基于Chaff Matrix的可撤销声纹模板设计

基于模糊穹的特征保护方法存在敌手冒充和空间自由度减少的问题。为此,提出一种基于伪矩阵(Chaff Matrix)的可撤销声纹模板设计方法。通过原始特征矢量的构成元素产生伪点,根据定位矩阵将伪点插入原始特征,且在欧氏距离准则下,插入前后特征矢量与模板之间距离的变化量相同,从而保证系统识别率,实现特征保护。实验结果验证了该方法的正确性。     

基于Gabor滤波器与LDP掌纹可撤销模板生成方法

针对掌纹身份认证中存在着识别率和安全性较差的问题,提出一种基于多方向的Gabor滤波和局部方向模式（Local Directional Pattern,LDP）的自适应阈值特征编码方法mLGDP,在此基础上,进一步提出一种基于多方向Gabor滤波和LDP方法的自适应阈值差值特征编码方法mDLGDP,并将这两种方法的特征相融合,有效增强了原有掌纹模板间的多样性和识别率。通过对图像的特征编码进行分块处理,提取特征向量并二值化,再采用Bloom滤波器实现多对一映射和对掌纹图像的位置置乱,将得到置乱结果矩阵和用户密钥通过卷积运算进行不可逆变换,最终获得掌纹图像的可撤销模板。理论分析和实验表明,即使在密钥丢失时,分别使用两种改进方法依然可以保持较高的识别率,当使用两种特征相融合的方法时,识别率能够得到有效提高,且具有更好的安全性。     

基于Adaboost的人脸与虹膜融合识别

传统生物特征识别系统的识别率经常受到环境以及生物学特征的自身局限性影响。针对该不足,提出一种基于人脸与虹膜特征级融合的多模态生物识别系统,采用中心对称局部二值模式算子提取人脸和虹膜的纹理特征,将人脸特征与虹膜特征线性整合成混合特征向量,利用Adaboost算法从该混合特征向量中优选出一组最佳特征组合,从而构成强分类器。实验结果表明,该多模态系统相比单模态系统具有更好的鲁棒性。     

多模态生物特征提取及相关性评价综述

生物特征识别是身份认证的重要手段,特征提取技术在其中扮演了关键角色,直接影响识别的结果。随着特征提取技术日趋成熟,学者们逐渐将目光投向了生物特征间的相关性问题。本文以单模态和多模态生物识别中的特征提取方法为研究对象,回顾了人脸与指纹的特征提取方法,分析了基于经验知识的特征分类提取方法以及基于深度学习的计算机逻辑采样提取方法,并从图像处理的角度对单模态与多模态方法进行对比。以当前多模态生物特征提取方法和DNA表达过程为引,提出了不同模态的生物特征之间存在相关性的猜想,以及对这一猜想进行建模的思路。在多模态生物特征提取的基础上,对今后可能有进展的各生物特征之间的相关性建模进行了展望。     

A hybrid biometric identification framework for high security applications

Research on biometrics for high security applications has not attracted as much attention as civilian or forensic applications. Limited research and deficient analysis so far has led to a lack of general solutions and leaves this as a challenging issue. This work provides a systematic analysis and identification of the problems to be solved in order to meet the performance requirements for high security applications, a double low problem. A hybrid ensemble framework is proposed to solve this problem. Setting an adequately high threshold for each matcher can guarantee a zero false acceptance rate (FAR) and then use the hybrid ensemble framework makes the false reject rate (FRR) as low as possible. Three experiments are performed to verify the effectiveness and generalization of the framework. First, two fingerprint verification algorithms are fused. In this test only 10.55% of fingerprints are falsely rejected with zero false acceptance rate, this is significantly lower than other state of the art methods. Second, in face verification, the framework also results in a large reduction in incorrect classification. Finally, assessing the performance of the framework on a combination of face and gait verification using a heterogeneous database show this framework can achieve both 0% false rejection and 0% false acceptance simultaneously.     

改进的最大相关最小冗余特征选择方法研究

特征选择方法作为重要的数据预处理工作一直受到各个领域的关注。在分析现有的特征选择方法的基础上,针对MRMR方法中存在的冗余度和相关性评价方法单一,不能根据用户需求设置特征维度等问题进行了改进。在冗余度计算过程提出一种新的简单快速的计算方法;在计算权重过程中提出针对不同数据选用不同的特征评价方法;引入新的目标评价函数来进行特征选择。在五个经典的用于生物认证领域的特征数据库（FERET、CASIA、ORL、PIE和扩展的YaleB）上验证了算法的有效性,实验结果充分证明了改进的最大相关最小冗余算法的优势。     

普适环境下基于生物加密的认证机制

普适计算的出现对网络通信中的安全和隐私提出了新的挑战,传统的认证技术已经不能满足普适环境的安全需求。提出了一种普适环境中用于完成服务使用者与提供者之间双向认证及密钥建立的机制。该机制高度融合了生物加密技术和Diffie-Hellman密钥交换技术,在不泄露用户隐私的情况完成双向认证。该机制提供了安全的建立密钥的算法,并且通过使用生物加密技术实现了访问控制策略的区别对待。经分析证明,该协议能很好地抵抗各种攻击,尤其是拒绝服务（DoS）攻击。     

GRS解码在Fuzzy Vault中应用

将指纹细节点和密钥进行绑定,并用fuzzy vault方法对结果进行保护。在密钥恢复时,用GRS解码进行纠错处理。对GRS的传统解码和表单解码的效果进行了比较,实验表明表单解码比传统解码的密钥恢复效果更好。     

基于曲线拟合的手形生物特征认证新算法

针对手形的特点和现有手形认证方法的不足,提出了一种基于曲线拟合的手形生物特征认证新算法．该算法使用手指轮廓拟合曲线的系数作为手形的特征,使用曲线距离函数进行匹配认证,进一步导出基于曲线系数进行求解的简化方法．实验表明,该算法的认证错误接收率和错误拒绝率之和达到1％以下;与现有的手形认证方法相比,该算法在认证的准确率、鲁棒性和运算量方面具有良好的综合性能．     

基于足底压力传感器与深度学习的生物身份识别

近年来研究表明,足底压力可以反映人体的特征,在生物识别上具有广阔的前景。本研究探讨了足底压力进行身份识别的可行性和方法论。本文使用带有8个压力传感器的鞋垫收集了14名志愿者14 000多个压力数据作为数据集,利用无监督学习探讨了分类的科学性,并讨论了地面状况对于压力数据的影响。采用卷积神经网络(CNN)作为分类器,对分类性能进行了评价,研究了步态分割和多步态周期对提高精度的影响。实验结果表明,使用分割后的数据分类准确率为98.8%,而没有分割的为93.6%,当使用3个和5个步态周期进行分类时,准确率提升到99.4%和99.8%。结果表明,用CNN对分割后的数据并选择多个步态周期进行分类在利用足底压力进行身份识别方面具有良好实用价值。