一种掌纹特征提取方法和手相识别方法技术

本发明专利技术涉及一种掌纹特征提取方法，包括如下步骤：获取用户的掌纹图像；将掌纹图像输入至预训练的神经网络模型，获得掌纹特征图像；其中，所述神经网络模型包括mobilenet网络的卷积层，池化层和全连接层；具体包括如下步骤将所述掌纹图像输入至mobilenet网络的卷积层，选取mobilenet网络的卷积层的其中一层输出掌纹浅层特征图像；将所述掌纹浅层特征图像输入至池化层进行池化，提取掌纹主要特征；将所述掌纹主要特征输入至全连接层，连接所有的掌纹主要特征并最终输出掌纹特征图像。本发明专利技术所述的掌纹特征提取方法具有模型小，需要计算资源少，运行时间短的优点。

A Palmprint Feature Extraction Method and Palmprint Recognition Method

The invention relates to a Palmprint Feature Extraction method, which comprises the following steps: obtaining palmprint images of users; inputting palmprint images into a pre-trained neural network model to obtain Palmprint Feature images; in which the neural network model includes convolution layer, pooling layer and full connection layer of the mobilenet network; and in particular, the following steps include inputting the palmprint images into the mobilenet network In the convolution layer of the mobilenet network, one layer of the convolution layer is selected to output the shallow Palmprint Feature image; the shallow Palmprint Feature image is input to the pooling layer for pooling, and the main palmprint features are extracted; the main palmprint features are input to the full connection layer to connect all the main palmprint features and finally output the Palmprint Feature image. The Palmprint Feature extraction method has the advantages of small model, less computing resources and short running time.

【技术实现步骤摘要】
一种掌纹特征提取方法和手相识别方法
本专利技术涉及生物特征识别
，特别是涉及一种掌纹特征提取方法和手相识别方法。
技术介绍
在生物特征识别
中，掌纹识别技术具有较高的识别精度。掌纹具有唯一性和基本终生不变形，具有丰富的可用于身份识别的信息，掌纹识别技术也在政府、银行、社会福利保障、电子上午和安全防卫等领域得到很好的应用，因此对掌纹识别技术方法的研究具有重要意义。而掌纹特征提取是掌纹识别的关键步骤，目前，在同类技术当中，主要有采用常规的图像算法技术，基于深层卷积网络的图像特征识别等等方法。然而，采用传统的卷积网络和深层卷积网络的特征提取方法，例如VGG16、ResNe，CNNt等网络，运行时间较长、且占用运行内存过大；模型的参数过多，导致模型的大小过大，不适合实时计算，且不利于嵌入移动设备。因此，有必要研究开发一种利用小型模型，运行时间短，对计算资源需求低的掌纹特征提取方法。随着深度学习技术的发展，越来越多的娱乐应用如雨后春笋地出现。越来越多年轻用户使用娱乐软件,希望通过娱乐软件来进行娱乐，如看手相,看面相等等。其中，看手相最主要的步骤是掌纹特征识别。而大多数看手相软件都是本文档来自技高网...

【技术保护点】
1.一种掌纹特征提取方法，其特征在于，包括如下步骤：获取用户的掌纹图像；将掌纹图像输入至预训练的神经网络模型，获得掌纹特征图像；其中，所述神经网络模型包括mobilenet网络的卷积层，池化层和全连接层；具体包括如下步骤将所述掌纹图像输入至mobilenet网络的卷积层，选取mobilenet网络的卷积层的其中一层输出掌纹浅层特征图像；将所述掌纹浅层特征图像输入至池化层进行池化，提取掌纹主要特征；将所述掌纹主要特征输入至全连接层，连接所有的掌纹主要特征并最终输出掌纹特征图像。

【技术特征摘要】
1.一种掌纹特征提取方法，其特征在于，包括如下步骤：获取用户的掌纹图像；将掌纹图像输入至预训练的神经网络模型，获得掌纹特征图像；其中，所述神经网络模型包括mobilenet网络的卷积层，池化层和全连接层；具体包括如下步骤将所述掌纹图像输入至mobilenet网络的卷积层，选取mobilenet网络的卷积层的其中一层输出掌纹浅层特征图像；将所述掌纹浅层特征图像输入至池化层进行池化，提取掌纹主要特征；将所述掌纹主要特征输入至全连接层，连接所有的掌纹主要特征并最终输出掌纹特征图像。2.如权利要求1所述的掌纹特征提取方法，其特征在于：所述获取用户的掌纹图像的步骤与将预处理后的掌纹图像输入至预训练的神经网络模型，获得掌纹特征图像的步骤之间，还包括如下步骤：对所述掌纹图像进行预处理。3.如权利要求2所述的掌纹特征提取方法，其特征在于：所述对所述掌纹图像进行预处理的步骤，具体包括如下步骤：判断所述掌纹图像是否存在手掌形状图像；若是，调整所述掌纹图像的宽度、高度和通道；将所述掌纹图像的宽度、高度和通道调整为224*224*3。4.如权利要求1所述的掌纹特征提取方法，其特征在于：所述将所述掌纹图像输入至mobilenet网络的卷积层，选取mobilenet网络的卷积层的其中一层输出掌纹浅层特征图像的步骤，具体包括如下步骤：在第1层时，采用depthwiseseparableconvolution对不同通道的预处理的掌纹图像进行卷积；在除了第一层外的每个卷积层，采用depthwiseseparableconvolution对不同通道的上一卷积层输出的第二特征图像分别进行卷积，获得达到预设的尺度的第一特征图像；采用pointwiseconvolution对所述第一特征图像进行卷积，输出达到预设的通道数量的第二...

【专利技术属性】
技术研发人员：邓裕强，何晓芬，廖吉平，周少煌，王飞，
申请(专利权)人：广州市久邦数码科技有限公司，
类型：发明
国别省市：广东,44