现场掌纹的自动特征提取与匹配

Palmprint is a type of very common biometric evidence in crime scenes. In recent years, police agencies began building palmprint database of criminals, in order to further improve the crime-solving rate. Compared with palmprints in gallery database, the quality of latent palmprints is much poorer due to small area, image blur, strong noise, or overlapping with other palmprints or fingerprints. Existing methods with inadequate research and utilization of palmprint statistical properties leads to the very low recognition rate in latent plamprints and requires experts' help. With the rapid increase of gallery palmprint database and query, the manual labor of human aid is huge. Law enforcement agencies urgently need highly accurate and automatic palmprint recognition technology. This project will study statistical properties of palmprint ridges and creases. Based on it, we will design the registration algorithm of latent palmprints to improve the recognition rate. The study on the extraction of ridges and creases based on priori statistical law is to improve the robustness against noise and achieve automatic feature extraction of latent palmprints. We will also study on redundant coding and efficient matching method of latent palmprints in order to improve the recognition accuracy and efficiency.

掌纹是犯罪现场常见的生物特征，与指纹有着一定的相似性。近年来，各国警方开始大规模建设掌纹数据库，以提高破案率。与指纹相比，掌纹存在大量皱褶的干扰而且弹性变形大；与档案库中的掌纹相比，现场掌纹的质量一般很差，表现为有效面积小、图像模糊、背景噪声强，并且时常伴有重叠的指纹或掌纹。由于对掌纹统计特性的研究和利用不够充分，现有方法对现场掌纹的识别性能很差，不得不依赖专家人工提取特征和匹配。目前掌纹档案库规模和现场掌纹查询量快速增长，导致人工辅助工作量巨大，公安部门迫切需要高度精确、高度自动化的现场掌纹识别技术。本项目将深入研究掌纹脊线和皱褶特征的统计特性，据此设计基于脊线和皱褶分布规律的现场掌纹定位算法，以提高匹配效率，并为统计规律的引入建立基础；研究基于先验统计规律的脊线和皱褶提取，以提高特征提取的抗噪声性能，实现现场掌纹的自动特征提取；研究掌纹的冗余编码和高效匹配方法，以提高匹配的精度和效率。

掌纹是犯罪现场常见的生物特征，与指纹有着一定的相似性。近年来，各国警方开始大规模建设掌纹数据库，以提高破案率。与指纹相比，掌纹存在大量皱褶的干扰而且弹性变形大；与档案库中的掌纹相比，现场掌纹的质量一般很差，表现为有效面积小、图像模糊、背景噪声强，并且时常伴有重叠的指纹或掌纹。由于对掌纹统计特性的研究和利用不够充分，现有方法对现场掌纹的识别性能很差，不得不依赖专家人工提取特征和匹配。目前掌纹档案库规模和现场掌纹查询量快速增长，导致人工辅助工作量巨大，公安部门迫切需要高度精确、高度自动化的现场掌纹识别技术。本项目以指掌纹的统计建模为核心，建立适于学习和求解的指掌纹多特征先验知识统计模型，据此设计出一系列指掌纹特征提取和识别算法，特别是在方向场估计、姿态估计、稠密配准、扭曲校正和指纹检索方面取得了当时最好的性能。2013-2016年期间，方向场估计算法在FVC-onGoing方向场评测中名列第一。建设了3个掌纹数据库，其中THUPALMLAB数据库被多个国内外研究组采用，另外2个掌纹数据库用于FVC-onGoing平台的掌纹评测，促进了掌纹识别领域的技术进步。在本领域权威期刊（PAMI、TIFS、PR）发表长文5篇，在本领域权威会议（IJCB、ICB、WIFS）发表论文5篇（均为Oral），其中一篇获IJCB2017最佳学生论文提名奖。获得美国发明专利授权4项、中国发明专利授权13项。部分成果授权国内领军企业，得到实际应用。利用本项目培养博士研究生4名、硕士研究生6名。主要基于本项目科研成果的“指掌纹识别的统计建模理论与方法”于2015年获高等学校科学研究优秀成果（自然科学类）二等奖，本项目负责人排名第一。