本文介绍了第一届 BioSecure 住宅研讨会中有关指纹识别的实验，并测试了四个不同方法的系统以及它们在特征提取上表现出异构方法对识别性能的影响，实验结果表明结合细节和相关性测量获得最佳的指纹识别策略。

Dec, 2022

本文综述了多生物特征融合技术，特别关注了三个问题：如何融合、何时融合以及融合什么，以及综合评述了利用辅助信息提高生物识别准确性的技术，并讨论了表示攻击检测和多生物识别加密系统的信息融合原理，最后列举了生物特征融合中的一些研究挑战。

Feb, 2019

本文旨在研究基于特征提取层面的人脸和指纹生物识别特征融合方法，通过提取两种模态的独立特征点集并使其兼容进行拼接，同时运用特征降维技术处理维数灾难问题并比较实验结果，最终通过点纹匹配和 Delaunay 三角剖分等技术对数据库和查询图像的融合特征点集进行匹配，从而评估其在特征提取层面的融合效果与匹配评分的差异。

Feb, 2010

通过提供一个分析框架和新的度量标准，我们研究了多模态视觉社区的解释。通过实验，我们调查了不同模态之间的一致性和特殊性，模态内的演化规则，以及优化多模态模型时使用的协作逻辑，并揭示了一些重要发现，这些发现有助于重新思考流行的多模态视觉融合策略的合理性和必要性，从而为未来设计一个可信赖和通用的多模态融合模型奠定了基础。

Aug, 2023

该论文提出了一种多传感器融合、动态匹配序列长度技术和自动处理方法权重方案相结合的新颖的图像处理方法，在识别质量度量分析的基础上，提高了定位的性能要求，实现了优于两种最先进的视觉地点识别系统的结果。

Mar, 2019

本文通过对视频驾驶员观察中的决策级别融合策略进行比较和评估，从视觉识别和多模态识别角度提出决策级别融合的方案，旨在指导融合策略的选择。

Apr, 2022

本研究提出使用 Vision Transformer（ViT）模型的统一系统架构，实现虚假检测和匹配，并取得了与最先进（SOTA）的顺序系统相当的 98.87% 的平均集成匹配（IM）准确率，但参数只有后者的约 50％，延迟只有后者的约 58％。该方法适用于安全指纹识别等场景。

May, 2023

本研究讨论了多种人脸识别系统，并分析了其实施和性能评估，通过比较得出了最佳的方法以供未来开发工作使用，涉及到的技术包括人脸识别，生物识别，深度学习等。

Apr, 2023

本研究提出了一种多模式学习方法，用于压力检测，该方法结合了面部标记和生物特征信号。我们测试了这种多模式集成的各种早期融合和后期融合技术，以整合来自生物特征信号的一维卷积神经网络模型和使用面部标记的二维卷积神经网络。研究结果表明，后期融合的准确率达到 94.39％，而早期融合的准确率达到 98.38％。该研究通过多模式方法提供了提高压力检测的有价值的见解。

Nov, 2023

提出了一种高效的隐私保护多生物特征识别系统，通过利用来自不同类型生物特征的频繁二进制模式中包含的低类内变异属性，设计了一种多生物特征分箱方案，实验结果表明，该多生物特征识别系统可以将计算工作量降低约 57%（索引最多三种生物特征类型）和 53%（索引最多两种生物特征类型），同时提高了基准生物特征系统在高安全阈值下的生物特征性能。

Oct, 2023