生物特征识别学科发展报告

从手机解锁、小区门禁到餐厅吃饭、超市收银,再到高铁进站、机场安检以及医院看病,人脸、虹膜和指纹等生物特征已成为人们进入万物互联世界的数字身份证。生物特征识别赋予机器自动探测、捕获、处理、分析和识别数字化生理或行为信号的高级智能,是一个典型而又复杂的模式识别问题,一直处于人工智能技术发展前沿,在新一代人工智能规划、“互联网+”行动计划等国家战略中具有重要地位。由于生物特征识别涉及公众利益攸关的隐私、道德和法律等问题,近期也引起了广泛的社会关注。本文系统综述了生物特征识别学科发展现状、新兴方向、存在问题和可行思路,深入梳理了人脸、虹膜、指纹、掌纹、静脉、声纹、步态、行人重识别以及多模态融合识别的研究进展,以人脸为例重点介绍了生物特征识别领域近些年受到关注的新方向——对抗攻击和防御、深度伪造和反伪造,最后剖析总结了生物特征识别领域存在的3大挑战问题——“感知盲区”、“决策误区”和“安全红区”。本文认为必须变革和创新生物特征的传感、认知和安全机制,才有可能取得复杂场景生物识别学术研究和技术应用的根本性突破,破除现有生物识别技术的弊端,朝着“可感”、“可知”和“可信”的新一代生物特征识别总体目标发展。     

融合上下文和多尺度特征的胸部多器官分割

目的 肿瘤周围高危器官的准确分割是图像引导放射治疗中的关键步骤,也是对抗肺癌和食道癌,规划有效治疗策略的重要组成部分。为了解决不同患者之间器官形状和位置的复杂变化情况以及计算机断层扫描（computed tomography,CT）图像中相邻器官之间软组织对比度低等问题,本文提出了一种深度学习算法对胸部CT图像中的高危器官进行细分。方法 以U-Net神经网络结构为基础,将冠状面下的3个连续切片序列即2.5D （2.5 dimention）数据作为网络输入来获取切片联系,同时利用高效全局上下文实现不降维的跨通道交互、捕获单视图下切片序列间的长距离依赖关系、加强通道联系和融合空间全局上下文信息。在编码部分使用金字塔卷积和密集连接的集成提取多尺度信息,扩大卷积层的感受野,并将解码器与编码器每层进行连接来充分利用多尺度特征,增强特征图的辨识度。考虑到CT图像中多器官形状不规则且紧密相连问题,加入深度监督来学习不同层的特征表示,从而精准定位器官和细化器官边界。结果 在ISBI （International Symposium on Biomedical Imaging）2019 SegTHOR （segmentation of thoracic organs at risk in CT images）挑战赛中,对40个胸部多器官训练样本进行分割,以Dice系数和HD （Hausdorff distance）距离作为主要评判标准,该方法在测试样本中食道、心脏、气管和主动脉的Dice系数分别达到0.855 1、0.945 7、0.923 0和0.938 3,HD距离分别为0.302 3、0.180 5、0.212 2和0.191 8。结论 融合全局上下文和多尺度特征的算法在胸部多器官分割效果上更具竞争力,有助于临床医师实现高效的诊断与治疗。     

基于三维直方图的立体图像层次化分割算法

由于立体图像噪声强度与边界信息的不确定性,若仅考虑图像局部或全局信息会导致过分割现象,影响图像处理效果.为改善立体图像分割效果,提出三维直方图的立体图像层次化分割算法.根据模糊集特性,将图像表示为模糊矩阵形式,计算加权平均值,构造模糊中值图像;采用自适应阈值小波方法,获取噪声方差和一级尺度参数对图像进行划层次去噪;定义图像局部对比度与局部梯度,在亮度级与边缘级基础上,对不同像素类别进行划分,获取像素同一性特征;通过三维直方图方式,获得三维单元频率,将其分割为八个立方体区域,找出与目标、背景对应部分,结合评价函数选取最佳阈值,完成立体图像层次化分割.仿真结果表明,所提算法抗噪性能良好,边缘贴合度较高,可提供更多关于背景与目标的特征信息.     

信息背景下AR动态图像轮廓特征匹配拼接仿真

为提升AR动态图像轮廓特征匹配准确性,扩展图像拼接技术的应用领域,满足信息背景下的计算机视觉与图像处理需求,提出一种AR动态图像轮廓特征匹配拼接方法.通过滤波处理、平滑与边缘锐化以及几何校正阶段,完成图像预处理,划分图像为左边缘及右边缘,搜索不间断边缘点上的全部轮廓点,基于方向性约束与灰度相关性约束获取最优轮廓匹配点,利用特征向量信息实现匹配检验与轮廓特征匹配,根据图像梯度场,引导插值拼接区域,转换图像拼接问题为最小化目标函数问题,采用泊松融合完成AR动态图像轮廓特征匹配拼接.从无标准参考与有标准参考两种图像角度,使用不同的评估指标来评价拼接图像质量,仿真结果表明,所提方法具有明显的配准优越性与较好的拼接效果,有效性与适用性相对理想,能够满足信息背景下图像处理需求.     

基于报文特征的DNS隐信道检测技术研究

现有的DNS隐信道检测算法大多数依赖多次的DNS信息交互数据,然而在大规模流量的网络环境中,DNS数据难以收集完整并分流,从而导致检测模型失效.针对上述问题,提出了一种基于单次DNS请求和响应报文特征的DNS隐信道检测模型,并分析并提取了 DNS请求与响应报文多维度的长度和字符特征,最终提取19维特征,并使用四种机器学习算法进行分类,其中J48决策树综合结果最好,对DNS隐信道检测率为99.4％,误检率为0.2％,同样情况下对比算法的检测率为98.5％,误检率为0.8％.实验结果表明,在基于单次DNS请求和响应报文数据的情况下,提出的模型对DNS隐信道具备不错的检测能力,且检测效果优于对比算法.     

CT图像局域阴影特征小波阈值提取方法

利用当前方法对CT图像局域阴影特征提取时未对CT图像进行预处理,存在峰值信噪比低、ROC曲线低和特征分离度低的问题.提出CT图像局域阴影特征小波阈值提取方法,该方法确定小波阈值后对CT图像进行去噪,同时利用线性、分段线性以及非线性三种灰度变换方式以此增强CT图像分辨率,以便更加清晰地分辨CT图像局域阴影,并利用二维Dau-bechies小波分解CT图像局域阴影,将其分成若干个小图像后利用概率密度分布求解特征值,最终结合所有图像的特征值实现CT图像局域阴影特征提取.实验结果表明,所提方法的峰值信噪比高、ROC曲线高和特征分离度高.     

HMM与神经网络相融合的低资源语音合成方法

为了提高语音合成自然度和稳定性,提出HMM与深度神经网络相融合的,以维吾尔语作为实验语言的语音合成方法.基于深度学习的端到端语音合成方法存在生成速度慢、稳定性及可控性不够好,但是合成语音自然度高,而基于HMM的方法系统稳定性好,合成语音自然度不如端到端的方法.因此,系统前端部分利用HMM(马尔科夫模型)获取维吾尔语固有的语言特征,后端合成部分利用深度神经网络框架建立自回归模型.前端文本分析用HMM模型获取语言特征,后端合成用不同的神经网路模型,并进行了对比试验.最后对于实验结果进行了评测.实验结果验证了基于HMM+BiLSTM的语音合成方法的效果最好.     

多维度视觉传达下投影变换图像配准仿真

为优化图像配准后轮廓模糊、总体分布形状不完整等问题,提出一种多维度视觉传达下投影变换图像配准仿真.为保留配准后图像能够完整保留不同分辨率下的特征,采用LOG(Laplacian of Gaussian)算子提取图像轮廓.将每个轮廓形状的描述子视为形状的特征向量,通过傅里叶特征匹配算法匹配提取出的不同图像轮廓,获得轮廓对应点对,将其作为投影变换的映射点,得到配准后图像.仿真中,对比分析所提方法和传统方法的配准效果,结果表明所提方法没有明显的误配准,且图像间的连接平滑自然,具有一定的可行性和有效性.     

基于MEMS传感器数据拓扑分析的用户识别

随着科技的迅速发展,智能手机安全性的问题越来越受人们关注,用户识别认证在保证智能手机安全方面扮演着重要的角色.提出了一种基于微机电系统(Microelectro Mechanical Systems,MEMS)传感器步态信号持续同调的用户识别的新方法,MEMS传感器信号中的混沌不变量(伪周期性)可以由相空间中的拓扑特征来表示,通过持续同调提取相空间拓扑特征,建立不同用户的持续同调模型.利用持续同调特点,进一步简化持续同调为概率密度,并使用K-L散度度量不同用户模型间的差异,最终利用MEMS传感器信号实现无须用户主动参与的身份认证.为验证持续同调模型,采用十个不同用户,两种运动状态数据,通过仿真完成用户识别,结果表明识别的平均准确率达到95.3％.     

基于CSI信号的被动式室内指纹定位算法研究

基于信道状态信息(CSI)的定位技术在室内场景应用中被广泛关注,为了提高WiFi信号多径效应对接收信号强度指示的室内定位精度和稳定性,提出一种基于CSI信号的被动式室内指纹定位算法。该算法在离线阶段将定位场所划分为同等大小的区域块,在各连接点位置使用方差补偿的自适应卡尔曼滤波（Kalman）算法对原始数据进行滤波。再对滤波后的数据使用二分K均值聚类（K-means）算法进行分类,将处理得到的CSI幅值和相位信息共同作为指纹;在线阶段根据待测点采集的实时数据与指纹库进行匹配识别,被定位对象无需携带任何设备。仿真实验与实地实验表明,该算法利用信道状态信息中的子载波特征进行定位,能够有效减轻信号接收端的多径衰减影响,定位精度有明显提高。