智能移动设备上融合掌纹和手势手形的意愿生物特征识别方法研究

At present smart mobile devices are widely spread, and the user identity safety problem has become very prominent. Compared with the traditional way of using password, the biometric technology is more safe, reliable and easy to use, so it attracts much attention. Palmprint and hand shape are very suitable for smart mobile device, since they only need basic imaging sensors, have more robust performances and easy to be fused into one recognition system. The traditional biometrics, however, are vulnerable to spoof attack, using liveness detection to protect the system is not available for smart mobile device equipped only with basic sensors. Most recently, the concept of willingness detection is proposed in the world and provides a potential solution, which suggests extracting extra recorded behavioral traits simultaneously while capturing biometrics to assist the recognition and decision making. At present, this concept has only been preliminarily tested for recognition of face and iris, and gestural hand shape is proposed to conduct further research in this project. This project will not only promote the basic theory of biometrics and related areas, but also has a strong value in application, especially recognition system fusing palmprint and gestural hand shape for smart mobile device has a good market prospect.

随着智能手机和平板电脑的大量普及，智能移动设备使用者身份的安全认证等问题日益突出。生物特征识别技术与密码等传统身份认证方式相比具有更好的安全性、可靠性和易用性，因此受到广泛关注。掌纹和手形识别技术因对图像采集传感器要求不高、系统性能鲁棒和便于构成融合识别系统等原因，非常适合用于移动设备上的身份认证。然而传统生物特征识别易受到伪装攻击，采取活体检测的方式进行防御在智能移动设备上因传感器限制并不能很好的应用。国际上最新提出的意愿检测概念为防伪装攻击提供了一个可能的解决途径，即在采集生物特征的同时提取使用人预留的行为特征辅助进行识别和判断。目前该概念仅在人脸和虹膜识别研究中有初步尝试，在本项目中将开展基于手势手形的意愿生物特征识别研究。本项目的开展能对生物特征识别和相关领域的理论研究起到一定的推动作用并具有较强的应用价值，特别是融合掌纹和手势手形的识别系统用于智能移动设备具有良好的市场前景。

随着移动互联网的广泛应用，智能手机上的身份认证已经成为关键性问题。掌纹识别是一种新兴的生物特征识别技术，但在智能手机上的应用研究还没有有效开展。本项目围绕着掌纹在智能手机上的应用开展了相关研究。主要研究内容有：（1）高精度的掌纹特征表示研究。（2）图像分割、图像超分辨率和形状识别算法研究，（3）与掌纹识别相关的手掌静脉和指节纹识别算法研究。我们提出了多种有效的掌纹特征表示，提出的Local Line Directional Pattern (LLDP)，具有很高的识别性能，在国际最常用的香港理工大学掌纹数据库上，LLDP获得了0.0216%的EER（等错率），识别性能好于其他的各种掌纹识别算法；我们后继提出了完全的方向表达框架(Complete Direction Representation, CDR)，该框架揭示了掌纹识别的方向特征的内涵，从多尺度、多方向、多区域的角度来阐明了如何构建鲁棒的掌纹特征表示；在CDR框架下，我们提出增强的线方向直方图特征（Enhanced Histogram of Oriented Lines，EHOL），EHOL考虑了多尺度和多方向特征，获得了0.00071%的EER；在CDR的基础上，我们提出融合多种方向特征的识别框架(Fusion Direction Representation, FDR)。FDR从频域、空间域和直方图域来融合构建鲁棒的掌纹特征识别表示，在掌纹公开数据库上，FDR能达到0 EER，达到了掌纹识别的目前最高识别率。在本项目的资助下，我们还开展了图像分割、图像超分辨率和形状识别、手掌静脉识别、和指节纹识别等方面的研究。共发表论文8篇，其中SCI论文6篇，《IEEE Transactions on Image Processing》论文1篇，《IEEE Transactions on Circuits and System for Video Technology》论文1篇，模式识别权威期刊《Pattern Recognition》2篇，《Neurocomputing》论文2篇，多篇论文IEEE会刊论文在审；采集建设图像数据库2个；培养学生1名。总体看，在掌纹的特征表示研究方面，我们获得了较好的研究成果，但是在复杂背景下的手掌分割方面遇到一些困难，使得基于手形手势的意愿生物特征识别没有很好的开展。