验证委托集交集；(2)基于双线性映射的支持全操作的公共可验证外包数据库模型。最后，由于上述方案中生物特征都是以确定性的加密形式存储在远程服务器上（访问模式泄露），故存在隐私泄露风险。为降低该风险，提出了隐私保护的公开可验证数据库模型。这些模型的提出和发展可以极大地提高生物特征识别系统的安全，具有重要的理论意义和实际应用价值。.总体来说，课题组的研究工作围绕着移动终端人眼识别的若干核心问题和降低生物特征识别中的信息安全问题展开，研究工作在涉及的几个方面上均取得了进展，达到了研究预期。