【课题推荐发表期刊】

【课题背景】

生物特征识别技术的研究涉及多个学科领域，是利用人体独特的生理特征，如人脸、指纹、虹膜、掌纹、静脉等，以及行为特征，如笔迹、步态、声纹等，具有高度安全性和便捷性的新型身份认证技术。随着科技的进步和数字化时代的到来，生物特征识别技术在各个领域得到了广泛应用，如身份认证、信息加密、门禁系统、支付验证等。研究生物特征识别可以有效提高系统的安全性，同时也避免遗失、被盗、损坏、伪造等问题，提升用户的便捷性和舒适度。

本课题将基于生物特征识别技术，开展多场景、多技术、多模态的深度研究，推动相关学科的发展，为金融、医疗、教育、交通等多个领域的技术创新提供有力支持和保障。

【课题方向参考】

• 高复杂场景的生物特征识别

• 高分辨率生物特征识别

• 生物特征融合识别（多模态、多传感器、多实例、多算法、多样本等）

• 生物特征识别中的挑战问题（例如增量学习等）

• 新型生物特征模态识别

【适合人群】

计算机科学、人工智能、大数据、物联网等相关专业的硕士研究生，需对数字图像处理、机器学习、模式识别、深度学习具备一定的专业基础，了解Python、PyTorch或TensorFlow工具。

【课题收获】

• 高质量论文一篇（SCI/CCF定向期刊）

• SCI/CCF期刊投递与发表指导

• 结业证书

【导师介绍】

Lucas老师，教授

• 担任100多个SCI期刊和40多个国际会议的审稿人，包括多个IEEE Transactions等一区顶级期刊和CCF-A期刊；

• 研究方向：生物特征识别及模板保护、模式识别、计算机视觉、目标检测、分割、跟踪、融合、机器学习、深度学习、信息隐藏等；

• 已发表学术论文100余篇，包括SCI期刊论文70余篇；

• 具备丰富的英文写作经验和学术指导经验；熟练使用Python、PyTorch或TensorFlow等工具。

【课题安排】

研究周期预估六个月左右，具体视学员情况调整

【推荐阅读】

• 2013 PalmHash Code vs. PalmPhasor Code