手机人脸识别与验证关键技术研究

Cell phone based face recognition / authentication technologies in the mobile phone rights protection, the mobile remote recognition / authentication, and mobile e-commerce plays an increasingly important role. But in the real environment, the cell phone's computing power, memory size and the complexity of the face limit its practical application. Therefore, this project combined with the actual needs of the cell phone face recognition / certification, centered on two scientific issues about low complexity degree face detection and feature extraction in the complex environment, studied the cell phone face recognition / authentication key technologies. The main innovations include: (1) Cell phone face detection and feature extraction algorithm in the real illumination environment;(2) Face characterization of cell phones in the low-resolution conditions;(3) Facial feature extraction algorithm for cell phone face with block based on the fractional low-order statistic theory ;(4) Research on face modeling in cell phone video; (5)Research on face modeling with sparse samples; (6)Research on cancellable facial template generation;

基于手机的人脸识别/认证技术在手机权限保护、移动远程人脸识别/认证和移动电子商务等领域发挥着越来越重要的作用。但在现实环境下，手机的计算能力、内存大小和人脸表现形式的复杂性限制了其实际应用。因此，本项目结合手机人脸识别/认证的实际需求，围绕复杂环境下低复杂度手机人脸检测和特征提取两个科学问题，开展手机人脸识别/认证关键技术研究。主要创新研究包括：（1）真实光照环境下手机人脸检测与特征提取算法研究；（2）低分辨率条件下的手机人脸特征描述研究；（3）基于分数低阶统计理论的带遮挡手机人脸特征提取算法研究；（4）手机视频人脸建模研究；（5）稀疏样本情况下手机人脸特征提取研究；（6）可撤销人脸模板研究；

项目组按照预定的计划，围绕应用于手机的低复杂度人脸识别问题开展研究工作，取得了较好进展，体现在四个方面：1）在人脸数据维度减少方面，我们提出了用Hammerstein多项式作为非线性映射的HPDDLPP算法，解决了核直接鉴别局部保持投影算法（KDDLPP）中存在的计算复杂度高，无明确非线性映射函数等问题；2）在人脸特征提取方面，我们提出了基于二阶微分的局部凸凹模式和完备局部凸凹模式算法，该两种算法解决了经典局部二值模式（LBP）算法中固有的缺陷，是两种复杂度低，性能高的图像纹理描述算子；我们还提出了非高斯二维Gabor滤波器方法，通过在经典二维Gabor滤波器函数中引入一个参数来控制二维Gabor滤波器的非高斯包络，提取图像中非高斯频率成分；另外我们还提出了基于图像局部分形自相关的方法来提取人脸图像特征；3）在人脸数据保护方面，我们提出了矩阵随机低秩近似模板保护方法；4）构建了一个小型手机人脸数据库，并开发了基于android的视频手机人脸识别原型系统。基于上述工作，课题组发表标注本项目资助的论文共11篇，其中SCI检索期刊论文篇3篇（其中2篇属于中科院SCI分区中2区SCI论文），EI检索期刊论文1篇，国际会议论文4篇，CSCD核心期刊论文3篇，另有EI检索期刊论文1篇、CSCD检索期刊论文2篇和EI检索会议论文1篇末标注本项目资助。另外一篇CSCD期刊论文已被接收。本项目资助申请国家发明3项（公示状态），培养已毕业硕士研究生9名（在读4名，2017年6月前毕业），其中1人次获得国家奖学金。