基于手指静脉图像的软生物特征提取与识别研究

The traditional finger vein recognition is based on the finger vein texture, while the soft biometric attributes hidden in the finger vein image，such as gender, age, skin, and BMI attributes, are ignored by the researcher for a long time. Try to explore and mining the soft biometric in finger vein image is a challenge, while interesting and meaningful work. The project is based on our previous work on the finger vein capture development, image enhancement and recognition algorithm research. It plans to build a large-scale, multi-source and heterogeneous finger vein image database publicly with its corresponding soft biometrics attributes, to express the age and gender characteristics more freely with the multi semantic analysis, to explore the application by using mixed deep learning network for age and gender recognition based on finger vein image, to improve the recognition system by combining the human attributes with the image texture, to accelerate the data index, and also to promote its application in the field of forensic and business.

传统手指静脉身份识别技术主要基于静脉图像的纹理分布特征，而隐藏于手指静脉图像中的软生物特征，如年龄、性别、肤色、身高体重比等人体属性信息一直被研究人员忽视。探索和挖掘手指静脉图像中的软生物特征是一件富有挑战、有趣且有意义的工作。本项目基于自主研发的四代静脉采集仪器、静脉图像增强和识别算法的研究，计划构建一个大规模、多源化、人体属性标注的手指静脉数据库平台供广大研究人员使用，解决了目前公开数据库在规模性，系统性和多源化方面的不足等问题；从年龄和性别属性入手，拟通过多隐式语义分析提取出能够更“自如”地表达年龄和性别属性特征的方法，总结了手指静脉图像因年龄和性别影响的规律；探索混合深度学习网络在手指静脉图像的年龄和性别属性的自动识别的应用；并尝试将提取的人体属性信息与静脉纹理信息进行融合以提高识别系统准确性，加速数据索引，推动手指静脉识别技术在刑侦和商业领域方面的拓展应用。

传统手指静脉身份识别技术主要基于静脉图像的纹理分布特征，而隐藏于手指静脉图像中的软生物特征，如年龄、性别、肤色、身高体重比等人体属性信息一直被研究人员忽视。探索和挖掘手指静脉图像中的软生物特征是一件富有挑战、有趣且有意义的工作。基于自主研发的四代静脉采集仪器、静脉图像增强和识别算法的研究基础，本研究主要包括以下主要内容：.① 构建大规模标注手指静脉数据库，结合手指静脉图像采集原理和人体生理结构观察和分析潜在可能的软生物特征，利用多方式图像语义特征提取和深度学习的方法，通过单因素逐一比较法挖掘基于手指静脉图像的软生物特征；.② 基于手指静脉图像特征的复杂性和无规律性等难点，找到一种在小规模数据库下适用的模糊分类，且具有自动修正分类准则的分类识别方法；在大规模数据库下，利用深度学习的方法能够准确识别软生物特征的方法；并将软生物识别结果与手指静脉识别系统结合提高识别系统的准确性。.基于研究内容，项目在数据库构建、手指静脉图像的性别软特征分析及识别算法改进等方面取得了一些成果，具体包括：.① 利用主成分分析法对采集装置光源波长选择，分支界限算法进行光源强度量化控制，建立了自适应用户手指厚度和外界光照环境的多光谱静脉采集软硬件系统。.② 数据库已经采集教职工及学生300名，共计32900幅采集效果良好的样本图像，已完成预定的采集任务。经过对样本数据的分析筛选、分类统计及数据入库，项目组成功构建出一个多源异质手指静脉数据库，具体 包括年龄、健康、肤色、性别以及外界环境等因素，具体包含年龄数据库，性别数据库，运动习惯数据库和三维指静脉数据库。.③ 基于单一因素的静脉数据库，通过监督分类的方法，找到了适合手指静脉图像的年龄和性别属性的特征表示、特征提取以及分类的方法，提出了基于静脉图像的本地描述符的CNN分类方法和3D-CNN分类识别算法, 该方法不仅在多光谱手指静脉图像识别率上取得了突破，在遥感高光谱影像分类上也得到了推广应用。