身份识别方法及装置制造方法及图纸

本发明专利技术公开了一种身份识别方法及装置。其中，该方法包括：获取拍摄设备采集到的目标对象的指静脉图像；使用指静脉神经网络模型对上述指静脉图像进行识别；基于识别结果确定上述目标对象的身份信息，其中，上述指静脉神经网络模型为使用多组数据，通过机器学习训练得到的，上述多组数据中的每组数据均包括：指静脉图像和目标对象的身份信息。本发明专利技术解决了现有的指静脉识别技术存在抗伪能力差、识别率较低的技术问题。

Identification method and device

【技术实现步骤摘要】
身份识别方法及装置
本专利技术涉及识别
，具体而言，涉及一种身份识别方法及装置。
技术介绍
指静脉识别技术在二十一世纪逐步广泛应用,指静脉识别技术最早专利技术于上世纪九十年代的日本科学家，在本世纪初开始相继被日本、韩国逐渐应用到会员识别一体机，银行ATM机，门禁管理系统等进行个人身份认证的领域。不仅应用在身份鉴别、考勤门禁等传统领域，在医疗边境安防、娱乐领域也获得了很大的发展。指静脉识别技术相比较现有的身份识别技术具有以下优势：(1)属于活体特征，无法利用非活体伪造，不会磨损，具有很高安全性(2)血管特征通常更明显，容易识别，抗干扰性好。(3)可实现非接触式测量，卫生性好，易于为用户接受。(4)不易受手表面伤痕或油污的影响。然而，目前指静脉识别技术也存在一些问题，比如：采集图像设备稳定性差，识别率低；无法克服平移的影响且计算量大，抗伪能力差，识别率较低。针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种身份识别方法及装置，以至少解决现有的指静脉识别技术存在抗伪本文档来自技高网...

【技术保护点】
1.一种身份识别方法，其特征在于，包括：/n获取拍摄设备采集到的目标对象的指静脉图像；/n使用指静脉神经网络模型对所述指静脉图像进行识别；/n基于识别结果确定所述目标对象的身份信息，其中，所述指静脉神经网络模型为使用多组数据，通过机器学习训练得到的，所述多组数据中的每组数据均包括：指静脉图像和目标对象的身份信息。/n

【技术特征摘要】
1.一种身份识别方法，其特征在于，包括：
获取拍摄设备采集到的目标对象的指静脉图像；
使用指静脉神经网络模型对所述指静脉图像进行识别；
基于识别结果确定所述目标对象的身份信息，其中，所述指静脉神经网络模型为使用多组数据，通过机器学习训练得到的，所述多组数据中的每组数据均包括：指静脉图像和目标对象的身份信息。


2.根据权利要求1所述的方法，其特征在于，使用指静脉神经网络模型对所述指静脉图像进行识别，包括：
使用所述指静脉神经网络模型，确定与所述指静脉图像对应的语义信息；
基于所述语义信息，采用语义分割算法对所述指静脉图像进行语义分割处理，得到分割处理后的目标指静脉图像；
使用所述指静脉神经网络模型识别所述目标指静脉图像，得到所述识别结果。


3.根据权利要求2所述的方法，其特征在于，使用所述指静脉神经网络模型，确定与所述指静脉图像对应的语义信息，包括：
使用所述指静脉神经网络模型的卷积网络编码层对所述指静脉图像进行图像变换处理，得到第一处理图像；
使用所述指静脉神经网络模型的反卷积网络解码层对所述第一处理图像进行图像还原处理，得到第二处理图像，并提取所述第二处理图像的语义信息。


4.根据权利要求2所述的方法，其特征在于，使用所述指静脉神经网络模型识别所述目标指静脉图像，得到所述识别结果，包括：
通过所述指静脉神经网络模型对所述目标指静脉图像进行静脉特征提取得到静脉特征提取图；
通过所述指静脉神经网络模型识别所述静脉特征提取图所属的类别，其中，不同的类别对应不同的身份信息。


5.根据权利要求2所述的方法，其特征在于，在使用所述指静脉神经网络模型，确定与所述指静脉图像对应的语义信息之前，所述方法还包括：
检测所述指静脉图像是否符合第一目标图像要求，所述第一目标图像要求包括以下至少之一：亮度要求、对比度要求；
若检测结果指示所述指静脉图像不符合所述第一目标图像要求，则对所述指静脉图像进行预处理，其中，所述预处理包括以下至少之一：图像亮度处理、图像对比度处理。


6....

【专利技术属性】
技术研发人员：李绍斌，房远志，陈飞龙，李孟宸，
申请(专利权)人：珠海格力电器股份有限公司，珠海联云科技有限公司，
类型：发明
国别省市：广东;44