生物特征识别与应用
研究背景
生物特征识别是根据生理特征（人脸、指纹、虹膜、人耳、掌纹、静脉等）和行为特征（笔迹、步态、声纹等）实现身份认证的技术，被广泛应用各种身份认证和信息加密识别等领域。中心围绕生物特征识别相关理论、技术及其相关应用，开展了包括人脸、虹膜、指纹、人耳、掌纹、静脉、笔迹等生物系列生物特征识别与应用，在生物特征伪造识别与检测，生物特征活体检测与识别、多应用场景生物特征识别技术与系统、生物特征获取与相关传感器、模组及芯片技术，身份认证系统的安全性，用户使用的舒适性、方便性，用户隐私权保护等取得系列成果，和相关企业开展多项合作，并实现成果转化和产业化应用。
基于深度引导注意力的双流人脸活体检测网络
针对单一模态图像难以描述人脸复杂性变化的问题，提出一种基于特征重标定的多模态人脸活体检测算法，利用基于注意力融合的差分卷积网络分别提取不同模态下的图像特征，通过特征重标定模块实现图像信息的互补融合，改进了单一模态图像特征描述的局限性，提高了人脸活体检测的准确率。
基于关键点特征融合的屏下指纹识别技术
针对指纹图像因采集面积过小引起的细节特征点过少的问题，设计了一种基于细节点特征与关键点特征的融合特征提取算法，采用FingerNet 神经网络提取细节点特征，利用 PCA-SIFT 算法提取关键点特征融合，获得指纹图像中具有特异性、鲁棒性与代表性的特征信息。
基于不可分小波的虹膜识别技术
针对虹膜纹理丰富，细节复杂的特性，提出利用不可分小波变换的高频分量刻画虹膜纹理图像中的体现纹理变化的方向信息，并设计了旋转不变的虹膜纹理特征和匹配方法，显著提升了虹膜识别的准确度。
基于树状结构的图网络人耳识别技术
针对人耳易遮挡，难以定位和提取可辩别特征，提出了基于三维的耳朵定位、检测和姿势分类，并设计了用树结构图来表示三维耳朵的特征提取算法，实现了人耳的高精度识别。
多特征融合的笔迹识别
构建了笔迹特征数据库，并开发了基于小波的笔迹鉴定算法，实现了手写体高精度识别。
工程化成果及应用
研究成果获授权专利10余项，开发了系列生物特征识别的模组和软硬件，包括屏下指纹识别模块、人脸活体检测模组、远距离虹膜模组等多项。屏下指纹在国内多款手机商用；人脸识别用于高档小区的智能门禁；虹膜用于部分城市地铁和银行。
-
智能门锁识别系统，解决了光照、表情、遮挡、等因素对人脸识别带来的影响。
-
远距离虹膜识别模组
