掌紋作為人體的重要生物特征之一，具有特征唯一、穩(wěn)定性高、安全性好和易于采集等特點(diǎn)，被廣泛應(yīng)用于生物特征識(shí)別領(lǐng)域。

　　中國(guó)科學(xué)院聲學(xué)研究所聲場(chǎng)聲信息國(guó)家重點(diǎn)實(shí)驗(yàn)室副研究員李超聯(lián)合法國(guó)國(guó)家科學(xué)研究中心電子圖像信息處理實(shí)驗(yàn)室(Le2I UMR CNRS)與日本本田研究所(Honda Research Institute)的研究人員，共同提出了一種低功耗高精度多光譜掌紋識(shí)別的新方法。相關(guān)研究成果于5月16日在線發(fā)表于國(guó)際學(xué)術(shù)期刊Journal of Systems Architecture。

　　根據(jù)香港理工大學(xué)教授 David ZHANG 此前的研究，由于皮膚組織對(duì)于不同波長(zhǎng)的光的傳播能力不同，將多光譜成像技術(shù)應(yīng)用于掌紋信息采集，可以得到不同皮層下的更細(xì)致的特征信息，有效提升目標(biāo)特征的可辨識(shí)度，得到理想的可識(shí)別生物特征(圖1)。

　　但是，傳統(tǒng)的多光譜掌紋識(shí)別方法忽略了特征信息的多重共線性問(wèn)題，這成為了提升識(shí)別精度的重要瓶頸。

　　特征的多重共線性，是指基于線性回歸的識(shí)別模型中的解釋變量之間，由于存在精確相關(guān)或高度相關(guān)關(guān)系，而使模型估計(jì)失真或難以估計(jì)準(zhǔn)確。簡(jiǎn)單來(lái)說(shuō)，如果我們想通過(guò)身高、體重和年齡三個(gè)特征分量來(lái)判斷一個(gè)人的性別，由于身高較高的人通常體重也會(huì)較重，兩者高度相關(guān)，這就引發(fā)了共線性，有可能降低模型的準(zhǔn)確性。

　　在多光譜掌紋圖像中，特征信息并非均勻地分布在圖像的各個(gè)區(qū)域，而是集中在某些關(guān)鍵區(qū)域，導(dǎo)致特征分量即像素值之間出現(xiàn)多重共線性。

　　針對(duì)這個(gè)問(wèn)題，研究人員首先采用偏最小二乘回歸算法為各個(gè)波段下的掌紋圖像特征建立了新的識(shí)別模型。偏最小二乘回歸算法可以自動(dòng)對(duì)特征分量之間的關(guān)系進(jìn)行量化分析，有效提取出反應(yīng)數(shù)據(jù)變異的最大信息，降低像素值內(nèi)部的共線性問(wèn)題對(duì)模型準(zhǔn)確度的負(fù)面影響。接下來(lái)，將各波段的識(shí)別結(jié)果進(jìn)行加權(quán)融合。這種評(píng)估層融合的方法有助于充分利用不同波段的信息，保證各個(gè)處理通道的獨(dú)立性與信息完整性，從而提升識(shí)別效果。

　　實(shí)驗(yàn)結(jié)果表明，新的識(shí)別模型在圖像分辨率極低的情況下(13 x 13 pixels)，對(duì)單波段掌紋圖像特征的識(shí)別率可以達(dá)到90%以上(圖2)，具有很好的可靠性。結(jié)合多波段數(shù)據(jù)融合技術(shù)，整體識(shí)別率可以達(dá)到99.9%以上。經(jīng)并行優(yōu)化后，每0.73毫秒可以識(shí)別一個(gè)掌紋(1000毫秒=1秒)，具有精度高、運(yùn)算量小、可并行度高等多項(xiàng)優(yōu)點(diǎn)。

　　該研究由中科院百人計(jì)劃和日本本田研究院資助。

　　圖1不同波段下的掌紋光學(xué)特征(圖/香港理工大學(xué))

　　圖2單通道模型識(shí)別率/運(yùn)行時(shí)間與圖像分辨率關(guān)系曲線(圖/李超)