【技术实现步骤摘要】
一种基于Inception神经网络模型的掌静脉图像识别方法、装置及存储介质
本专利技术涉及图像处理领域,特别是一种基于Inception神经网络模型的掌静脉图像识别方法、装置及存储介质。
技术介绍
在掌静脉图像识别处理中,在进行图像识别前,首先需要提取相应图像的特征数据,并录入数据库,作为之后进行识别对比的重要元素。因此能否从静脉图像中提取可靠的特征点,直接影响着静脉匹配的精度。在传统的静脉识别算法中,往往使用经典的图像特征提取方法,如基于HU不变矩的特征值提取。但经过多次实验发现,静脉图像质量较差时会给静脉特征提取带来很大的难度,尽管经过静脉图像增强的处理可以提高和改善图像质量,但是静脉增强很难在较大程度上恢复静脉骨架的清晰度,并且在增强处理图像时本身也具有误差。所以,通过传统图像特征提取方法获取图像特征值进行掌静脉识别,所得结果的准确度和稳定程度都不高。现在的技术中,使用基于Inception卷积神经网络模型的深度学习方法来对图像进行分类验证,此方法能通过对神经网络模型的参数不断调整来更加精准地提取图像特征值,进而实现了相对以往方法更为快速准确的图像识别分类。
技术实现思路
有鉴于此,本专利技术的目的是提出一种基于Inception神经网络模型的掌静脉图像识别方法、装置及存储介质,该方法通过采用Inception神经网络模型对掌静脉图像数据进行训练处理,能够降低图片噪声对特征提取的影响,提高图像识别的精度和速度。本专利技术采用以下方案实现:一种基于Inception神经网络模型的掌静脉图像识别方法,包括以下步骤:步骤S1:获取不同身份的人的手掌静脉图像;步 ...
【技术保护点】
1.一种基于Inception神经网络模型的掌静脉图像识别方法,其特征在于:包括以下步骤:步骤S1:获取不同身份的人的手掌静脉图像;步骤S2:将获取到的不同身份的的人的手掌静脉图像以身份分类的文件夹形式进行汇总,作为训练数据;其中,文件夹名称以身份分类标签进行命名;步骤S3:根据步骤S2中的训练数据对现有训练好的Inception神经网络模型进行迁移学习,建立所需的Inception神经网络模型;步骤S4:将建立好的Inception神经网络模型通过模型持久化的方法储存起来,并对用户所设定好路径的图像进行识别,在程序中导入建立好的Inception神经网络模型和测试图片,运行后得到识别得到测试图片对应的身份分类标签和准确率。
【技术特征摘要】
1.一种基于Inception神经网络模型的掌静脉图像识别方法,其特征在于:包括以下步骤:步骤S1:获取不同身份的人的手掌静脉图像;步骤S2:将获取到的不同身份的的人的手掌静脉图像以身份分类的文件夹形式进行汇总,作为训练数据;其中,文件夹名称以身份分类标签进行命名;步骤S3:根据步骤S2中的训练数据对现有训练好的Inception神经网络模型进行迁移学习,建立所需的Inception神经网络模型;步骤S4:将建立好的Inception神经网络模型通过模型持久化的方法储存起来,并对用户所设定好路径的图像进行识别,在程序中导入建立好的Inception神经网络模型和测试图片,运行后得到识别得到测试图片对应的身份分类标签和准确率。2.根据权利要求1所述的一种基于Inception神经网络模型的掌静脉图像识别方法,其特征在于:所述步骤S1采用具有不同波长的滤波片的摄像头对不同身份的人的手掌进行拍摄,通过调整不同滤波片的组合使得摄像头获得成像质量好的手掌静脉图像。3.根据权利要求1所述的一种基于Inception神经网络模型的掌静脉图像识别方法,其特征在于:所述步骤S2中,手掌静脉图像在进行汇总时,不同身份的人的文件夹名称以每个人的人名进行命名,则所述步骤S4中的身份分类标签即为每个人的人名。4.根据权利要求1所述的一种基于Inception神经网络模型的掌静脉图像识别方法,其特征在于:所述步骤S3具体包括以下步骤:步骤S31:定义Inception神经网络模型的瓶颈层的节点个数;步骤S32:定义Inception神经网络模型中代表瓶颈层张量的名称;步骤S33:定义图像输入张量所对应的名称;步骤S34:采用现有训练好的Inception神经网络模型文件目录,将原始图像通过Inception神经网络模型计算得到的特征向量保存到文件中;步骤S35:定义输入图片的文件位置;步骤S36:定义验证的数据百分比;步骤S37:定义测试的数据百分比;步骤S38:定义Inception神经网络的学习率、训练次数以及每次使用数据的数量;步骤S39:通过定义一个方法函数对摄像头获取的图像进行处理;步骤S310:采用现有训练好的Inc...
【专利技术属性】
技术研发人员:陈本强,赵俭辉,刘锋,朱淳怡,
申请(专利权)人:福州精益精科技有限责任公司,
类型:发明
国别省市:福建,35
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。