【技术实现步骤摘要】
一种静脉识别的方法、装置、设备及存储介质
本专利技术涉及神经网络算法领域,特别是一种静脉识别的方法、装置、设备及存储介质。
技术介绍
目前,静脉识别技术作为具有高防伪性的第二代生物认证技术备受瞩目,和指纹、人脸、虹膜等传统生物特征相比,静脉识别具有两个显著的优势:内部特征和活体检测。具体而言,静脉隐藏在人体里面,相比指纹等外部特征,其不易被盗取、不受皮肤磨损受伤所带来的对识别的影响;静脉成像依靠的是近红外线被血红蛋白的吸收,只有活体流动的血液才能做到,因而静脉图像很难被伪造。目前,静脉识别主要包括手背静脉识别、手掌静脉识别和手指静脉识别,相比其它两种,手指静脉识别有其独有的优点:采集设备小巧,具有更广泛的应用前景;可以利用多个手指的静脉信息,进一步提高识别性能。手指静脉识别在一些国家或地区已经应用于ATM机、门禁系统、自动售货机以及各种登录型产品中。但同时,在手指静脉的图像采集过程中,难以捕获高质量的手指静脉图像,因此对后续的识别过程仍具有很大的挑战性。正因其独有的优势、广阔的应用场景以及面临的挑战,手指静脉识别受到越来越多
【技术保护点】
1.一种静脉识别的方法,其特征在于:包括以下步骤:/n将待验证的两幅目标静脉图像分别进行差分运算和通道连接,得到两幅目标静脉图像的差分图像和二通道图像;/n将获得的差分图像和二通道图像进行通道连接得到三通道图像,以三通道图像作为CNN网络的输入;/n对在ImageNet上完成训练的预训练模型SqueezeNet进行finetune;通过级联优化框架对差分图像和三通道图像进行整合得出识别结果。/n
【技术特征摘要】
1.一种静脉识别的方法,其特征在于:包括以下步骤:
将待验证的两幅目标静脉图像分别进行差分运算和通道连接,得到两幅目标静脉图像的差分图像和二通道图像;
将获得的差分图像和二通道图像进行通道连接得到三通道图像,以三通道图像作为CNN网络的输入;
对在ImageNet上完成训练的预训练模型SqueezeNet进行finetune;通过级联优化框架对差分图像和三通道图像进行整合得出识别结果。
2.根据权利要求1所述的一种静脉识别的方法,其特征在于:所述将待验证的两幅目标静脉图像分别进行差分运算和通道连接包括:将待验证的一对同源或异源图像作为一个样本,对所述样本进行加减算术运算或者在通道上的直接叠加,将处理后的样本作为CNN网络的输入,对网络进行有监督的训练。
3.根据权利要求1所述的一种静脉识别的方法,其特征在于:所述通过级联优化框架对差分图像和三通道图像进行整合得出识别结果包括:利用差分图像对预训练的SqueezeNet模型进行第1次微调得到次优化模型,利用3C图像对次优化模型进行第2次微调得到最终优化模型。
4.根据权利要求1所述的一种静脉识别的方法,其特征在于:所述对在ImageNet上完成训练的预训练模型SqueezeNet进行finetune中的SqueezeNet包括Fire模块。
5.根据权利要求4所述的一种静脉识别的方法,其特征在于:...
【专利技术属性】
技术研发人员:曾军英,王璠,秦传波,朱伯远,朱京明,翟懿奎,甘俊英,
申请(专利权)人:五邑大学,
类型:发明
国别省市:广东;44
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。