内容

周俊伟副教授:基于深度编码的人脸模板保护技术

阅读数:175    发布:2018-08-17 17:26    

题目:基于深度编码的人脸模板保护技术

时间:2018年8月18日下午14:30

地点:计算机学院522会议室

邀请人:林秋镇 博士


报告摘要:

人脸认证是一种十分重要的生物特征识别技术,被广泛的应用于日常生活。人脸图像和人的身份密切相关,不容易伪造并且不会被遗忘。在很多边境管制,法医和监视系统中,人脸认证是唯一可靠的解决办法。然而生物特征的丢失即是永远的丢失,不能被挂失或者重置。一旦用户的生物特征信息泄露,用户将面临巨大的风险和不可估量的损失。所以生物特征模板的保护变得尤为重要。本报告将介绍一种基于深度编码的安全人脸识别算法,在保护人脸原始模板的安全性的同时,实现人脸识别准确率的提高。研究利用基于多标签学习的CNN学习随机生成的二进制纠错码,实现人脸图像到二进制编码的映射,并将哈希加密过后的二进制编码作为保护模板用于人脸识别和存储。该方法将CNN高效的学习学习能力与纠错码的纠错性相结合,减少CNN学习带来的类内差异,在保证人脸模板的安全性的同时,提高了人脸识别准确率。

主讲人介绍:

周俊伟为武汉理工大学计算机科学技术学院副教授,楚天学者(楚天学子层次)。于2014年在香港城市大学电子工程系获得博士学位。曾担任香港城市大学研究助理,并作为访问学者访问意大利都灵理工大学电子系参与卫星图像加密算法的研究。周俊伟为电气与电子工程师学会(IEEE)、美国计算机协会(ACM)和中国计算机协会(CCF)会员,主要从事计算机视觉、信息安全与分布式信源编码等方向的研究。近年来在该领域发表近三十篇国际学术论文。担任国际期刊HKIE Transactions副主编、国家自然科学青年基金与地区基金评审人。


深圳大学计算机与软件学院 2009-2016