基于卷积神经网络且具备仿冒检测能力的嵌入式指静脉识别方法技术

本发明专利技术公开了一种基于卷积神经网络且具备仿冒检测能力的嵌入式指静脉识别方法，所述识别方法包括：S1、采集若干张多级光强的手指静脉图像，选出清晰度最高的一张手指静脉图像，然后进行预处理截取图像ROI区域；S2、使用局部二进制模式LBP对手指静脉图像的高频信息进行纹理特征编码；S3、通过高通滤波器提取手指静脉图像的高频部分特征，通过静脉识别浅层卷积神经网络提取手指图像特征；S4、使用SVM分类器进行仿冒检测区分真伪静脉图像。本发明专利技术克服了打印伪造的静脉图像可欺骗现有的识别系统的问题，提高了实际静脉识别系统的安全性；此外，还克服了静脉图像质量不高，以及手指轴向偏转等因素降低实际系统的识别精度的问题。

Embedded finger vein recognition method based on convolutional neural network and counterfeit detection capability

The invention discloses a method based on convolution neural network with embedded phishing detection capability of finger vein recognition method, including the identification methods: finger vein image S1, the collection of several piece of multi-level intensity, select a definition of finger vein image is the highest, then the preprocessed image interception ROI S2, using the local area; binary mode LBP high frequency information of finger vein image texture feature encoding; S3, by a high pass filter to extract high frequency features of finger vein image, through the shallow vein recognition of convolutional neural network to extract finger image features; S4, SVM classifier is used to distinguish the authenticity of counterfeit vein image. The invention overcomes the vein image forgery printing can deceive the recognition system existing problems, improve the safety of the actual vein recognition system; in addition, but also overcome the quality is not high and the finger vein image, axial deflection and other factors reduce the recognition accuracy of the system problem.

【技术实现步骤摘要】
基于卷积神经网络且具备仿冒检测能力的嵌入式指静脉识别方法
本专利技术涉及生物特征识别、图像处理与模式识别、深度学习
，具体涉及一种基于卷积神经网络且具备仿冒检测能力的嵌入式指静脉识别方法。
技术介绍
生物特征识别技术是指利用人本身特有的生理或者行为特征，如人脸、指纹、虹膜、掌纹、声纹和签名等，通过一些模式识别算法来进行身份识别的技术。相比传统的身份识别方法，生物特征识别技术更加可靠、安全、方便等。指静脉识别技术作为一种新兴的生物特识别技术，以其独有的活体检测能力在生物特征识别领域获得一席之地，与其他生物特征识别相比，指静脉识别所具有独特的优势包括：(1)指静脉的采集为非接触方式，安全卫生，容易被广大用户接受；(2)静脉分布在皮肤表层底下，不存在老化、磨损等问题，使得静脉纹理的唯一性得到了有效保证；(3)指静脉纹理需要在近红外光照射下通过近红外摄像头捕获，使得系统具备活体检测能力，这样给伪冒攻击识别系统增加了难度；(4)静脉成像精度的低要求使得系统对摄像头的要求不高，从而降低了手指静脉识别系统的成本，为实现产品的大众化增加了可能性；(5)采集装置小，易于实现产品小型化。这些优势都本文档来自技高网...

【技术保护点】
一种基于卷积神经网络且具备仿冒检测能力的嵌入式指静脉识别方法，其特征在于，所述识别方法包括：S1、采集若干张多级光强的手指静脉图像，选出清晰度最高的一张手指静脉图像，然后进行预处理截取图像ROI区域；S2、使用局部二进制模式LBP对手指静脉图像的高频信息进行纹理特征编码；S3、通过高通滤波器提取手指静脉图像的高频部分特征，通过静脉识别浅层卷积神经网络提取手指图像特征；S4、使用SVM分类器进行仿冒检测区分真伪静脉图像。

【技术特征摘要】
1.一种基于卷积神经网络且具备仿冒检测能力的嵌入式指静脉识别方法，其特征在于，所述识别方法包括：S1、采集若干张多级光强的手指静脉图像，选出清晰度最高的一张手指静脉图像，然后进行预处理截取图像ROI区域；S2、使用局部二进制模式LBP对手指静脉图像的高频信息进行纹理特征编码；S3、通过高通滤波器提取手指静脉图像的高频部分特征，通过静脉识别浅层卷积神经网络提取手指图像特征；S4、使用SVM分类器进行仿冒检测区分真伪静脉图像。2.根据权利要求1所述的基于卷积神经网络且具备仿冒检测能力的嵌入式指静脉识别方法，其特征在于，所述步骤S1中分别采集6张在6级不同光强下的手指静脉图像。3.根据权利要求1所述的基于卷积神经网络且具备仿冒检测能力的嵌入式指静脉识别方法，其特征在于，所述步骤S1中采用带约束项的最大信息熵方法选出清晰度最高的一张手指静脉图像，其中图像区域{x,R}的信息熵由如下公式计算得到：其中，D表示图像的灰度等级，其取值为d1,…,dr，PD(di,x,R)表示灰度取值di在图像区域{x,R}上发生的概率。4.根据权利要求3所述的基于卷积神经网络且具备仿冒检测能力的嵌入式指静脉识别方法，其特征在于，所述约束项为沿着手指轴向将手指静脉图像等分切分的四个局部区域块，每一个局部区域块的灰度均值不能大于设定的阈值。5.根据权利要求1所述的基于卷积神经网络且具备仿冒检测能力的嵌入式指静脉识别方法，其特征在于，所述步骤S1...

【专利技术属性】
技术研发人员：康文雄，黄志星，邱鑫威，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44