[快讯]IAPR/IEEE生物特征识别冬令营2018：第二日
（摄影：谭嘉琪，本科生，深圳大学）
IAPR/IEEE Winter School on Biometrics 2018于2018年1月29日在深圳金百合大酒店开幕，此次活动将由香港浸会大学计算机科学系、中科院自动化所和深圳大学计算机与软件学院联合主办；由平安科技鼎力赞助。
本次冬令营将持续5天，面向青年学者和研究生，邀请了16位生物特征识别领域的顶尖国际专家介绍科研进展和工业应用，并安排了社交活动。报告内容包括人脸、虹膜、指纹、静脉、步态、签名等特征的识别，以及移动端生物特征识别、反欺诈、特征数据保护等。
第一场：机器学习
（作者：陈育东，硕士生，深圳大学）
冬令营第二天，深圳气温骤降，伴随着点点细雨，寒冷刺入骨髓，让人不敢出门，真是个学习的好天气，教室内氛围依然热烈且温暖。上午九点，所有人坐在会场里聆听来自悉尼大学的Prof. Dong Xu的报告。
Prof. Xu首先介绍了一些基于张量的维数约简算法。传统的维数约简算法（如PCA和LDA）是基于向量数据的，容易出现维数灾难和小样本等问题。而基于张量的维数约简算法通过直接对原始数据（如二维灰度图和三维视频）进行子空间投影学习可以有效地避免这些问题。在ORL和CMU PIE人脸数据库上的实验结果表明，基于张量的方法要优于传统的基于向量的方法。在USF HumanID步态数据库上的实验结果表明基于张量的学习方法可以有效地提高识别率。
随后，Prof. Xu介绍了图嵌入框架。该框架的目标是希望用一个统一的模型来概括传统的维数约简算法。通过定义不同的相似图和惩罚图，图嵌入模型可以退化成一些经典的维数约简算法（如PCA、LDA、LLE和LPP）。
报告的最后，Prof. Xu介绍了一些机器学习算法在人脸验证和行人再识别方面的应用，其核心是利用训练样本中的Privilegedinformation来提高模型的性能。
报告结束后，很多同学围着Prof. Xu，继续询问刚才因为时间限制未能问的问题。
第二场：指纹识别
（作者：赵元豪，硕士生，深圳大学）
今天的第二个报告由博洛尼亚大学的Matteo Ferrara老师主讲指纹识别，题目为FingerprintRecognition。
Matteo老师首先介绍了指纹的几大现状。
一、在指纹分析方面，指纹图像主要分为whorl、left loop、right loop、arch、tented arch五类，而每个指纹图像的feature主要分为三个不同等级。
二、在指纹获取部分，指纹图像可由光学、电容、热传感等传感器采集，并且使用NFIQ标准来划分采集图片质量。
三、对于特征提取，我们可以先对图片质量进行增强（Enhancement），随后通过分割图片、并获取图片的局部脊线（ridge）的方向的密度，配合Gabor滤波得到脊线并细化，通过脊线追踪得到各Minutiae坐标及种类。
四、在两指纹相似度比较上，主要有三大类方法：基于minutiae的方法（分全局与局部）、基于脊线特征的方法和基于相关性的方法。其中，Matteo着重介绍了由他创造的MinutiaeCylinder-Code（MCC）方法。该方法用于加快指纹识别。
五、评估匹配算法的优秀程度，主要使用了FMR（也是FAR，错误接收率）和FNMR（也是FRR，错误拒绝率）来衡量。这也是广泛用于评估FVC、FVC-onGoing（指纹验证比赛，Matteo是组织者之一）等比赛结果的标准。
介绍完主要内容后，Matteo介绍了指纹面临的一些新问题和可能的挑战，如人造假指纹、改变指纹（主见犯罪份子）、现场遗留指纹的获取、指纹库的保护、新型采集设备（OCT、智能手机等），并在最后给出了相应的对策和可能的解决方案。这些都可能成为指纹的未来研究方向。
在报告结束后，我们有幸邀请到了Matteo来我们学校的研究所实验室参观。Matteo参观了OCT和多光谱采集设备，针对我们的仪器效果和研究内容作了评估，并向我们提出了他对我们工作的建议。无论是报告里外，Matteo都教给了我们很多内容，这让我们受益匪浅。
第三场：签名识别
（作者：吴欣蕙，硕士生，深圳大学）
来自西班牙的FIERREZ教授为了带来了签名识别报告。系统模型包括了三个部分：数据预处理，提取特征，计算相似度。首先，教授介绍了签名的预处理，先对所有签名图片进行尺寸的规范化和居中，再进行笔触压力大小的规范化，最后对签名进行重采样。
其次，教授介绍了签名的特征提取，除了提取全局特征外，还提出了新的方法，Time Sequences。
最后，提取特征之后，进行匹配就要计算相似度，使用了HMM和DTW算法计算相似度。DTW计算原理是，通过动态编程计算输入图片的第i个点，与模版图片第j个点的距离。
另外，教授还提出了手机签名识别，可以用于图片密码和手势滑动识别。最新的进步有签名生成和TemplateProtection。
报告一结束就迎来热烈的掌声，很多同学都积极提问，其中一个同学问签名识别是一个动作序列，Lstm也许是一个很好的工具去做识别，教授很赞同他的想法，虽然用的是深度学习方法，目前签字识别还有一定难度，比如模仿字迹，手部受伤，但还是值得好好研究。
Poster Session
（作者：齐少卿，硕士生，深圳大学）
一转眼，会议已经过去了一天半多时间，经过七场来自世界各地专家大牛的讲座熏陶之后，我带着颇丰的收获满怀期待地进入到了冬令营的Poster环节。因为我之前负责过Poster的收集工作，所以有幸提前欣赏了各位同学前辈的佳作，我早先便期待着可以与这些Poster的作者有个交流的机会，所以Poster环节一开始，我便忽略了精美的茶歇，直奔Poster展示区而去……
Poster展示了参会者在生物特征识别方向的研究成果，指纹识别、交通工具检测等各个方面的poster都非常有意思，大量参会人员迅速加入了激烈的讨论之中……询问者、回答者、围观者、挤不进去引颈者、甚至蹲立者，不一而足。
其中有作者中山大学的李德芳博士生的研究成果在环节一开始便吸引了大量同好前来驻足查看，在VAE变分自编码器上做人脸的progression。原理是先用自编码器训练隐向量z进行人脸图像像素到像素的重建，同时应用了conditional GAN的思想在生成器上增加了属性控制，同时判别器的输出不是零一而是连续值，训练的损失是用KL散度。
来自昆士兰大学的杨司琪博士生的研究也很有意思，她的研究是通过在梯度反向传播的过程中增加噪声来抵抗人脸检测，poster也展示了她在此实验中取得的非常不错的研究成果。
还有来自深圳大学的廖日军同学，他用CNN和LSTM分别来提取关键点的静态信息和动态信息，并且在着装和携带物品的复杂场景下取得很好的效果。
Poster时间原定是五点结束，但是五点有余，还有不少人驻足在展板之前讨论。今天我的收获很多，作为一个彻彻底底地新人，这次冬令营的见闻想必也定会支撑我在生物特征识别方向走得更远。
报告的讲稿请到活动网站下载：https://www.comp.hkbu.edu.hk/wsb18/programme.php