多民族多模态生物特征图像数据分析

In this project, we plan to systematically study and analyze large scale of multi-ethnicity and multi-model biometric data to expend the research area of traditional biometrics (namely personal identification). Demographic attributes, including ethnicity, gender, age and affect, are analyzed based on the multi-ethnicity and multi-model biometric images. Meanwhile, homogeneity of populations and association of individuals can be researched and mined. . This project includes three parts. First of all, we collect face, iris and fingerprint images of multi-ethnicity people and build the first multi-ethnicity and multi-model biometric image database for the following research. Secondly, we research the feature representation method to express homogeneity of populations and association of individuals. Thirdly, we propose a heterogeneous multi-task learning framework based on deep network for multi-task image analysis. This model automatically trained and upgraded to recognize ethnicity, gender, age and affect at the same time. At last, association rules of data are mined. The goal of this part is to explore implicit but useful information and study the association between individuals. Moreover, the fusion strategy of multi-modality biometric data is applied to improve accuracy of biometric data mining.. This work will help to extend the research and application area of biometrics and further provide a new theoretical framework and solution of biometric recognition and classification.

本项目中，我们拟超越传统的生物特征图像数据分析（即个体身份识别），对我国多民族多模态生物特征图像进行系统性的数据研究，分析其中蕴含的群体属性信息，重点挖掘生物特征群体相似性和个体关联性。. 本项目将从四方面展开研究：（1）采集我国多民族人群的人脸、虹膜和指纹图像数据，建设首个多民族多模态生物特征数据库，为研究搭建数据平台；（2）研究特征表达方法，提取图像中的粗尺度的群体共性特征及个体关联特征；（3）提出基于深度网络的异质多任务学习模型，自动进行网络训练和更新，统一化完成民族、性别、年龄和表情多任务分析目标；（4）对生物特征图像进行关联规则挖掘，探寻隐含在其中的生物个体之间的关联关系，同时还采用多模态生物特征融合策略，提升数据挖掘结果的有效性和准确性。. 本项目有助于拓宽生物特征研究和应用领域，为生物特征数据识别和分类提供新的理论框架和解决方案。

本项目中，我们超越传统的生物特征图像数据分析（即个体身份识别），对我国多民族多模态生物特征图像进行系统性的数据研究，分析其中蕴含的群体属性信息，重点挖掘生物特征群体相似性和个体关联性。. 本项目主要从四方面展开研究：（1）采集我国多民族人群的虹膜、人脸和指纹图像数据，建设首个多民族多模态生物特征数据库，为研究搭建数据平台；（2）研究特征表达方法，提取图像中的粗尺度的群体共性特征及个体关联特征；（3）提出基于深度网络的异质多任务学习模型，自动进行网络训练和更新，统一化完成民族、性别、年龄和表情多任务分析目标；（4）对生物特征图像进行关联规则挖掘，探寻隐含在其中的生物个体之间的关联关系，同时还采用多模态生物特征融合的策略，提升数据挖掘结果的有效性和准确性。. 本项目有助于拓宽生物特征研究和应用领域，为生物特征数据识别和分类提供新的理论框架和解决方案。