《A类赛题手册》下载地址：https://www.fwwb.org.cn/news/show/598

1.命题方向

智能计算

2.题目类别

计算类

3.题目名称

跨时间域生物面部识别技术

4.背景说明

【整体背景】

生物面部识别技术已广泛应用于身份认证、安防监控、智能终端交互等多个领域，成为人工智能落地的核心场景之一。然而，生物面部特征会随时间维度发生自然变化（如成长发育、衰老、环境影响等），传统面部识别算法多依赖同一时期的样本数据训练与测试，在面对跨时间跨度的面部匹配任务时，识别精度大幅下降，存在 “时间域泛化能力不足” 的行业痛点。当前，跨时间域生物面部识别技术在长期身份追踪、跨年龄段身份核验、历史数据比对等场景中需求迫切，例如失踪人口查找、长期安防监控追踪、跨年度身份验证等。如何突破时间维度带来的特征变异难题，构建兼顾准确性与鲁棒性的跨时识别模型，成为推动生物识别技术向更复杂场景延伸的关键。

【公司背景】

西北大学是一所学科门类齐全、综合实力雄厚的全国重点大学，依托信息科学与技术学院、生命科学学院的多学科优势，长期从事生物特征识别、计算生态学、跨媒体智能分析等方向的研究。学校注重产学研深度融合，致力于将学术研究成果转化为实际应用技术，为社会发展提供智力支持和技术保障。本次命题聚焦跨时生物面部识别这一行业技术难题，旨在通过征集优秀算法方案，推动相关技术的创新突破与落地应用，培养兼具学术素养与实践能力的复合型人才。

【业务背景】

西北大学在智能计算与生物识别领域的科研工作始终紧密围绕行业实际需求展开。近年来，学校科研团队在与政府部门、安防企业、公共服务机构的合作中发现，跨时间域生物面部识别技术在多个场景中存在强烈应用需求：安防领域需通过历史监控画面与当前采集图像比对追踪目标；公共服务领域需核验多年前录入的身份信息与当前申请人面部特征的一致性；特殊场景下需基于不同时期的生物面部数据完成身份追溯。现有技术方案难以满足上述场景的精度要求，核心问题集中在：跨时特征变异导致模型泛化能力不足、训练数据时间覆盖范围有限、对未见过时期的样本识别效果差。基于此，西北大学启动跨时间域生物面部识别算法研发相关科研项目，期望通过本次命题征集优秀的算法设计思路与技术实现方案，突破时间维度限制，提升跨时识别的准确性与鲁棒性，为后续科研成果转化奠定基础。

5.项目说明

【问题说明】

参赛选手自选某一类非人类生物（如灵长类、大型哺乳类、鸟类等），通过网络公开数据集、科研合作数据、野外拍摄影像等渠道，收集该非人类生物在不同时间阶段的面部图像数据（时间跨度≥3年）。数据需满足“训练-测试时期互斥”要求，且测试集必须包含训练阶段从未出现过的时期。参赛选手需基于该非人类面部数据集，结合ResNet、Vision Transformer、Swin Transformer等深度学习模型，构建跨时间域的个体识别模型；同时需使用指定公开人脸数据集完成模型迁移验证，验证模型在人类面部图像上的跨时间识别能力，进一步强化模型泛化性考核。

【用户期望】

基于构建的数据集以及深度学习等智能计算技术，研发跨时生物面部识别模型，实现以下目标：

1.构建一个符合“跨时间域识别”要求的非人类生物面部图像数据集，时间跨度不少于三年。

2.设计一个能够学习非人类生物面部特征随时间变化规律的深度学习模型。

3.模型在测试集(包含训练集未见过的时期)上表现出色，具备良好的跨时泛化能力。

4.模型不仅在本非人类生物数据集上有效，也能在标准人脸数据集上验证其泛化性能。

6.任务要求

【开发说明】

1.数据集构建：

①非人类生物数据集：收集目标非人类生物面部的时期数据，明确划分训练集（含多个连续/离散时期）、测试集（含训练集未覆盖的时期），保证时间跨度≥3年且训练-测试时期无重叠。

②人脸数据集：标准的CACD数据集、标准的FG_NET数据集、标准的AgeDB数据集，可使用给定参考网址见“参考信息”，也可自行查找此三类公开数据集资源进行下载。

2.模型设计：基于上述两类数据集，设计能够准确识别个体的跨时间域面部识别模型，需完成模型在非人类生物数据集的训练优化、在人脸数据集的迁移验证，分别适配非人类生物与人类的面部跨时识别需求。

【技术要求与指标】

（1）方案要求：详细方案需包含非人类生物数据集构建流程、模型架构设计、训练策略、泛化性优化方法、人脸数据集迁移验证方案等，内容完备，具备可行性和技术先进性；

（2）数据集要求：

① 非人类生物数据集：通过网络公开数据集、科研合作数据、野外拍摄影像等渠道，收集并设计非人类生物(如灵长类、大型哺乳类、鸟类等)在不同时间阶段的面部图像数据。数据集最长时间跨度≥3年，训练集与测试集时期完全互斥，测试集包含训练阶段从未出现过的时期。

② 人脸数据集：严格遵循指定公开数据集，按时间维度划分训练-测试集，保证时期互斥，无需额外提交数据集。

（3）样本质量要求：非人类生物、人类（人脸数据集）的样本图像需清晰，无严重模糊、遮挡或噪声干扰，身份标签信息确保无误，支持模型有效学习两类对象的跨时面部特征；

（4）实验与评估要求：进行多时期跨度下的实验，核心性能指标必须包含accuracy、TAR@FAR=0.1、Rank-1，鼓励额外呈现其他指标作为分析补充。所有跨时期实验中，无论跨度大小，accuracy均不得低于80%。

（5）泛化能力要求：模型在所有指定公开人脸数据集上的泛化实验，评估指标需与非人类生物数据集保持一致，模型的accuracy不低于65%。

【提交材料】
（1）项目概要介绍;

（2）项目简介PPT;

（3）项目详细方案;

（4）项目演示视频;

（5）企业要求提交的材料：

① 项目概要介绍：简要说明项目基本信息，如：目标、解决思路、解决方案、亮点等；

② 项目简介 PPT：对项目的说明与讲解；

③ 项目详细方案：项目详细解决方案，包括但不限于材料①中的内容；

④ 项目演示视频：系统演示视频材料，详细展示作品的技术实现方式、运行方式和完成程度等内容；

⑤需提交非人类生物数据集详细说明（含数据来源、样本量、时间分布、训练/测试划分规则），并附3个不同个体的样例图片（每个个体包含所有时期的样例各1张）。若为公开数据集，需附上数据集官方网址。若为自研/合作数据，需说明数据采集方式、合规性证明。人脸数据集若非“参考信息”中参考的网址，请给出自行查找下载的网址。无需提交完整数据集，仅需按要求提交样例及说明；

（6）团队自愿提交的其他补充材料。

【任务清单】
（1）完成算法设计与实验；

（2）完成提交材料内容。

【开发工具与数据接口】

无

7.其他

无

8.参考信息

①人脸公开数据集CACD网址：

https://hyper.ai/cn/datasets/5355

②人脸公开数据集FG-NET网址：

http://yanweifu.github.io/FG_NET_data/FGNET.zip

③人脸公开数据集AgeDB网址：

https://gitcode.com/open-source-toolkit/82bd6/blob/main/AgeDB.zip

9.评分要点

赛题评分要点见附件一：A类企业命题初赛统一评分标准。