基于张量极速学习机的多模生物特征融合识别方法

This project studies the fusion recognition methods of multimodal biometric based on tensor extreme learning machine, and mainly includes four aspects...On the basis of this project, a novel classifier called tensor extreme learning machine (TELM) is proposed which recognition performance will be more optimal than extreme learning machine and support vector machine etc...A novel algorithm of synchronous orthogonal matching pursuit for the multichannel biometric image fusion is proposed to fuse NIR palmprint and visual palmprint images based on pixel level fusion combing with TELM which should outperform the single modal biometric method...By combining the algorithm artificial immune particle swarm with TELM, a multimodal biometric recognition method is proposed applied to feature level fusion with the recognition performance much better than the traditional fusion strategies...For the high safe level applications, the experimental platform of high performance multimodal biometric will be developed based on general & parallel computing technologies...Through this project’s research combined relative theory with factal application, social and economic benefits will be obviously produced especially to important projects such as national defense safty and finance respects etc. As an important development direction of biometric recognition, the research will propose new fusion recognition methods, and solve some hot and difficult problems in the field of multimodal biometric fusion recognition, with great significance in theoretical and engineering application value.

本项目研究基于张量极速学习机的多模生物特征融合识别方法。主要是：提出一种新型模式识别分类器——张量极速学习机(TELM)，识别性能优于极速学习机、支持向量机等，作为本项目的基础研究；提出一种适合于多通道生物特征图像融合的同步正交匹配追踪算法，进而结合TELM研究近红外掌纹和可见光掌纹像素级多模生物特征识别方法，可获得较现有单模方法更优的识别效果；结合人工免疫微粒群算法和TELM对多模识别的特征级优化融合方法进行研究，识别性能较传统融合策略有较大程度提高；面向高安全等级场合研制高性能多模生物特征融合识别的通用并行计算实验平台。通过本项目的研究可使得相关理论与实际应用相结合，尤其对重大项目的建设例如国防安全、金融领域等产生较大社会效益和经济效益。作为生物特征识别的重要发展方向，该项研究将提出新型方法，解决多模生物特征融合识别领域中的热点问题和难点问题，具有重要理论意义与工程应用价值。

项目基于多模生物特征实现身份认证平台，主要研究了张量极速学习机在生物特征识别中的应用。主要是：提出一种新型模式识别分类器——张量极速学习机(TELM)，识别性能优于极速学习机、支持向量机等，作为本项目的基础研究；提出一种适合于多通道生物特征图像融合的同步正交匹配追踪算法，进而结合TELM研究近红外掌纹和可见光掌纹像素级多模生物特征识别方法，识别率可达到99.5%；提出的基于Alexnet卷积神经网络的掌纹识别方法，将该方法应用于PolyU多光谱掌纹图像数据库和PolyU 2D+3D掌纹数据库中，单光谱识别率高达99.99%；提出基于鲁棒L2稀疏表示的张量极限学习机的多光谱掌纹识别方法，在无噪声情况下识别率可达100%；结合人工免疫微粒群算法和TELM对多模识别的特征级优化融合方法进行研究，识别性能较传统融合策略有较大程度提高，识别率可达99.83%；面向高安全等级场合研制高性能多模生物特征融合识别的通用并行计算实验平台，开发出三种智能手机的认证平台：人脸+语音APP，人脸+唇语APP，语音+唇语APP。通过本项目的研究使得相关理论与实际应用相结合，尤其对重大项目的建设例如国防安全、金融领域等产生较大社会效益和经济效益。相较于单模生物识别技术在抗噪声干扰、识别率等方面表现的不足和局限，本项目提出了基于张量极速学习机的人脸、掌纹、语音、唇语等多模态生物特征融合识别系统，有效提高了认证系统的识别率和安全性，研发的安卓智能手机APP也极大的促进了生物识别的发展和应用，促进技术的进步和成本的不断降低，产生较高的社会效益与工程应用价值。