中文摘要：

面向实际应用的需要，生物特征识别仍有不少问题需要深入研究。引入合适的机器学习方法，成为解决生物特征识别问题的重要手段之一。本项目拟针对生物特征识别中被集成模板的选择、在模板两两之间不能成功匹配的情况下如何实现多模板的有效集成以及多模板集成方法通用性等问题，研究一种新的多模板集成方法，有效提升现有生物特征识别系统性能；面向高安全应用环境的特殊性能需求，基于集成学习方法，研究一种混合集成方案，实现生物特征识别系统在确保极低的误识率的同时尽可能低地降低拒识率的目标；针对序列化生物特征识别中应用需求与各生物特征识别技术的性能特点之间存在的矛盾，基于分歧学习方法，研究如何通过强学习器（如虹膜、指纹）在线提升弱学习器（如人脸、步态）的性能、进而有效提高序列化多生物特征识别系统的可用性。

结论摘要：

项目按预定计划顺利进行，研究内容未做大的变动。研究工作主要进展体现在以下三个方面 1、完成了同源生物特征数据库建设，同时包含106人的指纹、人脸、虹膜、步态和手指静脉五种模态。 2、作为本项目必要的基础性工作，开展了相关机器学习方法和指纹、手指静脉、步态等多种生物特征识别技术的研究工作。 3、基于机器学习方法，对多模板集成、多生物特征混合集成和序列化多生物特征识别等工作进行了较为深入的研究。 在本项目的资助下，主要取得了如下成果 1、所建设的同源生物特征数据库（SDUMLA-HMT Database，采集了106人的同源指纹、人脸、虹膜、手指静脉和步态数据），除支持本项目研究工作外，还被德国、澳大利亚、印度、韩国、挪威等国家的国际同行和南京大学、北京交通大学等单位的国内同行广泛应用，产生了较大的国际学术影响力。 2、已在学术期刊和学术会议发表代表性学术论文24篇，其中SCI收录14篇、EI收录10篇。24篇论文均有项目资助标注。 3、获得山东省科技进步二等奖1项（项目负责人为第一完成人），获得国家发明专利授权2项。 4、承办全国性学术学会2个，邀请本领域5位海外学者和2位国内学者来项目组访问交流。 5、培养博士生3人，硕士生9人。 6、项目负责人2011年底入选教育部新世纪优秀人才支持计划，2013年获得山东省自然科学杰出青年基金资助。