基于Multiple loss损失函数的指静脉验证身份的识别方法技术

本发明专利技术涉及生物识别技术，尤其涉及一种指静脉验证身份的识别方法。一种基于Multiple loss损失函数的指静脉验证身份的识别方法，具体步骤为：采集至少二人的指静脉样本图像，每个手指至少采集两个的图像；将采集到的静脉样本图像分为三组：锚点组：取识别对象的指静脉图像做为锚点、positive组：取与识别对象同一人的另外一张指静脉图像为正样本组、negative组：取与识别对象不同人的一张指静脉图像为负样本组；以上三组数据放入深度残差网络中进行训练，使用Multiple loss得到embeddings向量；计算两两embeddings的欧式距离，距离近的为同一人，距离远的为不同人。本发明专利技术能快速和精准地识别个人身份，并将其应用于静脉识别系统中，体形小巧、界面友好、价格适宜。

Identification method of finger vein authentication based on multiple loss function

【技术实现步骤摘要】
基于Multipleloss损失函数的指静脉验证身份的识别方法
本专利技术涉及生物识别技术，尤其涉及一种指静脉验证身份的识别方法。
技术介绍
传统的身份鉴定方法包括身份标识物品(如钥匙、证件、ATM卡等)和身份标识(如用户名和密码)但由于主要借助体外物，一旦证明身份的标识物品和标识被盗或遗忘，其身份就容易被他人冒充或取代。生物识别技术比传统的身份鉴定方法更具安全、保密和方便性。生物特征识别技术具不易遗忘、防伪性能好、不易伪造或被盗、随身“携带”和随时随地可用等优点。光传播技术可以确保能够拍摄到高对比度的手指静脉影像，而不受皮肤表面的褶皱、纹理、粗糙度、干湿度等任何缺陷和瑕疵的影响。由于手指静脉图样对比只需要少量的生物统计学数据，所以开发出世界上最为快速和精准的个人身份识别系统，并将其在体形小巧、界面友好、价格适宜的个人身份识别装置中得以有效应用。指静脉识别技术利用手指静脉血管的纹理进行身份验证，对人体无害，具有不易被盗取、伪造等特点。该识别技术可广泛应用于银行金融、政府国安、教育社保等领域的门禁系统。2013年度全国专业技术人员职称外语等级统一考试全面推广应用指静脉识别技术。2013年的报考者除须提交相关的资料信息外，省直考区在资格审查时将采用指静脉识别技术进行个人指静脉信息采集。然而，指静脉识别方法在实践中还有很多需要改进的地方，从而得到一个可以接受的错误率。目前市场上常用的深度学习识别方案，大体有以下几种：多分类算法：即通过深度学习训练来对训练的图片进行分类，如：找10个人指静脉图片来做分类，来识别身份。二分类算法：即通过深度学习中的maxsoft损失函数，生成一个概率，用概率的大小来识别身份。上述方法，对于全球75.94亿人口来讲，一是不可能采集所有人的指静脉图片，做75.94亿的分类。二是通过概率没有办法准确判断75.94亿人的身份。
技术实现思路
本专利技术旨在克服现有技术的缺陷，提供一种基于Multipleloss损失函数的指静脉验证身份的识别方法。本专利技术能快速和精准地识别个人身份，并将其应用于静脉识别系统中，体形小巧、界面友好、价格适宜。一种基于Multipleloss损失函数的指静脉验证身份的识别方法，具体步骤为：1)采集至少二人的指静脉样本图像，每个手指至少采集两个的图像；2)将采集到的静脉样本图像分为三组：锚点组：取识别对象的指静脉图像做为锚点、positive组：取与识别对象同一人的另外一张指静脉图像为正样本组、negative组：取与识别对象不同人的一张指静脉图像为负样本组；3)以上三组数据放入深度残差网络中进行训练，使用Multipleloss得到embeddings向量；4)计算两两embeddings的欧式距离，距离近的为同一人，距离远的为不同人。所述的基于Multipleloss损失函数的指静脉验证身份的识别方法，所述3)中使用Multipleloss学到的是一个好的embedding，相似的图像在embedding空间里是相近的，判断是否是同一人。所述的基于Multipleloss损失函数的指静脉验证身份的识别方法，所述3)向深度残差网络输入一个三元组<a,p,n>；a点，p:正样本，与a是同一类别的样本，n:负样本,与a是不同类别的样本。所述的基于Multipleloss损失函数的指静脉验证身份的识别方法，所述4)采用公式为：L＝max(d(a,p)-d(a,n))+margin,0)，最终的优化目标是拉近a,p的距离，拉远a,n的距离，easymultiples:L＝0即d(a,p)+margin＜d(a,n)，情况不需要优化，天然a,p的距离近，a,n的距离远hardmultiples:d(a,n)＜d(a,p)，即a,p的距离远semi-hardmultiples:d(a,p)＜d(a,n)＜d(a,p)＜d(a,p)+margin,即a,n的距离靠的近，但是有一个margin，上述模型中是随机选取semi-hardmultiples和/或hardmultiples进行训练。所述的基于Multipleloss损失函数的指静脉验证身份的识别方法，所述3)采取的训练方法为：从训练集中抽取B个样本，然后计算B个embeddings，可以产生B3个multiples，其中包括非法的数据。所述基于Multipleloss损失函数的指静脉验证身份的识别方法，它还包括使用策略：BatchAll:计算batch_size中所有合法的hardmultiple和semi-hardmultiple，然后取t平均得到Loss。所述的基于Multipleloss损失函数的指静脉验证身份的识别方法，它进一步包括计算两两embeddings的距离:所述的基于Multipleloss损失函数的指静脉验证身份的识别方法,它还包括计算validmask,labels[i]＝＝labels[j]和labels[i]！＝labels[k]。所述的基于Multipleloss损失函数的指静脉验证身份的识别方法，它进一步包括计算multipleloss＝anchorpositivedist-anchornegative_dist+margin。所述的基于Multipleloss损失函数的指静脉验证身份的识别方法，所述计算embeddingmeannorm中每一行embedding公式为：为了解决上述技术问题，本专利技术是通过特殊设计的Multipleloss损失函数来为每一张指静脉图片生成一个128维向量，通过计算向量之间的距离，来识别身份。有效提高了身份识别的准确度。本专利技术本专利技术是通过特殊设计的Multipleloss损失函数来为每一张指静脉图片生成一个128维向量，通过计算向量之间的距离，来识别身份。有效提高了身份识别的准确度。利用本专利技术的方法的指静脉验证身份的识别系统，体型小巧，界面友好，价格适宜。附图说明图1是本专利技术的基本原理图；图2是所述指静脉图像样本分组及深度学习示意图；图3至图7是所述训练情况示意图。具体实施方式如图1和图2所示，一种基于Multipleloss损失函数的指静脉验证身份的识别方法，具体步骤为：1)采集至少二人的指静脉样本图像，每个手指至少采集两个的图像；为了达到较好的学习效果，采集人数为1000人，每个手指采集4个图像。2)将采集到的静脉样本图像分为三组：锚点组：取识别对象的指静脉图像做为锚点、positive组：取与识别对象同一人的另外一张指静脉图像为正样本组、negative组：取与识别对象不同人的一张指静脉图像为负样本组；通过深度学习，针对三元组中的每个元素(样本)，训练一个参数共享或者不共享的网络，得到三个元素的特征表达，分别记为：让锚点和正样本特征表达之间的距离尽可能小，而正样本和负样本的特征表达之间的距离尽可能大，并且要让本文档来自技高网...

【技术保护点】
1.一种基于Multiple loss损失函数的指静脉验证身份的识别方法，具体步骤为：/n1)采集至少二人的指静脉样本图像，每个手指至少采集两个的图像；/n2)将采集到的静脉样本图像分为三组：锚点组：取识别对象的指静脉图像做为锚点、positive组：取与识别对象同一人的另外一张指静脉图像为正样本组、negative组：取与识别对象不同人的一张指静脉图像为负样本组；/n3)以上三组数据放入深度残差网络中进行训练，使用Multiple loss得到embeddings向量；/n4)计算两两embeddings的欧式距离，距离近的为同一人，距离远的为不同人。/n

【技术特征摘要】
1.一种基于Multipleloss损失函数的指静脉验证身份的识别方法，具体步骤为：
1)采集至少二人的指静脉样本图像，每个手指至少采集两个的图像；
2)将采集到的静脉样本图像分为三组：锚点组：取识别对象的指静脉图像做为锚点、positive组：取与识别对象同一人的另外一张指静脉图像为正样本组、negative组：取与识别对象不同人的一张指静脉图像为负样本组；
3)以上三组数据放入深度残差网络中进行训练，使用Multipleloss得到embeddings向量；
4)计算两两embeddings的欧式距离，距离近的为同一人，距离远的为不同人。


2.如权利要求1所述的基于Multipleloss损失函数的指静脉验证身份的识别方法，其特征在于，所述3)中使用Multipleloss学到的是一个好的embedding，相似的图像在embedding空间里是相近的，判断是否是同一人。


3.如权利要求1所述的基于Multipleloss损失函数的指静脉验证身份的识别方法，其特征在于，所述3)向深度残差网络输入一个三元组<a,p,n>；a点，p:正样本，与a是同一类别的样本，n:负样本,与a是不同类别的样本。


4.如权利要求1所述的基于Multipleloss损失函数的指静脉验证身份的识别方法，其特征在于，所述4)采用公式为：L＝max(d(a,p)-d(a,n))+margin,0)，最终的优化目标是拉近a,p的距离，拉远a,n的距离，easymultiples:L＝0即d(a,p)+margin＜d(a,n)，情况不需要优化，天然a,p的距离近，a,n的距离远hardmultiples:d(a,n)＜d(a,p)，即a,p的距离远semi-hardmultiples:d(a,p)＜d...

【专利技术属性】
技术研发人员：吴松，夏华东，
申请(专利权)人：上海芯灵科技有限公司，
类型：发明
国别省市：上海;31