分析文件申代码

男民族男民族每年工作时间（月8传真工作单位合肥物质科学/核能安全技名称联系人w单位名forsmartdevice亚类说明20141—201612中文英文 recognition;fusion;imagesegmentation性能鲁棒和便于构成融合识别系统等，非常适合用于移动设备上的认证。然而传统生物特征识别易受到，采取检测的方式进行防御在智能移动设备上因传感器限制并不能很好的应用。国际上意愿检测概念为防提供了一个可能的解决途identitysafetyproblemhaseveryprominent.Comparedwiththetraditionalwayofusingpassword,thebiometrictechnologyismoresafe,reliableandeasytouse,soitattractsmuchattention.Palmprintandhandshapeareverysuitableforsmartdevice,setheyonlyneedbasicimagingsensors,havemorerobustperformancesandeasytobefusedintoonerecognitionsystem.Thetraditionalbiometrics,however,arevulnerabletospoofattack,usinglivenessdetectiontoandprovidesapotentialsolution,whichsuggestsextractingextrarecordedbehavioraltraitssimultaneouslywhilecapturingbiometricstoassistthetestedforrecognitionoffaceandiris,andgesturalhandshapeisproposedtoconductfurtherresearchinthisproject.Thisprojectwillnotonlypromotethebasictheoryofbiometricsandrelatedareas,butalsohasastrongvalueinforsmartdevicehasagoodmarketprospect.（月1男合肥物质科学研0551- n62男合肥物质科学研0551-63女研究实习合肥物质科学研0551-算法实现，84女研究实习合肥物质科学研0551-算法实现，85男生合肥物质科学研0551-算法实现和86789生6012021说明 ， 备注（计算依据与说明在合超算发生的计算以及费图像数据库建设费，时付给每人 其他经费资助（含部门匹配2（如误删可点击“查看报告正文撰写提纲”按钮，通过"/粘贴"恢复；34、对于正文中出现的各类图形、图表、、化学分子式等请先转换成JPG格式，再粘贴到字文献）接入互联网的民数量已达3.88亿，而使用台式电脑接入互联网的数量为3.80亿，智能移和账户信息在内多种不安全因素。因此，亟待寻求更方便可靠的面向移动电子商务安全的解决方案。在智能移动设备的安全性方面，认证是一道重要的安全屏障。是一最常用的传统身份认证方法，但使用复杂时人容易遗忘，而使用简单又相对缺乏安全性。因此，需要引入更为安全、易用和可靠的认证方法，而且这种客观需求随着时代的发展变得尤为迫切。泛应用的认证方法。所谓生物特征识别技术，是指使用计算机系统提取本身所固有的物理特征或者后天形成的行为特征，并在这些特征的基础上对人的进行认证。与传统的基于的识别方法相比，它为使用者所特有、不易并且不需要，具有更好的安全性、可靠性和多的关注。其中，人脸特征非常容易进行，使用常见的图像和红外光图像的人脸识别系统需要额外的硬件设备支持。识别是目前最为成生物特征识别技术之一。但是，一般需要专门的设备，并需要用户的手指接触设备，造成了一些设备使用卫生方面的影响，这些都限制了其应用场合。此外，由于屏幕尺寸等方面的限制，在智能移动设备上加装设备比较，而使用智能移动设备上的头来进行高质量的采约了虹膜识别系统在智能移动设备上的应用，一是该特征的需要特殊设备，成本偏高；二是一小部分用户对虹膜的接受度不高；三是虹膜易受到带有颜色和纹理的眼镜等因素的影响。综上所述，和虹膜识别技术目前不太直接适用于智能移动设备。而人脸识别在智能移除了上述三种生物特征之外，掌纹和手形特征也获得了广泛的关注，主要由于以下三个。首先，掌纹区域较大，且含有丰富的纹理特征，而且已被证明具有和识别和虹膜识别同等级的受小等特点，适用范围较广。其次，手形轮廓的提取简单，速度快，使用较为简单一些几高的识别性能，这是使用其他生物特征识别系统所不具有的优势。在智能移动设备上，头已经.Zhng.Kong2012年22009年3对掌纹识别技术进行了综述，把掌纹识别方法分成如下几个类别：基于纹理的方法4、基于掌线的方法5[6、基于方向信息编码的方法78和基于表征的方法9的开销小而且匹配速度快，更适合实际应用。近几年，国际研究者们又提出了一些新的识别方法。Z.Kanontourode10。.Banh取Sockwell进识1R.appeli等提出了一种在高分辨率掌纹识别系统中使用的基于细节点的局部特征匹配方法12Imtiaz13]或者构建统计直方图1437、自动化所[15]，沈阳工业大学[16]、交通大学[17]、吉林大学[18]、哈尔滨工业大学[19]、理工大学提出了融合2D和3D数据的掌纹识别系统[21]，提出了一种在高分率环境下结合使用多种掌纹特征的融合识别系统[22]Riesz变换的编码方Canon相机、HTC和摩托罗拉智能进行图像[26]。2011年，M.Franzgrote等实现了一个智能上的掌纹识别系统[27]。在近期开展了一项跨传感器的掌纹识别研究，使用诺基亚和摩托罗拉智能以及Canon相机拍摄掌纹图像，并进行了交叉识别，实验证明掌纹在智能上有很好的识别精度[28]。SCI杂志《ImageandVisionComputing》在2013年正在组织一个专《SpecialIssueonMultibiometricsand-biometrics:RecentAdvancesandFutureResearch仍然不断取得进展。在国际上，N.Duda2009年对手形识别算法做了详细的综述[29]，这些算法方法[31]。近年，传统的2D手形识别方法仍然在进一步获得关注，如R.M.Luque-Baena等提究，但的时候，手形已经作为多模态手部识别系统的一个部分进行融合使用了。单模态识别系统虽然取得了长足的进步，但仍然存在一些问题，例如：（1）易受数据获取时的（2）上；（3）部分单模态生物特征识别系统错误率仍然偏高和抗的能力不足等。因此，多模态融合的识别技术从近十年前开始得到重视。在国际上，.RosA.K.Jain2003年2005架以及信息融合方式做了系统的阐述，信息融合主要可以在传感器层、特征层、匹配值层、排序层38940414234445有更高的可靠性。在国内，理工大学[47]、交通大学[48]、国防科技大学[49]、浙江大学仅使用可见光下的图像设备获取特征，易受到等系统，且手部图像在生活中存在的可能。如图1所示，这是一张从网上可以直接搜索得到的活动，手部特征是非图像打印出来都可能一些传统的生物特征识别系统。因此，研究者们提出使用检测进行防范。检测，顾名思义就是判断被测对象是不是，即用来测定输入给识别系统的特征是否来自于某一个。在手部识别上，目前主要通过采用获取近红外光照射图像和分析自然光图像的纹高，可能会造成识别系统整体性能的下降。同时，检测只能保证所获取的生物特征是来源于活体的，这是不够的，因为用户可能会在被、被勉强甚至的状态下系统，可能会恐吓甚至用户来使用他们的生物特征系统[56][57]。在这些情况下，需要系统能够检测使图1.手部特征日常示在理性行为理论(TheoryofReasonedAction,TRA)中，意愿被定义为一个人为了达到一个目标所 知道了某个特定行为的信息 行生物特征录入时，可以额外记录一组特别的需要使用者配合的行为特征，作为判断使用者的Signature会议中首次提出[56]，并在2013年初的国际SCIputing上的中更为完整个意愿检测系统，分别使用的是人脸和虹膜特征。在人脸识别上，提出者使用了序列中无表情在序列中提取普通图像帧进行普通虹膜识别，而将眼动序列作为意愿签名进行识别。在不知道意愿签名的情况下，如果意图系统的人采取的是随机尝试方法，这两种系统都可以很好的提高执行各种动作的自动化机械设备，也可以对意愿检测系统进行，检测对达到这个层面也几乎是为力的。和检测的目的一样，意愿检测不是为了杜绝生物识别系统的，而是通过某种方法把的可能性降到最低，使试图系统的代价达到最高[57]。意愿检测和般情况下，能够通过意愿检测的生物特征可以认为是从在引导下执行了一定动作的对象上获得的，可以推测该生物特征很可能是从上获得的。因此，意愿检测可以在一定程度上解决检测所面对的问题。同时，因为可靠的意愿检测可以只采用单一的图像传感器完成，而可靠的检的科学问题值得深入研究。在这个研究方向上，一个问题是，应该使用什么样的意愿签名来进变化灵活性较低，因此提取意愿签名的提取关注点放在了手形上。手形本身主要是由手指轮廓构成的，而手指的摆放位置和可以执行的动作都具有非常大的灵活性，称之为手势手形Shape检测特征，把它们作为意愿签名的两个类别进行研究。这里提出手势手形的概念，是受到基于是静态图像或立体数据对手的不同进行识别，比如人们出的数字1到9、ok的手势和人上肢所划出的轨迹所表示的符号，例如包括数字1到9的书写、划勾和打叉等等，同时也包括了在数据中不断识别静态手势及其组合。在国际上，V.L.Pavlovic等和S.C.W.Ong等分别在1997年[58]2005年[59]对手势识别领域进行了总结和回顾，研究者们近几年又提出了诸多手势识别新方法。A.Chalechale等提取手势的二值图像的7个Hu矩，使用混合模型（GMM）对静态手势进行了识别[60]。XYinRCE神经网络对静态手势进行识别[61]。SMalassiotis3D3D手部数据提取几何特征，能够在变化的背景下实现对静态手势的识别[62]。最近，S.PPriyal等提出通过几何方法对视角变换和旋转与识别模块耦合的算法，使用该方法在没有得到很好的场景分割的情况下也能进行基于隐还被M.AL-Rousan等用于对手势语进行识别[65]。H.Ishida等利用规整方法，以及算法进行手部，并提取Hu矩特征和使用支持向量机（SVM）进行识别的方法，并构建了实方法。其他一些大学和也开展了相关研究工作，推动了该领域的发展。当考虑不同手指摆放进行组合和连续变化时所的处理问题，又会涉及到动态手势识别中的一些问题。因为移动设备计算资源目前的限制，这里首要关注的是静态手势手形识别，而2（a（a （a（b（c）但在意愿生物特征识别中，意愿签名是一个需要使用者的特征，这是否会给使用者造成额外的性和可靠性。在已有的识别系统中，也存在着一类将生物特征和结合使用的方式，同样是通过升级，意愿签名将原本独立的输入过程融入到了生物特征过程中。这种融入方式相比于独立的输入具有更好的安全性，增加了的难度。人们对移动设备的一个很明确的需求就是方便使用，这也使得与生物特诊同时的意愿签名的输入方式非常适合于实际的应用。探索研究，而在手部特征识别中还没有任何研究，因此，的研究将是对目前的意愿生物特征识掌纹和手势手形特征的提取和识别方法的研究也将是富和完善传统生物特征识别领域的研究。第三，针对智能移动设备的平台，重点研究高效鲁识别方法，而不是易受光照影响的人脸识别或受传感器限制的和虹膜等方法，具有良好的市场申请人从攻读博士 起，就一直从事掌纹识别、手形识别和融合识别等方面的研究，扎实地掌握了生物特征识别技术的基本理论与方法，做出的工作具有较强的创新性，目前已经在《IEEEranacosnageossingParnRcognin际CI上多篇[28[8083。申请者所在单位合肥物质科学在掌纹识别、手形识别和图像分割等模式识别的多个研究方向有长期的积累。申请者目前在合肥物质科学下属的核能安全技术从事核安全方面的实物保护研究工作，致力于物特征识别及相关技术，并应用于核安全等领域。本项目的部分成员来自合肥物质科学下属的合肥智能机械（为申请者攻读博士 期间所在研究单位的合作。申请者所在的研究团队，与国际国内一些研究单位和研究者，理工大学生物特征识别等，建立了密切的合作关系，这对本项目的成功实施，是非常有利的。 相信，通过项目成员间的充分合作、优势互补以及在有关专家和基金委的支持下，本项目一定能完成预期的目标，做出创新性的成果，交出一份令人满意的答卷。A.K.Jain,A.Ross,S.Prabhakar,“Anintroductiontobiometricrecognition,”IEEETransactionsonCircuitsandSystemsforTechnology,vol.14,no.1,pp.4-20,2004.D.Zhang,W.Zuo,F.Yue,“AComparativeStudyofPalmprintRecognitionAlgorithms”,ACMComputingSurveys,vol.44,no.1,Article2,pp.1-37,2012. A.Kong,D.Zhang,M.Kamel,“Asurveyofpamprintrecognition,”PatternRecognition,vol.42,no.7,pp.1408-1418,2009. G.Y.Chen,W.F.Xie,“PatternrecognitionwithSVManddual-treecomplexwavelets,”ImageandVisionComputing,vol.25,no.6,pp.960-966,2007. D.S.Huang,W.Jia,D.Zhang,“Palmprintverificationbasedonpripallines,”PatternRecognition,vol.41,no.4,pp.1316-1328,2008. P.Hennings-Yeomans,B.Kumar,M.Savvides,“Palmprintclassificationusingmultipleadvancedcorrelationfiltersandpapecificsegmentation,”IEEETransactionsonInformationForensicsandSecurity,vol.2,no.3,pp.613-622,2007. A.Kong,D.Zhang,“Competitivecodingschemeforpalmprintverification,”ProceedingsofICPR,vol.1,pp.520-523,2004. W.Jia,D.S.Huang,D.Zhang,“Palmprintverificationbasedonrobustlineorientationcode,”PatternRecognition,vol.41,no.5,pp.1504-1513,2008. J.Gui,W.Jia,L.Zhu,S.L.Wang,D.S.Huang,“Localitypreservingdiscriminantprojectionsforfaceandpalmprintrecognition,” puting,vol.73,no.13-15,pp.2696-2707,2010. Z.Khan,A.Mian,Y.Hu,“ContourCode:Robustandefficientmultispectralpalmprintencodingforhumanrecognition”,ProceedingsofICCV,vol.1,pp.1935-1942,2011. G.S.Badrinath,P.Gupta,“Stockwelltransformbasedpalm-printrecognition”,AppliedSoftComputing,vol.11,no.7,pp.4267-4281,2011. R.Cappelli,M.Ferrara,D.Maio,“AFastandAccuratePalmprintRecognitionSystemBasedonMinutiae”,IEEETransactionsonSystems,Man,andCybeics—PartB:Cybeics,vol.42,no.3, H.Imtiaz,S.A.Fattah,“Awavelet-baseddominantfeatureextractionalgorithmforpalm-printrecognition”,DigitalSignalProcessing,vol.23,no.1,pp.244-258,2013. H.Imtiaz,S.A.Fattah,“Ahistogram-baseddominantwaveletfeatureselectionalgorithmforpalm-printrecognition”,Computers&ElectricalEngineering,inpress,2013.Z.N.Sun,T.N.Tan,Y.H.Wang,S.ZLi,“Ordinalpalmprintrepresentation alProceedingsofCVPR,vol.1,pp.279-284,D.Zhang,V.Kanhangad,N.Luo,A.Kumar,“Robustpalmprintverificationusing2Dand3DPatternRecognition,vol.43,no.1,pp.358-368, J.Dai,J.Zhou,“Multifeature-BasedHigh-ResolutionPalmprintRecognition”,IEEETransactionsonPatternysisandMachineInligence,vol.33,no.5,pp.945-957,2011. L.Zhang,H.Li,“EncodinglocalimagepatternsusingRiesztransformsWithapplicationstopalmprintandfinger-knuckle-printrecognition”,ImageandVisionComputing,vol.30,no.12,pp.1043-1051,2012. X.Jing,S.Li,D.Zhang,C.Lan,J.Yang,“Optimalsubset-divisionbaseddiscriminationanditskernelizationforfaceandpalmprintrecognition”,PatternRecognition,vol.45,no.10,pp.3590-3602, X.Wang,J.Liang,M.Wang,“On-linefastpalmprintidentificationbasedonadaptiveliftingwaveletscheme”,Knowledge-BasedSystems,vol.42,pp.68-73,2013. M.Choras,R.Kozik,“Contactlesspalmprintandknucklebiometricsfor devices”,Patternysis&Applications,vol.15,no.1,pp.73-85,2012. M.Franzgrote,C.Borg,B.Ries,S.Bussemaker,X.Jiang,M.Fieleser,L.Zhang,“Palmprintverificationon phonesusingacceleratedcompetitivecode”,ProceedingsoftheInternationalConferenceonHand-basedBiometrics,2011.WeiJia,Rong-XiangHu,JieGui,Xiao-MingRen,“PalmprintrecognitionacrossdifferentSensors,vol.12,no.6,pp.7938-7964, N.Duta,“Asurveyofbiometrictechnologybasedonhandshape,”PatternRecognition,vol.42,no.11,pp.2797-2806,2009. R.Sanchez-Reillo,C.Sanchez-Avila,A.Gonzalez-Marcos,“Biometricidentificationthroughhandgeometrymeasurements,”IEEETransactionsonPatternysisandMachineInligence,vol.22,no.10,pp.1168-1171,2000. E.Yoruk,E.Konukoglu,B.Sankur,J.Darbon,“Shape-basedhandrecognition,”IEEETransactionsonImageProcessing,vol.15,no.7,pp.1803-1815,2006. R.M.Luque-Baena,D.Elizondo,E.Lopez-Rubio,E.J.Palomo,T.Watson,“Assessmentofgeometricfeaturesforindividualidentificationandverificationinbiometrichandsystems”,ExpertSystemswithApplications,vol.40,no.9,pp.3580-3594,2013. V.Kanhangad,A.Kumar,D.Zhang,“AUnifiedFrameworkforContactlessHandVerification”,IEEETransactionsonInformationForensicsandSecurity,vol.6,no.3,pp.1014-1027,2011. A.Ross,A.K.Jain,“Informationfusioninbiometrics,”PatternRecognitionLetters,vol.24,no.13,pp.2115-2125,2003. A.K.Jain,K.Nandakumar,A.Ross,“Scorenormalizationinmultimodalbiometricsystem,”PatternRecognition,vol.38,no.12,pp.2270-2285,2005. A.Kumar,D.Zhang,“ alrecognitionusinghand-shapeandtexture,”IEEETransactionsonImageProcess,vol.15,no.8,pp.2454-2461,2006. H.Dutagaci,B.Sankur,E.Yoruk,“Comparativeysisofglobalhandappearance-basedrecognition,”JournalofElectronicImaging,vol.17,no.1,pp.011018:1-19,2008.S.Ribaric,I.Fratric,“AbiometricidentificationsystembasedoneigenpalmandeigenfingerIEEETransactionsonPatternysisandMachineInligence,vol.27,no.11,pp.1698-1709, G.K.O.Michael,T.Connie,A.T.B.Jin,“Aninnovativecontactlesspalmprintandknuckleprintrecognitionsystem,”PatternRecognitionletters,vol.31no.12,pp.1708-1719,2010. J.G.Wang,W.Y.Yau,A.Suwandy,E.Sung,“ recognitionbyfusingpalmprintandpalmveinimagesbasedon“Lacianpalm”representation,”PatternRecognition,vol.41,no.5,pp.1514-1527,L.Wang,G.Leedham,S.Y.Cho,“Minutiae ysisforinfraredhandveinpatternPatternRecognition,vol.41,no.3,pp.920-929,T.Savic,N.Pavesic, alrecognitionbasedonanimageofthepalmarsurfaceofthePatternRecognition,vol.40,no.11,pp.3152-3163, L.Q.Zhu,S.Y.Zhang,“Multimodalbiometricidentificationsystembasedonfingergeometry,knuckleprintandpalmprint,”PatternRecognitionLetters,vol.31,no.12,pp.1641-1649,2010.G.K.O.Michael,T.Connie,A.B.J.Teoh,“AcontactlessbiometricsystemusingmultiplehandJournalofVisualCommunicationandImageRepresentation,vol.23,no.7,pp.1068-1084,D.Zhang,Z.Guo,G.Lu,L.Zhang,Y.Liu,W.Zuo,“OnlinejointpalmprintandpalmveinExpertSystemswithApplications,vol.38,no.3,pp.2621-2631,，学 K.Yang,E.Y.Du,Z.Zhou,“Anewapproachforwillingnesstestinbiometricsystems”,ProceedingsofSPIE,vol.8063,pp.80630K:1-7,2011.K.Yang,E.Y.Du,Z.Zhou,“Consent puting,vol.100,pp.153-162, V.I.Pavlovic,R.Sharma,T.S.Huang,“VisualInterpretationofHandGesturesfor Inction:AReview”,IEEETransactionsonPatternysisandMachineInligence,vol.19,no.7,pp.677-694,1997. S.C.W.Ong,S.Ranganath,“AutomaticSignLanguageysis:ASurveyandtheFuturebeyondLexicalMeaning”,IEEETransactionsonPatternysisandMachineInligence,vol.27,no.6,pp.873-891,2005. A.Chalechale,F.Safaei,G.Naghdy,P.Premaratne,“Handpostureysisforvisual-basedhuman-machineinterface”,ProceedingsoftheWorkshoponDigitalImageComputing,pp.91-96,2005.X.Yin,M.Xie.,“Fingeridentificationandhandposturerecognitionforhuman-robot ImageandVisionComputing,vol.25,no.8,pp.1291-1300, S.Malassiotis,M.G.Strintzis,“Real-timehandposturerecognitionusingrangedata”,ImageandVisionComputing,vol.26,no.7,pp.1027-1037,2007. S.P.Priyal,P.K.Bora,“Arobuststatichandgesturerecognitionsystemusinggeometrybasednormalizationsandkrawtchoukmoments”,inpress,2013. R.Yang,S.Sarkar,“Coupledgrouandmatchingforsignandgesturerecognition”,ComputerVisionandImageUnderstanding,vol.113,no.6,pp.663-681,2009. M.AL-Rousan,K.Assaleh,A.Tala’a,“ -basedsigner-tArabicsignlanguagerecognitionusinghiddenMarkovmodels”,AppliedSoftComputing,vol.9,no.3,pp.990-999,2009. H.Ishida,T.Takahashi,I.Ide,H.Murase,“AHilbertwarmethodforhandwritinggesturerecognition”,PatternRecognition,vol.43,no.8,pp.2799-2806,2010. P.Premaratne,S.Ajaz,M.Premaratne,“HandgesturetrackingandrecognitionsystemusingLucas–Kanadealgorithmsforcontrolofconsumerelectronics”, puting,inpress,2013. Rong-XiangHu,WeiJia,DavidZhang,JieGui,Liang-TuSong,“Handshaperecognitionbasedoncoherentdistanceshapecontexts”,PatternRecognition(PR),vol.45,no.9,pp.3348-3359,2012. Rong-XiangHu,WeiJia,YangZhao,JieGui,“Perceptuallymotivatedmorphologicalstrategiesforshaperetrieval”,PatternRecognition(PR),vol.45,no.9,pp.3222-3230,2012. Rong-XiangHu,WeiJia,Hai-BinLing,De-ShuangHuang,“Multiscaledistancematrixforfastshaperecognition”,IEEETransactionsonImageProcessing(TIP),vol.21,no.11,pp.4667-4772,2012. WeiJia,Rong-XiangHu,“HistogramofOrientedLineforPalmprintRecognition”,IEEETransactionsonSystems,Man,andCybe ics:Systems(TSMC-S).Tobeappear.检测的问题。同时，考虑到使用者会配合拍摄，也可以不重点关虑大的旋转问题。与一般掌纹和手形识别系统不同的是，智能移动设备所的使用环境是不固定的，因此图像背景是存在意愿生物特征识别是近期一个新研究方向，相关的研究工作还远没有深入开展，特别是在基于手部的生物特征的意愿检测方面，目前还没有见到任何相关的。从目前来看，本项目的考虑到智能移动设备的处理能力，以及为了实现实时性的认证，本项目首先主要研究静态意愿生物特征识别。从到的图像中精确分割出静态手部图像后，可以提取出手指部分的轮廓，也将研究动态意愿生物特征识别，但是此方面的研究可能会比较初步，不直接对进行识别，需要从拍摄的图像中提取出多帧静态图像进行识别。这里的识别目的也有两个，一是从主要有两个方面，一是图像中的稳定状态的提取，可以参考传统的动态手势识别中的方法，但合意愿检测结果和生物特征识别结果的方法也是的研究内容之一。通过实验进试和验证。本项目中，掌纹识别和手形识别新方法仍然是要继续研究的。在掌在动态的意愿生物特征识别中，已经考虑到了一些融合的识别方法，但那仅仅是融合方法综上所述，高效鲁棒的掌纹识别与融合掌纹和手势手形的生物特征识别方法将会是研究内因此，围绕研究目标的相关图像和数据库建设也是本项目的重要研究内容之一。这里主要需要来的应用平台。特别的，这里手势手型数据同时需要保证掌纹信息的完整获取。通过图像和3所示，首先将初步开展基于手势手形的意愿签名的分类和可用性研究，指导图像数据工作，其次开展近距离复杂背景中手部精确分割方法研究，并获得分割4所示，初步考虑可以确定两类静态手势区分态意愿签名在静态意愿签名的基础上进行构建，首先要分析的是任意两个静态手势之间的转换问题，包括实现难易度和转换过度状态的影响。其次要确定的是动态签名的组合长度问题，如使用两个、三个或者的静态手势，需要考虑的是实现的难易度和实际使用的时间限制。通过以上问题的分 进行图像数据。（c考虑到研究的完整性和现实的研究进度的影响，拟根据图像背景是否为真实复杂场景，构建两个图像数据库和两个数据库。其中一个图像数据库和数据库为真实复杂场景下，用于分割方法和后续研究的开展。但考虑到算法性能的比较以及在分割方法不如预期时可以不影响后续的研究，同时在简单背景下同样规模的图像和数据库。拟采用四种不同分析，共确定了可用的M种静态手势和N种动态手势，则依次分别会构建以下四个数据库。数据库1为复杂背景下的静态手势数据库，拟100人的手势图像，可在室外或者室内拍摄（10010224M，数据库2为简单背景下的静态手势数据库，拟100人的手势图像，在室内拍摄获得。分两次同一个人的图像，两次的间隔约为2～4周。拟分别每次每人左右手图像各10张。（10010224M，数据库3为复杂背景下的动态手势数据库，拟100人的手势，可在室外或者室内各5段。则该数据库共包括8000×N段（1005224N，主要用于复杂背景下手部数据库4为简单背景下的动态手势数据库，拟100人的手势，在室内拍摄获得。则该数据库共包括8000×N段（1005224N，主要用于识别算法研究和对比实验。空间上，构建肤色分布模型，如模型和椭圆模型，但因为它们对于经验数据和训练集的依赖程以通过先验信息获得手掌区域的手部肤色数据，从而进行分析和统计获取有用的即时信息，并利用这些即时信息进行肤色模型调整，如调整椭圆模型的点等，并利用调整后的模型进行自适SetModel）都可以采用。在使用这些方法前，需要先从选择特定类型的训练图像，从中提取出手形23个检索结果作为备选的细化形状模型。以肤色分割结果作为细化分割方法比较而言，意愿检测比识别问题要简单一些，可以提取经典的几何特征、不变矩特征和描述 [80]，方法对于手指摆放不同造成的手指间谷部非弹性形变更为鲁棒，具有更好的识别性能，但计 只有通过了意愿检测的轮廓才考虑识别结果，否则两个结果使用信息融合的方式获得最果。排序层和决策层中进行选取。常见的匹配值层方式包括分类器策略的支持向量机（SupportVectorSVMRuleRankCountotingSpace(DempsterShaferTheoryofEvidence)、与规则（ANDRule）以及或规则(ORRule)等。在智能移动设备上，可能会在不同光照条件下进行掌纹。例如在昏暗的光照条件下，掌纹重要的作用。期的研究中，本项目团队所在的成员提出基于改进的有限Radon变换（ModifiedFinidonTransformMFRAT）掌纹主线提取算法，具有较好的效果（见立项依据参考属于主线，往往成为噪声。为了克服这一问题，拟提出一个两步骤的掌纹主线提取算法。第一MFRAT提取掌纹主线，第二步使用线的宽度修正方法，把提取的主线修正为同样宽度Gabor滤波器进行第二次的掌纹主线提取，去消除噪声，这种特征提取类似于使用Gabor滤波器提取脊线，预计将会有非常好的效果。除了主线提取外，也将在主线的匹配HistogramofOrientedLine(HOL)，具]CellBlock中计算直方图。但由于掌纹主要包括的是线特征，因此采用长方形线状CellBlock会有更好的特征提取效果，拟采用此策略，并使用旋转策略，提取不同旋转角度和不同高度的HOL特征，将有可能进一步提高识别精度。从已有的研究结果看，掌纹识别的准确性比手形识别高，为此，考虑在构成的融合掌纹和手势手形的系统分配给掌纹特征的权重，构成完整的融合系统。信息融合方式也主要在匹配值Rule申请人攻读博士期间，在合肥智能机械进行课题研究（学籍科技大学。博士毕业后进入核能安全技术继续从事生物特征识别、图像处理和模式识别等方面的研究工作。两个单位同属于合肥物质科学，而且相邻。项目组的部分主要成员来自合肥智能机械，长期从事机器学习、模式识别和图像处理等方面的研究，项目组其他主要成员为核能安全技术仿真部成员，主要从事智能计算、图像处理和算法实现相关工作。申请人攻读博士期间就从事掌纹识别和手形识别相关研究，项目组的主要成员，博士生已经签订工作协议，毕业后进入核能安全技术工作，这些成员的长期稳定工作，有利于本项究团队及研究人员保持了一定的联系。例如，与理工大学生物特征识别建立了较为密切的合作关系，相关人员已经多次前往该进行了。们建库时考虑到了可能出现的延误，同时建立了简单背景下的图像和库，从而保证了其他重要 静态和动态意愿检测等多方面的研究，但紧紧围绕着构建智能移动设备上融合掌纹和手势手使用平板电脑或者智能的头拍摄清晰的近距离手部图像是没有任何问题的。在之前的研究 使用摩托罗拉ME525拍摄了包含完整人手的图头也是500万像素，而苹果5和三星GalaxyNoteIIN7100等智能的头素更是达到了800万像素或更高。因此，本项目所基于手部信息的意愿生物特征识别从数据两次12000幅图像，建立了一个小规模的移动设备手掌图像数据库。这些工作使得在图像息融合的研究方面具有一定的基础，近几年来，在上述几个研究方向SCI多篇，这些为今期的研究中，掌握了多种主流的掌纹识别、手形识别和信息融合相关算法，并对这些算法有着深刻的理解。同时，也密切国际相关研究领域的发展。因此，本项目所制定的技术方案既反映了对已有技术的理解和把握，也反映了对领域发展前沿的一本项目制定的技术方案，主要是原有工作的提升和改进，在已有方法的基础上，针对同类从上述分析可知，对于本项目的研究，（1）20141月～20144月：研究静态和动态手势手形的分类和可使用性，通过分析确定静态意愿签名和动态意愿签名形式，确定数据库详细方案，投稿EI会议1篇。志1篇，投出EI会议1篇。（5）2015年4月～2015年9月：进行手势手形意愿生物特征识别方法研究工作，撰写SCI论文1篇，投出EI会议1篇。EI会议1篇期一个月的研究撰写SCI2篇，投出EI会议1篇。5篇。在国际重要学术会议上EI3～5篇培养博士和1～2名申请人在攻读博士期间在合肥物质科学合肥智能机械进行研究工作，特征识别和基于形状特征的目标检索和识别，了多篇国际SCI和国际会议。申请者目前所在的合肥物质科学核能安全技术仿真部一直从事智能计算和图像处理国际SCI和会议多篇。上述这些工作，为本项目的顺利实施奠定了良好的基础。本项对多种智能移动设备上的掌纹识别问题进行研究，了100人左右手共12000张的数据集，见图6。提出了一种鲁棒的计算掌纹宽度并对掌纹图像进行有效的方法。在此基础上，比较了多种常见识别方法在三种设备上获得的图像的识别性能，确定了基于方向编码的方法可以获得最佳的识别效果，见表1。该工作在国际SCI《Sensors》[1]。因为手指摆放位置引起的不规则形变的问题，经典的形状上下文方法（ShapeContexts）和改进的基于距离的形状上下文方法（Inner-distancesShapeContexts）直接用于手形识别都无法获得可接受的识别性能。提出了比较轮廓点间距离和欧式距离的一致性距离，并构建一致性距离CDSC7可见，鲁棒的距离特征主要集中在手指区域。在确定最优参数和进行匹配方法优化后，该方法可以实时的对手形进行有效识别。在的200人规模的数HistogramofGradientHOG)Gabor滤波RadonHistogramofOrientedLin（HOL子空间算法的识别率与其他方法的识别的比较见表3。该工作最近已经被国际SCI《IEEETransactionsonSystems,Man,andCybeics:Systems》录用[3]。植物叶片主要以形状特征进行区分，但自然叶片图像具有旋转角度的不同，并因为形状变化的不规则难以。 提出一种具有旋转不变形、镜像对称不变形和尺度不变形的多尺度距离矩阵特征（MutiscaletaceMatxM图8离的排序矩阵，并进行不同的，结合使用基于子空间的特征提取方法，可以对植物叶片进行有的3个0表4际SCI《IEEEsacosonmageProessig》4。.（a检索增强算法进一步提高系统性能。提出一种基于形态学策略的增强方法，以格式塔原理为依 量；然后，针对umMargriterion（MMC）这一重要的基于矢量的子空间算法，提出（TMMC数据库上的识别率如表6和表7所示。该项工作在国际SCI《puting》[6]。LB（LocaPatternLB（LocaCount构是不同意义的，宏观纹理结构特征是通过微观结构的大量重复和统计来描述的。LBP很好地刻画更加简便高效。该项工作在国际SCI《IEEETransactionsonImageProcessing》[7]。图9.LBC示例(P=8,在纹理局部算子LBP（LocalBinaryPattern）的一些改进性工作的基础上做了些新的改进，提出了CRLBP(CompletedRobustLBP)算子。LBP是简单高效的局部纹理算子，但二值化过程损失了很多灰度差异的细节信息，同时LBP以像素灰度值直接作为二值化阈值，抗噪性较差。Tan等人提出LTP(LocalTernaryPattern)把二值模式提高到三值模式，提高了抗噪性，但是人为引入的新阈值使得算子不再对全局灰度变化鲁棒。Guo等人提出了一种完备的LBP框架来增加判别信息，即CLBP(CompletedLBP)。但是CLBP仍然使用像素灰度作为阈值，抗噪性差，同时CLBP还是会混 智能计算提出一种基于改进的有限Radon变换（英文名称为ModifiedFini ransform(MFRT)中主线和线的能量，通过像素的线能量和方向等信息，可有效去除褶皱线，进而可以准确的提取掌纹主线特征。通过的算法，较好的解决了在掌纹图像比较复杂的情况下（如含有很多、很长而且能量较强的线的时候）提取掌纹主线；也通过试验证明了掌纹主线也具有较强的辨别性能。图10与图11展示了使用方法提取掌纹主线的结果，图12是基于主线的掌（c（d11.提取掌纹主线结果展示。（a）掌纹原图像,此图像中主线较为明显,褶皱较少,（b）使用的方法提取（a）图中掌纹主线,（c）掌纹原图像,此图像中主线褶皱能量较强,（d）使用的方法提MFRAT算法，能准确的提取线方向特征，而且能较和其他几种方法的ROC曲线比较。该项工作在国际SCI《PatternRecognition》[10]。13CompetitiveCodeRLOC特征的比较。(a)掌纹原图像(b)CompetitiveCode(c)14.使用ROCRLOC该模型由本智能计算研究人员提出，属于基于水平集方法的图像分割范畴。通过使用局LCV（5LCVChnVese(CV分割图像，而且对于初始轮廓和控制参数的选择也不敏感。该项研究成果在国际SCI《PatternRecognition》[11]受到局部二元模式（LBP）的启发，提出一种新的形状特征二元角度模式（BinaryAngularPatternBAP），16BAP示例，左右两个轮廓点的角可以非常有效的进行形状检索。作为一种基于全局特征的检索方法，所方法效率很高，同时又达到了效率较低的基于局部特征的检索方法的检索有效性，见表9，因此非常适于实际的形状检索应用。该工作投往国际SCI《IEEETransactionsonImageProcessing》，目前在第三轮审稿除了以上的工作，还在图像分割、特征提取、聚类方法、识别方法等多个方面的研究有较多的工作积累了[13-24]，为本项目的工作顺利开展奠定了良好的基础。WeiJia,Rong-XiangHu,JieGui,Xiao-MingRen,“PalmprintrecognitionacrossdifferentSensors,vol.12,no.6,pp.7938-7964,Rong-XiangHu,WeiJia,DavidZhang,JieGui,Liang-TuSong,“Handshaperecognitionbasedoncoherentdistanceshapecontexts”,PatternRecognition(PR),vol.45,no.9,pp.3348-3359,2012.WeiJia,Rong-XiangHu,“Histogramoforientedlineforpalmprintrecognition”,IEEETransactionsonSystems,Man,andCybe ics:Systems(TSMC-S),Tobeappear.RongxiangHu,WeiJia,Haibinling,DeshuangHuang,“Multiscaledistancematrixforfastshaperecognition”,IEEETransactionsonImageProcessing(TIP),vol.21,no.11,pp.4667-4772,2012.Rong-XiangHu,WeiJia,YangZhao,JieGui,“Perceptuallymotivatedmorphologicalstrategiesforshaperetrieval”,PatternRecognition(PR),vol.45,no.9,pp.3222-3230,2012.RongxiangHu,WeiJia,DeshuangHuang,YingkeLei,“ ummarg riterionwithtensor puting,vol.73,no.10-12,pp.1541-1549,2010.YangZhao,De-ShuangHuang,WeiJia,“Completedlocalbinarycountforrotationinvarianttextureclassification”,IEEETransactionsonImageProcessing(TIP),vol.21,no.10,pp.4492-4497,2012.YangZhao,WeiJia,Rong-XiangHu,HaiMin,“CompletedRobustLocalBinaryPatternforTexture puting.Tobeappear.De-ShuangHuang,WeiJia,DavidZhang,“Palmprintverificationbasedonpr ipallines”,PatternRecognition(PR),vol.41,no.4,pp.1316-1328,2008.WeiJia,De-ShuangHuang,DavidZhang,“PalmprintverificationbasedonrobustlineorientationPatternRecognition(PR)vol.41,no.5,pp.1504-1513,XiaofengWang,De-ShuangHuang,HuanXu,“AnefficientlocalChan-Vesemodelforimagesegmentation”,PatternRecognition(PR),vol.43,no.3,pp.603-618,2010.Rong-XiangHu,WeiJia,De-ShuangHuang,“Angularpatternandbinaryangularpatternforefficientshaperetrieval”,submittedtoIEEETransactionsonImageProcessing(TIP).(Thirdreview).Can-YiLu,HaiMin,JieGui,LinZhu,Ying-KeLei,“FacerecognitionviaWeightedSparseRepresentation”,JournalofVisualCommunicationandImageRepresentation,vol.24,no.2,pp.111-116,HaiMin,Xiao-FengWang,andYing-KeLei,“Anovellevelsetmodelbasedonlocalinformation”,InternationalConferenceonInligentComputing,pp.507-514,2009.JieGui,WeiJia,LinZhu,ShulingWang,DeshuangHuang,“Localitypreservingdiscriminantprojectionsforfaceandpalmprintrecognition”, puting,vol.73,no.13-15,pp.2696-2707,2010.WeiJia,De-ShuangHuang,DachengTao,DavidZhang,“Palmprintidentificationbasedondirectionalrepresentation”,IEEEInternationalConferenceonSystems,Man,andCybeics,pp.1562-1567,2008.Yi-HaiZhu,WeiJia,Ling-FengLiu,“Palmprintrecognitionusingband-limitedphase-onlycorrelationanddifferentrepresentations”,InternationalConferenceonInligentComputing,pp.270-277,2009.BoLi,Chun-HouZheng,De-ShuangHuang,“Locallylineardiscriminantembedding:Anefficientmethodforfacerecognition”,PatternRecognition(PR),vol.41,no.12,pp.3813-3821,2008.BoLi,De-ShuangHuang,ChaoWang,Kun-HongLiu,“Featureextractionusingconstrained variancemap”,PatternRecognition(PR),vol.41,no.11,3287-3294,2008.WeiJia,Hai-YangCai,JieGui,Rong-XiangHu,Ying-KeLei,Xiao-FengWang,“NewbornFootprintRecognitionUsingOrientationFeature”,NeuralComputing&Applications,vol.21,no.8,pp.1855-1863,Xiao-FengWang,De-ShuangHuang,“Anoveldensity-basedclusteringframeworkbyusinglevelsetmethod”,IEEETransactionsonKnowledgeandDataEngineering(TKDE),vol.21,no.11,pp.1515-1531,De-ShuangHuang,Ji-XiangDu,“Aconstructivehybridstructureoptimizationmethodologyforradialbasisprobabilisticneuralworks”,IEEETransactionsonNeuralworks(TNN),vol.19,no.12,pp2099-2115,2008.WeiJia,JieGui,Rong-XiangHu,Ying-KeLei,“PalmprintRecognitionUsingKernelSpectralRegressionDiscriminantysisandHOGRepresentation”,InternationalWorkshoponEmergingTechniquesandChallengesforHand-BasedBiometrics,pp.1-6,2010.JieGui,ZhenanSun*,WeiJia,RongxiangHu,YingkeLei,ShuiwangJi,“Discriminantsparseneighborhoodpreservingembeddingforfacerecognition”,PatternRecognition(PR),vol.45,no.8,pp.2884-2893,2012.途径，包括利用国家、国家重点和部门开放等研究基申请人目前所在的合肥物质科学核能安全技术仿真部在智能计算和图像处的积累，开发了具有自主知识的实用软件。项目组主要成员所在的合肥智能机械智能计算在智能信息处理和神经网络理论及其应用的相关领域也具备了一定的工作经验和基础。近年来，该已经在模式识别和图像信息处理等方面做了一些工作。特别地，该有识别、人脸识别、婴幼儿脚纹识别、笔迹识别等应用基础方面的研究。目前，该已经建立了本项目针对智能移动设备上的图像和处理问题进行研究，目前尚缺少符合项目潜在应用环境的多种多台智能移动设备进行和实际性能效率的计算验证，拟通过使用设备费进行码相机1台，具有基本的和算法计算验证能力。申请人所在的合肥物质科学研pCPU2TGPU，可以对其进行计算租用，为进行大规模实金项目（项目名称及批准号）完成情况、后续及与本申请项目的关系加以详细说明。另附该已结题项目研究工作总结（限500字）和相关成果的详细）2008/09-2012/03，科学技术大学，信息科学技术学院自动化系，博2006/09-2008/08，科学技术大学，信息科学技术学院自动化系，2002/092006/06，合肥工业大学，计算机与信息学院，学士RongxiangHu,WeiJia*,DeshuangHuang,YingkeLei,“ ummargriterionwithtensor puting,vol.73,no.10-12,pp.1541-1549,2010.(SCI)Ying-KeLei,Zhi-GuoDing,Rong-XiangHu,Shan-WenZhang,WeiJia*,“Orthogonallocalsplinediscriminantprojectionwithapplicationtofacerecognition”,PatterRecognitionLetters,vol.32,no.4,pp.615-625,2011.(SCI)WeiJia,Hai-YangCai,JieGui*,Rong-XiangHu,Ying-KeLei,Xiao-FengWang,“NewbornFootprintRecognitionUsingOrientationFeature”,NeuralComputing&Applications,vol.21,no.8,pp.1855-1863,2012.(SCI)Rong-XiangHu,WeiJia*,DavidZhang,JieGui,Liang-TuSong,“Handshaperecognitionbasedoncoherentdistanceshapecontexts”,PatternRecognition,vol.45,no.9,pp.3348-3359,2012.(SCI)Rong-XiangHu,WeiJia*,YangZhao,JieGui,“Perceptuallymotivatedmorphologicalstrategiesforshaperetrieval”,PatternRecognition,vol.45,no.9,pp.3222-3230,2012.(SCI)WeiJia,Rong-XiangHu*,JieGui,Xiao-MingRen,“PalmprintrecognitionacrossdifferentSensors,vol.12,no.6,pp.7938-7964,2012.Rong-XiangHu,WeiJia*,De-ShuangHuang,“MultiscaledistancematrixforfastshapeIEE