【技术实现步骤摘要】
指静脉数据扩充后再识别的方法、装置、设备和存储介质
本专利技术涉及计算机应用
，特别涉及一种指静脉数据扩充后再识别的方法、装置、设备和存储介质。
技术介绍
近年来，随着人们对生物识别系统安全性和准确性的要求越来越高，生物特征识别技术得到越来越多的关注。手指静脉识别作为众多生物特征识别技术中的一种，由于具有非接触式采集、活体检测、不易伪造、成本较低等优点，成为当前研究的热点。但是由于指静脉数据难以获得，所以当前现存用于深度学习的数据库较少，数据库中数据的量较小，特别是对于siamese分类网络，需要输入同类对和不同类对来进行学习，同类对的数量更是稀少，给识别精度的提高带来了困难，虽然传统的一些变形方法可以缓解这个困难，但是也不能完全解决。
技术实现思路
本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种指静脉数据扩充后再识别的方法、装置、设备和存储介质，能够解决现存数据量较少的问题。根据本专利技术的第一方面实施例的指静脉数据扩充后再识别的方法，包括以下步骤：搭...
【技术保护点】
1.一种指静脉数据扩充后再识别的方法，其特征在于，包括以下步骤：/n搭建对抗生成网络GAN；/n搭建基于卷积神经网络CNN的siamese网络；/n通过所述对抗生成网络GAN生成更多的同类指静脉图片，使得数据得到扩充；/n将所述同类指静脉图片作为所述siamese网络的同类输入，使所述siamese网络学习到更精准的欧式距离Ew，所述欧式距离Ew用于对同类指静脉图片和非同类指静脉图片进行分类。/n
【技术特征摘要】
1.一种指静脉数据扩充后再识别的方法，其特征在于，包括以下步骤：
搭建对抗生成网络GAN；
搭建基于卷积神经网络CNN的siamese网络；
通过所述对抗生成网络GAN生成更多的同类指静脉图片，使得数据得到扩充；
将所述同类指静脉图片作为所述siamese网络的同类输入，使所述siamese网络学习到更精准的欧式距离Ew，所述欧式距离Ew用于对同类指静脉图片和非同类指静脉图片进行分类。
2.根据权利要求1所述的指静脉数据扩充后再识别的方法，其特征在于，所述搭建对抗生成网络GAN包括：
搭建生成网络Generator，所述生成网络Generator用于接收随机噪声Z，并根据所述随机噪声Z生成候选图片；
搭建鉴别网络Discriminator，所述鉴别网络Discriminator用于接收真实图片和所述候选图片，并输出所输入图片为真实的概率；
通过所述生成网络Generator和所述鉴别网络Discriminator之间的循环训练，使得所述生成网络Generator生成逼真的图片，作为同类指静脉图片的数据扩充。
3.根据权利要求1所述的指静脉数据扩充后再识别的方法，其特征在于，所述搭建基于卷积神经网络CNN的siamese网络包括：
建立两个结构相同且共享权值的CNN子网络，所述CNN子网络用于接收两个输入图片X1和X2，并转换成向量Gw(X1)与Gw(X2)，并根据所述Gw(X1)与所述Gw(X2)计算出欧式距离Ew；
构造损失函数，当两个输入图片不相似时，欧式距离Ew越大，损失越小，即关于Ew的单调递减函数；当两个输入图片相似时，欧式距离Ew越大，损失越大，即关于Ew的单调递增函数；
通过欧式距离Ew大小计算损失函数，进行反馈优化，使所述siamese网络完成对指静脉图片的分类。
4.根据权利要求3所述的指静脉数据扩充后再识别的方法，其特征在于，所述欧式距离Ew、所述Gw(X1)与所述Gw(X2)之间的关系式如下：
Ew＝‖Gw(X1)-Gw(X2)‖。
5.一种指静脉数据扩充后再识别的装置，其特征在于，包括：
对抗生成网络GAN搭建单元，用于搭建对抗生成网络GAN；
siamese网络搭建单元，用于搭建基于卷积神经网络CNN的siamese网络；
数据扩充单元，用于通过所述对抗生成网络GAN生成更多的同类指静脉图...
【专利技术属性】
技术研发人员：曾军英，姜晓伟，朱伯远，吴海峰，秦传波，王璠，朱京明，
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。