欢迎您！东篱公司
退出
-
申报数据库
-
立项数据库
-
成果数据库
-
项目获奖数据库
位置：立项数据库 > 立项详情页
中文摘要：
本项目将深入研究生物识别中多模态信息融合模型、融合的多特征表示技术、以及多分类器在多模态识别系统中的结合方法。以人脸和虹膜识别为重点，以提高识别率为目标。研究同步采集的人脸和虹膜图像在识别层和特征融合层识别的新模型，并在模型框架下实现基于支持向量的融合式聚类算法(ACSV)，基于识别子空间的张量分析降维方法（DTSA）和基于张量距离的最近邻分类器识别算法。研究基于稀疏矩阵方法，解决人脸和虹膜在采集过程中的偏转、遮挡、人脸姿态和表情变化的难点问题；研究拟线性曲面拟合光照补偿技术和多小波变换快速滤波方法解决光照影响的技术难点问题。项目完成后，在生物识别领域取得理论和关键技术的突破，提高生物识别技术的效率，降低采集和识别环境的限制条件，构建实用性强的多模态生物特征识别应用系统，推动生物识别技术产品向着低成本、实用化水准进展。
英文摘要：
Synchronous acquisition；multimoding；Feature extraction layer；Fusion recognition layer；
结论摘要：
由吉林大学计算机科学与技术学院周春光教授团队牵头研究的国家自然科学基金面上项目“人脸与虹膜信息融合识别新方法研究”课题在国家自然基金61175023的资助下，开展了生物识别中多模态信息融合模型、融合的多特征表示技术、以及多分类器在多模态识别系统中的结合方法等方面的研究工作。项目组以人脸和虹膜识别为重点，以提高识别率为目标，研究了稀疏矩阵方法来解决人脸和虹膜在采集过程中的偏转、遮挡、人脸姿态和表情变化的难点问题；研究了拟线性曲面拟合光照补偿技术和多小波变换快速滤波方法解决光照影响的技术难点问题。提出了有效的模型、算法和方法，解决了人脸与虹膜融合识别研究中的几个热点问题。本项目使用项目组自行研发的“高分辨率面部生物特征信息采集仪”同步对人脸和虹膜图像同时进行采集，在进行身份认证时，即一对一的身份确认，误识率(FAR)和误拒率(FRR)能够达到同时接近于零的目标。本项目的研究目标、主要研究内容和科研成果提供目前已经大部分完成。项目完成后，在生物识别领域取得了一定的理论和关键技术的突破，提高生了物识别技术的效率和准确性，降低采集和识别环境的限制条件。
成果综合统计
期刊论文
会议论文
专利
获奖
著作
期刊论文
A Module Searching Method in Protein-protein Interaction Networks with Gene Expression Expression Pr
Building Recognition on Subregion’s Multiscale Gist Feature Extraction and Corresponding Columns Inf
A novel fuzzy K-mean algorithm with fuzzy centroid for clustering mixed numeric and categorical data
Fold-based meta-analysis: a method for identifying differentially expressed genes in microarray data
相关项目
周春光的项目