搜索
校验码：1c41d96f-d3d4-4e51-be50-11135416ba5c投送学科一级学科：控制科学与工程二级学科：模式识别与智能系统如是学科交叉研究，所涉及的一级学科：二级学科：是否涉密：是否√中国博士后科学基金面上资助申请书（第52批）申请者：----博士后全国统一编号：----申报单位：----项目名称：基于人类视觉注意机制的多特征融合人脸识别研究研究方向：机器视觉与生物特征识别通讯地址：----邮政编码：----E－mail：----固定电话：----移动电话：----申请日期：2012年09月05日中国博士后科学基金会制校验码：1c41d96f-d3d4-4e51-be50-11135416ba5c须知1.申请者应认真阅读《中国博士后科学基金资助规定》和《中国博士后科学基金面上资助实施办法》，按有关要求逐项填写申请材料。2.如申请项目涉密，不得在网上提交申请材料。申请者需下载申报软件，填写后打印3份申请材料，刻录光盘一张，一并报送设站单位进行审核。3.“投送学科”系指申请者所报项目的所属学科。若申报项目是学科交叉研究项目，应填写所涉及的学科名称。4.“项目名称”不得超过25个字。5.“研究方向”系指申请者所报项目的研究方向，不得超过15个字。6.填表必须实事求是，认真翔实，不得弄虚作假。校验码：1c41d96f-d3d4-4e51-be50-11135416ba5c一、个人信息姓名----性别男出生日期1977-09-11身份证号370726197709110918国籍中国民族汉族进站时间2012年09月05日预计出站时间2014年09月05日进站单位流动站√0--------工作站0--------学位情况学位授予年月授予单位一级学科导师学士2000年07月山东轻工业学院控制科学与工程常易康硕士2003年07月武汉科技大学控制科学与工程赵明旺博士2007年07月华中科技大学控制科学与工程张天序、汪国有主要研究工作经历起止年月单位研究内容项目分工2008-01至今山东大学视觉注意机制的显著性多特征融合目标识别研究总体负责2005-05至2007-04华中科技大学多光谱尺度目标的时空模型和贝叶斯融合方法研究数据融合算法研究2004-03至2006-03武汉精伦电子股份有限公司人脸、指纹及车辆等典型目标识别方法研究稳定特征提取算法研究2001-08至2002-10北京冶金自动化研究设计院开放式控制系统的研究开发智能PLC校验码：1c41d96f-d3d4-4e51-be50-11135416ba5c曾获得的研究成果获得科研奖励或基金资助情况（可加项）获得时间项目名称奖励或资助名称等级排名参加或主持的科研项目（可加项）批准时间项目名称下达部门项目性质项目经费项目进展承担责任2012-09-01显著性多特征融合人脸识别研究国家自然科学基金委自由探索性基础研究24项目启动阶段第一负责人2010-11-01基于序贯显著性的多特征融合小目标识别研究国家重点实验室开放基金（哈尔滨工业大学机器人技术与系统国家重点实验室）自由探索性基础研究5主要内容已经完成第一负责人2009-12-01基于视觉注意机制的显著性多特征融合目标识别研究教育部博士点基金（新教师类）自由探索性基础研究3.60主要内容已经完成第一负责人发表的有代表性论文（包括已被录用、待发表的论文，可加项）发表时间论文题目学术刊物或会议名称学术刊物或会议类型收录情况排名2012-11-01Fastfacedetectionalgorithmbasedonimprovedskin-colormodel（录用证明见第5部分附录）TheArabianJournalforScienceandEngineering国际刊物SCI、EI12011-10-01基于Adaboost算法和人脸特征三角形的姿态参数估计武汉大学学报(信息科学版)国内核心期刊EI12011-02-01Infraredsmalltargetdetectionalgorithmbasedonfeaturesalienceandmulti-featuresfusionInternationalJournalofPatternRecognitionandArtificialIntelligence国际刊物SCI、EI12011-01-01InfraredsmalltargetdetectionalgorithmbasedonfeaturesalienceInternationalJournalofElectronics国际刊物SCI、EI12010-12-01基于特征显著性的多特征融合车牌定位算法控制与决策国内核心期刊EI12009-07-01AutomaticlicenseplatelocationandrecognitionIEEETransactionson国际刊物SCI、EI1校验码：1c41d96f-d3d4-4e51-be50-11135416ba5cbasedonfeaturesalienceVehicularTechnology2007-10-01AutomaticlicenseplatelocationandrecognitionIndianJournalofEngineeringandMaterialsSciences国际刊物SCI12007-01-01SmalltargetdetectionalgorithmbasedonaverageabsolutedifferencemaximumandbackgroundforecastInternationalJournalofInfraredandMillimeterWaves国际刊物SCI、EI12006-12-01Infraredsmalltargetdetectionalgorithmbasedonself-adaptivebackgroundforecastInternationalJournalofInfraredandMillimeterWaves国际刊物SCI、EI1出版的有代表性的专著（可加项）出版时间论著名称独著或合著出版社合著排名2012-07-01现代检测技术及应用合著高等教育出版社2获专利情况（可加项）受理（授权）时间名称类型排名其他荣誉或成果（可加项）获得时间荣誉或成果校验码：1c41d96f-d3d4-4e51-be50-11135416ba5c二、申报项目基本信息名称中文基于人类视觉注意机制的多特征融合人脸识别研究英文Researchonmulti-featuresfusionfacerecognitionbasedonhumanvisionattentionmechanism研究类别基础研究√应用基础技术开发项目来源自选项目国家自然科学基金项目√863高技术研究项目973计划项目国家社科基金项目其它国家级重点项目省市或部门重大项目其它项目研究经费来源及数额国家自然科学基金：显著性多特征融合人脸识别研究（No.61203261），24万。项目简要介绍人脸识别是生物特征识别技术的一种，且具有特定的优势。在人脸识别过程中，不同的人脸特征对人脸识别的贡献存在较大的差异，往往是几个关键性的特征在引导着人脸之间的差别，而多特征融合的人脸识别也是目前发展的趋势之一。因此，人脸特征显著性的评价机制以及基于注意机制的多特征融合方法成为本课题研究的重点。课题负责人研究了人类视觉在实际识别目标过程中表现出的序贯性和层次性，将由于多种随机变化引起的特征可靠建模和识别问题转化为目标特征提取、选择和融合识别问题。提出基于人类视觉注意机制的显著性人脸特征提取和特征选择方法，以概率统计为准则来组织和表达人脸的特征，建立人脸特征的显著性层次模型。对于优选出的显著性特征，采用基于最小错误概率的改进DS证据理论决策级融合方式，融合过程中不断更新人脸的置信度函数，充分体现了“越显著的人脸特征对于人脸识别的贡献越大”这个事实。该课题的研究成果，有望对其他类目标识别技术提供一定的参考和借鉴。关键词注意机制、显著性、特征选择、特征融合、人脸识别校验码：1c41d96f-d3d4-4e51-be50-11135416ba5c三、项目立论依据内容包括：研究意义、国内外研究现状综述、项目创新之处、主要参考文献及出处（注：可加页）。3.1项目的研究意义比尔·盖茨曾预言：生物识别技术，将成为未来几年IT产业的重要革新[1]。常见的生物特征有DNA、人脸、指纹、虹膜、手形、掌纹、步态、声音等。人脸识别便是生物特征识别技术的一种，并且在生物特征认证方面，人脸识别具有特定的优势：①人脸识别符合人类根据人脸辨别身份的习惯，更加直观、自然；②人机交互方式更加方便友好，基本不需要使用者的配合；③隐蔽性较好等[2]。由于人脸识别的这些特点，人脸识别技术可以广泛应用于公安部门的犯人档案管理、犯人的辨认查找、刑侦破案，以及其他社会领域的安全验证、监控系统、信用卡验证、人机交互控制、证件核对、通道控制等多个场合。“911”事件后，基于反恐、刑侦、信息安全等多方面的需要，生物特征识别技术，尤其是人脸识别，在国际上取得了长足发展。人脸识别的研究不仅具有深远的社会和经济意义，而且对于国家信息安全也具有非常重要的战略意义，已经成为各国竞相重点发展的战略技术之一[3]。当前，人脸识别技术也取得了许多丰硕的研究成果，但是仍然存在许多问题：如光照的剧烈变化和人脸姿态的变化；分辨率低；人脸是非刚性物体，难以完全描述其特征；人脸被遮挡，如胡须、眼镜、帽檐等[4]，都成了人脸识别技术中有待解决的问题。在我们生存的这个地球上，居住着约65亿人，每个人的面孔都由额头、眉毛、眼睛、鼻子、嘴巴、双颊等少数几个区域组合而成，它们之间的大体位置关系也是固定的，并且每张脸的大小不过七八寸见方，然而，它们居然就形成了那么复杂的模式，从而形成了在这个世界上找不出两张完全相同的人脸的结论。那么，区分如此众多的不同人脸的“特征”到底是什么？“特征”和“特征”之间有无关系？有何关系？对这些问题的解答无疑具有重要的理论和应用价值，也正是众多从事人脸识别研究的科研人员所面临的挑战。本课题的研究试图尝试性地回答以上几个问题。实际上，人脸识别是一种典型的自动目标识别问题，而与目标识别所息息相关的是目标的特征[5]。然而，由于不同的目标特征对目标识别的贡献是不同的，也就是本课题中提到的显著性不同，一般情况下，可能是几个关键的特征在引导着对象间的差别。那么如何度量人脸多种特征的显著性？如何融合人脸的多种显著性特征？如何在融合中体现多种特征的显著性不同？这正是本课题研究的重点。人脸识别算法的准确性不仅取决于采用什么样的分类器，而且在很大程度上取决于采用什么样的特征描述人脸。理论上讲，良好的人脸表示可以使得最简单的分类器具有良好的识别性能。现在，许多学者正在研究基于人类视觉的目标识别算法。因为，人类自身就是一个很好的目标识别系统。人类在识别物体时，表示出非常灵活且适应校验码：1c41d96f-d3d4-4e51-be50-11135416ba5c力很强的能力，面对待识别物体的大小、形状和亮度发生变化时，几乎不易受到影响。因此，能否让机器视觉系统按照人的思维过程来识别目标，这是近几年模式识别与机器视觉领域研究的热门课题。生理学的研究对目标识别具有重要的指导意义，人类视觉注意机制研究表明：人对目标的识别过程，总是优先考虑最显著、能最大限度与其它非目标区分的特征，然后依次使用次显著的特征，是一种动态的、序贯性的认知过程；并且，人对目标的识别并不是依靠单一的特征，而是一种多特征的融合识别过程。依据这个结论，课题组提出显著性多特征融合的人脸识别方法，其中显著性特征的选择对应了人类视觉的第一个特性，而多特征的融合则对应了人类视觉的第二个特性。本课题主要为解决人脸被遮挡或光照条件改变，而导致某些特征丢失或改变时带来的问题，才提出多特征融合用于人脸识别的研究方法。本课题对人脸识别的研究成果，希望能起到抛砖引玉的作用，对其他类目标的识别技术提供一定的参考和