秦华锋，男，1983年生，博士，教授，硕士生导师，新加坡南洋理工大学联合培养博士，巴黎萨克雷大学博士后，重庆工商大学国合基地常务副主任，巴渝学者特聘教授，重庆市高校创新研究群体负责人，入选重庆市新产品创新青年科技人才、江苏省宿迁市千名领军人才，获得了重庆市科技进步奖、教育部博士研究生学术新人奖。

近年来，主持科研项目10余项，其中主持国家自然科学基金项目2 项，重庆市高价值专利培育项目1项，重庆市高校创新研究群体项目1项，重庆市高新区先投后股项目1项，重庆市自然科学基金等省部级项目6项，总经费超过500万元；共发表了60余篇期刊和会议论文，以第一作者或通讯作者在IEEE TIFS、IEEE TMC、IEEE TCSVT、IEEE TIM、ICLR、ECCV等权威期刊和顶级会议上发表论文25篇，其中CCF A类期刊论文6篇，累计被引超过1400次，单篇引用最高200余次；出版专著3部，其中出版了国内外第一部关于手指静脉识别的专著；申请专利20余项，获授权发明专利11项，已转让5项，估值580万元，参与撰写静脉识别标准1项；带领学生参加中国“互联网+”创新创业大赛和 “挑战杯”中国大学生创业计划竞赛分别获得重庆市金奖、国赛铜奖累计5项。

【教育经历】

Ø2009.09-2012.12，重庆大学，测试计量技术及仪器，工学博士

Ø2011.09-2012.09，新加坡南洋理工大学，电气与电子工程，联合培养博士

【工作经历】

Ø2014.12—2016.09，巴黎萨克雷大学（2023世界大学学术排名全球第15位），博士后

Ø2013.01.01—至今，重庆工商大学

【主要研究方向】

生物特征识别（静脉识别和眼动识别)、计算机视觉、深度学习、机器学习、智慧医疗

【学术兼职】

Ø重庆市计算机学会教育专委会理事，2022-至今

Ø重庆市机电学会常务理事，2020-至今

Ø重庆市青年科技领军人才协会会员

Ø重庆工商大学学报（自然科学版）编委

Ø担任CCBR2021程序委员会委员，ICCSI2021会议的分会组织者以及IEEE transactions on information forensics and security、IEEE Transactions on Circuits and Systems for Video Technology、TIP、PR、TII等期刊审稿人

【负责或参与的科研项目】

[1]三维手指静脉特征的深度学习与识别理论研究。国家自然科学基金（面上项目），2020.01-2023.12（主持）

[2]真实环境下手指静脉识别与模板保护基本理论研究，国家自然科学基金（青年基金），2015.01-2017.12（主持）

[3]智能感知与静脉识别技术，重庆市高价值专利培育项目，2022.08-2024.7（主持）

[4]三维手指静脉识别技术研发及产业化应用，重庆市高新区先投后股项目，2023.03-2025.03（主持）

[5]智能感知与静脉识别新技术，重庆市高校创新研究群体，2021.07-2024.6（主持）

[6]单样本下静脉特征的深度学习与识别方法研究,中国博士后基金面上项目，2022.11-2024.11（主持）

[7]手掌静脉特征的深度学习与识别关键算法研究,重庆市教育委员会科学技术研究项目, 2019.10- 2022.10（主持）

[8]手指静脉特征识别与防伪关键算法研究，重庆市自然科学基金，2018.07-2021.6（主持）

[9]手指静脉图像质量评估系统的研制与实现，重庆市科委青年人才培养项目，2013.09-2016.9（主持）

[10]基于深度学习的三维手指静脉识别基本理论研究，重庆市自然科学基金，2017.07-2020.6（主持）

【部分代表性学术成果】

1、 代表性论文

[1]Qin Huafeng*, Jin Xin, Jiang Yun,Mounim A.El-Yacoubi,Gao Xinbo.Adversarial AutoMixup.ICLR,2024.（深度学习顶级会议Spotlight论文，清华大学A 类顶会）

[2]Huafeng Qin*,Xin Jin, Hongyu Zhu, Hongchao Liao，MounimA. El-Yacoubi, Xinbo Gao. SUMix: Mixup with Semantic and Uncertain Information,ECCV, 2024,accepted. （计算机视觉顶级会议，CCF B）

[3]Qin Huafeng,Fan Chao,DengShaojiang,LiYantao,Mounim A.El-Yacoubi,Zhou Gang. AG-NAS: An Attention GRU-based Neural Architecture Search for Finger-Vein Recognition[J].IEEE Transactions on Information Forensics and Security, 2023.（CCF A，中国科院一区）

[4]Qin H,El-Yacoubi M A.Deep representation-based feature extraction and recovering for finger-vein verification[J].IEEE Transactions on Information Forensics and Security,2017,12(8):1816-1829（CCF A，中国科院一区）

[5]Qin,H.,El-Yacoubi,M.A.,Li,Y.,& Liu,C.Multi-scale and multi-direction GAN for CNN-based single palm-vein identification[J].IEEE Transactions on Information Forensics and Security,2021,16: 2652-2666.（CCF A，中国科院一区）

[6] Li,Y.,Ruan,S.,Qin,H（通讯作者）.,Deng,S.,& El-Yacoubi,M.A.Transformer based defense gan against palm-vein adversarial attacks[J].IEEE Transactions on Information Forensics and Security,2023,18: 1509-1523.（CCF A，中国科院一区）

[7] Li,Y.,Liu,L.,Qin,H.（通讯作者）,Deng,S.,El-Yacoubi,M.A.,& Zhou,G.Adaptive deep feature fusion for continuous authentication with data augmentation.IEEE Transactions on Mobile Computing，2022.（CCF A，中国科院二区）

[8] Li,Y., Liu,L.,Deng,S.,Qin,H.（通讯作者）,El-Yacoubi,M.A.,& Zhou,G.Memory-Augmented Autoencoder based Continuous Authentication on Smartphones with Conditional Transformer GANs.IEEE Transactions on Mobile Computing，2023.（CCF A，中国科院二区）

[9]Qin,H.,Hu,R.,El-Yacoubi,M.A.,Li,Y.,& Gao,X.Local attention transformer-based full-view finger-vein identification[J].IEEE Transactions on Circuits and Systems for Video Technology,2022.（CCF B，中国科院一区）

[10]Qin Huafeng,Xi Haofei,Li Yantao, Mounim A.El-Yacoubi,Wang Jun,Gao Xinbo.Adversarial Learning-based Data Augmentation for Palm-vein Identification[J].IEEE Transactions on Circuits and Systems for Video Technology,2023.（CCF B，中国科院一区）

[11]Qin,H.,& El-Yacoubi,M.A..Deep representation for finger-vein image-quality assessment.IEEE Transactions on Circuits and Systems for Video Technology, 2017，28(8),1677-1693.（CCF B，中国科院一区）

[12]Qin,H.,Gong,C.,Li,Y.,Gao,X.,& El-Yacoubi,M.A.Label Enhancement-Based Multiscale Transformer for Palm-Vein Recognition.IEEE Transactions on Instrumentation and Measurement,2023，72, 1-17.（中国科院二区）

[13]Qin Huafeng,Gong Changqing,Li Yantao,Mounim A.El-Yacoubi,Gao Xinbo,Wang Jun.Attention Label Learning to Enhance Interactive Vein Transformer for Palm-Vein Recognition[J].IEEE Transactions on Biometrics,Behavior,and Identity Science,2024.

[14] Li Yantao,Tang Congyi,Deng Shaojiang,Qin Huafeng*（通讯作者）,Huang Hongyu.Mixed Automatic Adversarial Augmentation Network for Finger-Vein Recognition[J].IEEE Transactions on Instrumentation and Measurement,2024.

[15] Yantao Li, Chao Fan,Huafeng Qin*（通讯作者）,Shaojiang Deng, Mounim A. El-Yacoubi,Gang Zhou.Deep Reinforcement Learning based Feature Extraction and Encoding for Finger-vein Verification.IEEE Transactions on Emerging Topics in Computational Intelligence,Accepted on April 22,2024

2、代表性专利

[1]秦华锋，刘霞，基于自编码器的手指静脉防伪鉴别方法及系统, 2020.6, 发明专利，专利号：ZL201711135122.1.(已转化)

[2]秦华锋，巩长庆，杨公平，王军，潘在宇，静脉识别模型的训练方法和模型，2022.5，专利号：ZL202110807293.4.(已转化)

[3]秦华锋，曹晓莉，唐灿，一种基于长期递归卷积神经网络的手指静脉认证方法，发明专利, 2022.3，专利号：ZL2019102911168.(已转化)

[4]秦华锋,何希平. 基于卷积神经网络的手指静脉图像质量评估方法及评估系统,2019.5, 发明专利，专利号：ZL2016109793154.(已转化)

[5]秦华锋, 朱超平, 何希平. 一种基于卷积神经网络的手指静脉识别方法及系统,2019.3, 发明专利，专利号：ZL201610978085X.(已转化)

[6]席锋，秦华锋，胡莉，一种位置敏感探测器，2019.09.26，专利号, 201910914330.4

[7]杨数强，王杰敏，秦华锋，李金鹏，朱厚春，一种三维成像建模仪固定支架，2019-10-17，专利号, 201910988576.6

[8]余成波,秦华锋, 张睿．手指静脉认证系统的静脉特征提取方法，发明专利, 2007.10，专利号：ZL200710093053.2

[9]余成波, 张睿,秦华锋．手指静脉认证系统的图像采集装置，2007.10，实用新型专利, 专利号：ZL200720188120.4

[10]余成波，秦华锋，张莲，杨数强．手指静脉身份识别系统的静脉特征提取方法, 2009.03, 发明专利，专利号：ZL200910103478.6

[11]余成波，杨数强，秦华锋，李彦林．手指静脉身份识别系统的图像采集装置, 2009.03，实用新型专利，专利号：ZL200920126846.4

3、代表性专著

[1]余成波；秦华锋.生物特征识别技术-手指静脉识别技术，清华大学出版社，2009

[2]刘崇文;秦华锋.基于语义计算的小样本图像分类研究, 重庆大学出版社, 2021

[3]席锋；秦华锋.位置敏感探测器的定位及结构改进研究, 重庆大学出版社,2016

4、 获奖

[1] 余成波、陶红艳、秦华锋、杨如民、王士彬、张睿、李彦林，手指静脉身份识别技术与应用，重庆市科技进步三等奖，2012.6

[2]秦华锋，博士研究生学术新人奖，教育部，2012.9

【研究生指导情况】

指导已毕业研究生4届，共8人；（其中4人到高校任教，3人到公司任职，1人到巴黎理工学院（2024QS世界大学排名38位）攻读博士学位）；指导在读研究生5人；联合指导巴黎理工学院在读博士研究生1名。

【招收研究生方向】

学科方向1：软件工程（083503）

研究领域简介：

主要研究内容生物特征识别包括静脉识别、眼动识别；机器学习如监督学习、半监督学习；计算机视觉如图像识别、目标检测与跟踪、视屏生成、数据增强、图像防伪；智慧医疗如海尔兹默综合征诊断；大数据分析与处理。

学科方向2：计算机科学与技术（085402）

研究领域简介：

主要研究机器学习和深度学习的理论与建模，并探索在计算机视觉领域的应用。具体研究内容包括对抗学习、transformer、扩散模型、图神经网络、强化学习、迁移学习、元学习、对比学习、标签学习等人工智能先进理论和算法以及在图像分割、视屏分类、数据增强、图像分类、图像防伪等领域的应用研究。