生物特征模板保护综述

近年来频繁出现的网络安全事件使得网络安全上升到国家战略的高度,可靠的互联网身份认证是互联网应用的关键环节,基于生物特征的身份认证技术可以保证用户物理身份和数字身份的一致性而受到关注。为了保护生物特征模板的安全性和隐私性,近年来提出了生物特征模板保护研究。首先分析了生物特征识别系统面临的安全问题,对生物特征模板保护技术在生物特征识别系统中的定位和具体概念进行了介绍。其次,基于国内外的研究工作,归纳了各类生物特征模板保护技术的特点、效果和应用范围,包括生物哈希、不可逆变换法、密钥绑定以及密钥生成等;阐述了每类方法的主要思想、代表性工作以及主要特点,并从隐私性、实用性、敏感性、安全性和认证性能方面对其中的典型方法进行了总结对比;进一步介绍了多生物特征融合的模板保护算法,主要包括多模态生物特征和单模态生物特征的不同特征融合的模板保护方法。最后,对生物特征模板保护存在的问题进行了分析,并对进一步的研究方向进行了展望。     

生物特征识别学科发展报告

从手机解锁、小区门禁到餐厅吃饭、超市收银,再到高铁进站、机场安检以及医院看病,人脸、虹膜和指纹等生物特征已成为人们进入万物互联世界的数字身份证。生物特征识别赋予机器自动探测、捕获、处理、分析和识别数字化生理或行为信号的高级智能,是一个典型而又复杂的模式识别问题,一直处于人工智能技术发展前沿,在新一代人工智能规划、“互联网+”行动计划等国家战略中具有重要地位。由于生物特征识别涉及公众利益攸关的隐私、道德和法律等问题,近期也引起了广泛的社会关注。本文系统综述了生物特征识别学科发展现状、新兴方向、存在问题和可行思路,深入梳理了人脸、虹膜、指纹、掌纹、静脉、声纹、步态、行人重识别以及多模态融合识别的研究进展,以人脸为例重点介绍了生物特征识别领域近些年受到关注的新方向——对抗攻击和防御、深度伪造和反伪造,最后剖析总结了生物特征识别领域存在的3大挑战问题——“感知盲区”、“决策误区”和“安全红区”。本文认为必须变革和创新生物特征的传感、认知和安全机制,才有可能取得复杂场景生物识别学术研究和技术应用的根本性突破,破除现有生物识别技术的弊端,朝着“可感”、“可知”和“可信”的新一代生物特征识别总体目标发展。     

基于二维局部鉴别高斯的特征提取方法

特征提取是人脸识别的关键。特征提取方法一般需要预先把二维图像转化成一维图像向量。然而高维的图像向量会导致不能快速、精确地计算所需的协方差矩阵及其特征向量。针对该问题,提出了一种基于二维局部鉴别高斯的特征提取方法(2D-LDG)。该方法继承一维局部鉴别高斯降维方法的优点,其目标函数是留一交叉验证误差的光滑逼近,并且只考虑训练样本的局部分布,对训练样本的全局分布不做任何假设。同时,2D-LDG直接对二维图像做特征提取,不需要事先把图像转化为维数巨大的图像向量,能快速、精确地计算协方差矩阵及其特征向量。在ORL、YaleB人脸数据库上的实验结果表明,2D-LDG特征提取方法有良好的识别效果。     

《中国图象图形学报》视频身份识别技术专刊简介

<正>随着“智慧城市”和“平安城市”等项目建设,众多公共场所均部署了大量的监控摄像头,形成了庞大的监控摄像头网络。利用这些摄像头的内容关联分析来确定肇事者或重点关注行人身份越来越重要,其中行人重识别和步态识别等技术,是当前计算机视觉领域的研究热点,具备广泛的应用场景。     

基于二次多项式模型的人脸光照归一化

 根据人脸光照变化非线性的特性,本文提出用二次多项式模型来描述非正面光照条件下的人脸图像与正面光照条件下的人脸图像在对应象素点灰度之间的关系,进而提出一种人脸光照归一化方法.本方法的一个重要特点是独立于先验的物理模型而通过建立统计回归模型来学习不同光照图像之间的关系.此外,提出用基于PCA的方法对光照归一化后的人脸图像进行加权补偿,进一步改善图像的视觉效果.在Extended YaleB和CMU-PIE人脸库上的实验结果表明,新方法在改善人脸视觉效果同时能大大提高人脸识别准确率.     

行人再识别技术研究进展

行人再识别通过大时空范围内跨摄像机目标行人图像的检索与匹配,可实现人脸等生物特征失效情况下的行人关联,已成为智能视频监控系统的关键环节和支撑技术,并在智慧公安、智慧城市等国民经济建设中发挥了重要作用。近年行人再识别技术吸引了越来越多的关注,并取得了快速发展与进步。本文在对行人再识别技术进行简介的基础上,面向行人再识别的技术发展和落地应用需求与挑战,总结分析遮挡行人再识别、无监督行人再识别、虚拟数据生成、域泛化行人再识别、换装行人再识别、跨模态行人再识别和行人搜索等热点方向的前沿进展,归纳其发展现状和存在问题,最后对行人再识别技术的发展趋势进行展望。希望通过总结和分析,能够为研究人员开展行人再识别相关研究、推动行人再识别技术进步提供参考。     

RGB-D行为识别研究进展及展望

行为识别是计算机视觉领域很重要的一个研究问题，其在安全监控、机器人设计、无人驾驶和智能家庭设计等方面都有着非常重要的应用.基于传统RGB视频的行为识别方法由于容易受背景、光照等行为无关因素的影响，导致识别精度不高.廉价RGB-D摄像头出现之后，人们开始从一个新的途径解决行为识别问题.基于RGB-D摄像头的行为识别通过聚合RGB、深度和骨架三种模态的行为数据，可以融合不同模态的行为信息，从而可以克服传统RGB视频行为识别的缺陷，也因此成为近几年的一个研究热点.本文系统地综述了RGB-D行为识别领域的研究进展和展望.首先，对近年来RGB-D行为识别领域中常用的公共数据集进行简要的介绍；同时也系统地介绍了多模态RGB-D行为识别研究领域的典型模型和最新进展，其中包括卷积神经网络（Convolution neural network，CNN）和循环神经网络（Recurrent neural network，RNN）等深度学习技术在RGB-D行为识别的应用；最后，在三个公共RGB-D行为数据库上对现有方法的优缺点进行了比较和分析，并对未来的相关研究进行了展望.     

面向跨模态行人重识别的单模态自监督信息挖掘

目的 在智能监控视频分析领域中,行人重识别是跨无交叠视域的摄像头匹配行人的基础问题。在可见光图像的单模态匹配问题上,现有方法在公开标准数据集上已取得优良的性能。然而,在跨正常光照与低照度场景进行行人重识别的时候,使用可见光图像和红外图像进行跨模态匹配的效果仍不理想。研究的难点主要有两方面:1)在不同光谱范围成像的可见光图像与红外图像之间显著的视觉差异导致模态鸿沟难以消除;2)人工难以分辨跨模态图像的行人身份导致标注数据缺乏。针对以上两个问题,本文研究如何利用易于获得的有标注可见光图像辅助数据进行单模态自监督信息的挖掘,从而提供先验知识引导跨模态匹配模型的学习。方法 提出一种随机单通道掩膜的数据增强方法,对输入可见光图像的3个通道使用掩膜随机保留单通道的信息,使模型关注提取对光谱范围不敏感的特征。提出一种基于三通道与单通道双模型互学习的预训练与微调方法,利用三通道数据与单通道数据之间的关系挖掘与迁移鲁棒的跨光谱自监督信息,提高跨模态匹配模型的匹配能力。结果 跨模态行人重识别的实验在“可见光—红外”多模态行人数据集SYSU-MM01(Sun Yat-Sen University Multi...