层次化虹膜图像分类方法

现有的虹膜识别方法都以眼睛为最小粒度进行类别划分，本项目旨在变革虹膜识别的传统模式，研究面向身份识别应用需求的层次化虹膜图像分类问题，例如活体检测（真假虹膜图像分类）、种族识别（亚洲人/欧洲人/非洲人虹膜图像分类）和由粗到精虹膜识别（大规模虹膜检索库的粗分类）。本项目从数据平台、理论方法和应用示范等多个方面系统研究了层次化虹膜图像分类问题，建设了大规模、有特色的虹膜图像库并在120个国家和地区的8000多个科研团队推广应用；提出了基于层次化视觉词典的虹膜分类方法，采用统一框架解决活体检测、种族识别、虹膜粗分类三个科学问题，在亚洲人/非亚洲人虹膜图像的高精度分类实验结果证明虹膜基元的统计特征和种族、基因等存在相关性；另外本项目提出了基于机器学习的虹膜边缘定位和分割方法、基于线性规划特征选择的虹膜图像特征分析方法、基于个性化加权图的虹膜特征比对策略、低质量（斜眼、模糊、低分辨率）虹膜图像识别等创新方法，提高了虹膜识别精度、鲁棒性和实时性。本项目的科学意义在于建立比较系统的层次化虹膜分类理论与方法，实用价值体现于虹膜识别科研成果在煤矿、银行、监狱等领域得到实际应用。本项目出版3部英文编著，在国际期刊发表6篇论文（其中在国际模式识别领域的权威刊物IEEE Transactions on PAMI发表2篇长文），在国际会议发表16篇论文，在国内会议发表3篇论文。本项目申请10项发明专利，其中3项已经授权。