稀疏表示结合质量评价的多模生物特征识别研究

Research on multimodal biometrics,which is an important solution in future information security technology,receives extensive attentions.This proposal will study the new multimodal biometric methods via sparse representation theory at the feature level, integrating face, iris and ear. The core thinking is to transform fusion of multimodal data at the feature level to the solving of sparse representation models by linking sparsity of human vision perception and multimodal biometrics.The expected achievements of this proposal include: (1)A multimodal biometric algorithm based on multimodal sparse representation will be proposed by studying the building of multimodal sparse representation model, supervised dictionary learning methods and the solving of sparse model.(2) Aiming at the non-linear classification problems, kernel trick is used, and a multimodal biometric authentication algorithm based on kernel sparse representation model will be proposed.(3) The diversity of surroundings and the instability of devices make the quality of sample image uncertain. To solve this problem, a multimodal biometric authentication algorithm based on kernel sparse representation and quality assessment will be proposed, which has better self-adaptive ability for surroundings. The research of proposed project provides a new thread and method for the research of multimodal biometrics, promoting the practical application of multimodal biometric products.

作为未来信息安全的重要解决方案，多模生物识别技术的研究受到广泛关注。本项目拟借助稀疏表示理论，以人脸、虹膜和人耳作为实验对象，从特征级融合入手，对多模生物识别展开新方法研究。项目的核心思路是将人类感知图像的稀疏性机制与多模生物识别研究结合起来，把多模数据的特征级融合识别转化为稀疏模型的求解。项目的预期成果包括：（1）通过研究多模稀疏表示模型的构建、有监督的字典学习及多模稀疏模型求解等内容，提出多模稀疏表示的特征级融合识别算法。（2）针对多模生物识别中的非线性可分问题，借助核技巧，引入非线性表示，提出基于核稀疏表示的多模生物特征识别算法。（3）针对环境复杂导致的采集样本的质量变化问题，引入质量评价机制，构建质量评价约束的多模核稀疏表示模型，提出核稀疏表示结合质量评价的多模生物识别理论框架及相应算法。本项目的开展将为多模生物识别的研究提供新的思路和方法，有助于推动多模生物识别产品实用化进展。

多模生物特征识别技术作为信息安全的重要解决方案之一，在高安全领域具有广阔的应用前景。本项目以稀疏表示结合质量评价的多模生物识别方法为研究核心，对匹配级的多模生物特征融合架构、特征级融合的多模联合稀疏表示模型、核稀疏表示模型、稀疏表示结合质量评价的多模生物特征融合策略、数字水印技术在生物特征识别系统中的应用等内容做了研究，取得了一定的研究成果，主要如下：提出了一种基于匹配级融合的并行多分类器多模生物识别架构，可较好的解决可能存在的生物特征输入缺失问题；通过构建多模联合稀疏模型，提出了特征级融合的稀疏表示多模生物识别方法，探索了非负稀疏表示结合Log-Gabor特征字典的生物特征识别方法，通过测试证明稀疏表示的多模生物识别在面对部分遮挡、光照变化、姿态变化等应用时具有较好的鲁棒性；针对非线性可分情况，研究了核稀疏表示的多模生物识别方法；在研究图像对比度评价和清晰度评价方法的基础上，提出了稀疏表示结合质量评价的融合策略，提高了多模生物识别对复杂环境的自适应能力。项目的研究有助于推动多模生物识别理论的发展，对多模生物识别产品的实用化进展也具有较好的借鉴意义。项目共发表论文12篇，申请专利2项，软件著作权2项，相关获奖3项，培养研究生6人，博士后1名。