面向机场安保领域的多生物特征身份认证关键技术研究

In order to ensure the safety, efficiency and performance during air transportation tasks, state-of-the-art technology such as identity authentication via multimodal bioinformation fusion has drawn much attention and become a research focus. In this program, based on the single-modal biometrics signal processing method, we plan to propose a near-infrared(NIR)-visible multi-modal biometrics identity authentication method which is more suitable for airport environment. The method aims at the precise identification of airport staff members and ordinary passengers, by implementing NIR-visible imagers and taking full use of the captured face and iris images. The fused NIR-visible image information will both retain the robustness of visible images and the uniqueness of infrared images, thus three major issues, namely the multimodality, long distance and high throughput, will be addressed. The research will design suitable image quality evaluation criteria, pre-processing procedure, and feature extraction method, as well we will develop appropriate classifier and multi-modal fusion model. Additionally, the multi-biometric template protection model will be studied to realize a safer authentication. The outcome of the project will significantly improve the availability and reliability of identity authentication system, producing both theoretical value and application value.

为提高航空安保领域的科技水平，以保证航空运输的安全、高效、高性能，基于多生物特征融合的身份认证技术在航空安保领域获得了广泛关注，日益成为学术研究的热点。本课题借鉴单模态生物特征的信息处理模式，从机场安保领域所面临的实际需求和多生物特征身份认证系统涉及到的问题出发，以机场工作人员辨认和常旅客身份认证为研究对象，围绕多模态、远距离、高通量三大问题，采用近红外-可见光下的人脸图像与虹膜图像作为信息源，充分利用可见光图像生物特征的普适性、近红外图像生物特征的防伪性，设计相应的图像质量评价体系、预处理模型以及特征提取方法，并有针对性的设计分类器和多模态融合模型。为了提升身份认证系统的安全性，还将研究多生物特征模板保护模型。本课题对机场安保领域多生物特征身份认证关键技术进行研究，建立便捷、准确、安全的多生物特征身份认证系统不仅具有较高的学术价值，更具有重要的现实意义。

针对机场安保领域所面临的实际需求和多生物特征身份认证系统涉及到的关键问题，采集面向可见光、近红外、高光谱等环境下的虹膜、人脸等生物特征数据，围绕多模态、远距离、高通量三大问题，针对生物特征图像的预处理、特征提取、分类器设计以及多模态融合的策略和方法进行深入的研究，创新地提出了一系列数据降维方法、模糊聚类算法、图像识别及分类方法和非理想条件下图像去噪方法等。项目的主要成果如下：1. 针对虹膜图像识别方法进行了探讨，提出了一种新的虹膜图像归一化处理方法和虹膜图像匹配方法，以及一种新的基于Gabor特征的多视角虹膜识别算法。2. 研究图像的评价标准和基于多核学习的特征处理模型，针对结构复杂的数据集构建了新颖的基于支持向量的多核判别分析降维算法；同时，针对高光谱数据各波段之间相关性强、冗余度高等特点，构建了一种基于组稀疏的特征波段选择方法。3. 为了解决结构复杂、含噪以及非线性可分的数据样本识别问题，提出了一种新型核化马氏距离模糊聚类算法；通过自动寻优多个基核的组合权重，提出了一种新颖的多核直觉模糊C均值聚类算法。4. 为了提升高光谱图像识别的准确性和时效性，提出了一种将空间纹理信息和光谱特征相融合的简单且高效的高光谱图像分类方法。5. 针对噪声标注的问题，引入标签模糊化，充分挖掘高光谱图像的空间和光谱信息，提出了一种基于正则化模糊判别分析的特征提取方法，有效提升了含噪声样本的高光谱图像分类的准确性。项目理论成果在IEEE Transactions on Fuzzy Systems、IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing、Neurocomputing、Sensors等权威期刊发表SCI论文8篇，EI论文3篇，获得授权发明专利2项，公开发明专利3项，联合培养博士生1名，硕士研究生7名。项目成果为建立便捷、准确的多生物特征身份认证系统提供了坚强的理论支持，有效解决了在实际应用过程中所面临的关键技术和难点。针对高光谱图像技术处理中涉及的信噪比低、维数高、非线性等问题提出了一系列的解决方案，促进了基于高光谱图像识别技术在安保领域的落地应用。