一种基于ArcFace Loss和改进残差网络的指静脉身份验证方法技术

本发明专利技术涉及基于ArcFace Loss和改进残差网络的指静脉身份验证方法，包括以下步骤：1)采集若干手指的指静脉图像，对图像预处理；2)构建卷积神经网络；3)训练模型：使用ArcFace Loss对卷积神经网络进行训练；4)注册阶段：将注册图像增强后输入训练好的卷积神经网络中，得到特征向量并取平均值作为该手指的特征存储为注册特征库；5)验证阶段：计算该特征向量与注册特征库中每一特征的余弦相似度，并依据其距离与阈值判断其是否对应到某一根手指。本发明专利技术对轻量级残差网络进行改进使其对指静脉特征的表达能力得到有效的提升，有效的提高了注册特征库的质量，整个方法简单易行鲁棒，有效的提升指静脉识别的准确率。

【技术实现步骤摘要】
一种基于ArcFaceLoss和改进残差网络的指静脉身份验证方法
本专利技术属于信息安全领域中的生物识别技术，具体涉及一种基于ArcFaceLoss和改进残差网络的指静脉身份验证方法。
技术介绍
随着信息技术的发展，人们对于信息安全的要求越来越高，人脸识别、指纹认证等技术已广泛应用于人们的日常生活中。但在金融、军工等领域，人们往往需要更加安全可靠的生物识别技术，指静脉识别作为第二代生物识别技术，具有体内特征、不可复制、非接触式测量、安全级别高等优点，具有巨大的研究价值。目前，指静脉识别算法主要可分为基于指静脉纹路的方法、基于局部不变特征的方法和基于纹理特征的方法。比如，专利号为CN110633709A的专利技术专利申请公开了一种基于残差网络的特征图处理方法，包括：在残差网络的瓶颈层残差支路中最后一个卷积层之后接入一SE模块；在残差网络的桥连接支路中下采样模块之后接入一SE模块；在残差网络的加法模块与激活函数模块之间接入实例标准化模块；将特征图输入经过改进的残差网络进行处理，得到下一层的特征图。本专利技术对传统残差网络进行了改进，本文档来自技高网...

【技术保护点】
1.一种基于ArcFace Loss和改进残差网络的指静脉身份验证方法，其特征在于：其包括以下步骤：/n1)采集若干手指的指静脉图像，对图像预处理；/n2)构建卷积神经网络：对轻量级残差网络ResNet18的每个卷积块进行改进，构建卷积神经网络；/n3)训练模型：将预处理后的图像输入到卷积神经网络的模型中提取成多维的特征向量，并使用ArcFace Loss对卷积神经网络进行训练；/n4)注册阶段：将注册图像增强后输入训练好的卷积神经网络中，得到特征向量并取平均值作为该手指的特征存储为注册特征库；/n5)验证阶段：设定相似度阈值，将验证图像增强后输入到训练好的卷积神经网络中得到该验证图像的特征向...

【技术特征摘要】
1.一种基于ArcFaceLoss和改进残差网络的指静脉身份验证方法，其特征在于：其包括以下步骤：
1)采集若干手指的指静脉图像，对图像预处理；
2)构建卷积神经网络：对轻量级残差网络ResNet18的每个卷积块进行改进，构建卷积神经网络；
3)训练模型：将预处理后的图像输入到卷积神经网络的模型中提取成多维的特征向量，并使用ArcFaceLoss对卷积神经网络进行训练；
4)注册阶段：将注册图像增强后输入训练好的卷积神经网络中，得到特征向量并取平均值作为该手指的特征存储为注册特征库；
5)验证阶段：设定相似度阈值，将验证图像增强后输入到训练好的卷积神经网络中得到该验证图像的特征向量，分别计算该特征向量与注册特征库中每一特征的余弦相似度，并依据其距离与阈值判断其是否对应到某一根手指。


2.根据权利要求1所述的基于ArcFaceLoss和改进残差网络的指静脉身份验证方法，其特征在于：所述的步骤1)中，对图像预处理包括：对采集的指静脉数据库图像进行扩充，并对扩充后的数据库图像进行仿射变换，使用双边滤波法将得到的数据库图像进行增强。


3.根据权利要求2所述的基于ArcFaceLoss和改进残差网络的指静脉身份验证方法，其特征在于：所述步骤1)中对图像预处理的步骤包括：
1.1)对采集到的每个手指的指静脉数据库图像进行上下、左右翻转，将翻转后的图像分别设定为一个新的手指图像，将数据库扩大为原来的4倍；
1.2)设定相应的概率随机对图片进行平移、旋转操作，将变换后的图像加入数据库中，对数据库进行扩充；
1.3)通过滤波器BF对图像进行滤波增强。


4.根据权利要求3所述的基于ArcFaceLoss和改进残差网络的指静脉身份验证方法，其特征在于：滤波增强的计算公式为：



其中，Gs表示像素值权重，Gr表示空间距离权重，Wq表示滤波窗口内每个像素值的权重和，q为滤波窗口内的中心点，p为滤波器内的某一点，Iq为滤波窗口内中心点的像素值，Ip为p点的像素值，S为整个滤波窗口，Gs中的σ为值域标准差，Gr中的σ为空间域标准差；
公式中，像素值权重Gs的计算公式为：



公式中，空间距离权重Gr的计算公式为：



公式中，滤波窗口内每个像素值的权重和Wq的计算公式为：
Wq＝∑p∈SGs(p)Gr(p)(4)。


5.根据权利要求1所述的基于ArcFaceLoss和改进残差网络的指静脉身份验证方法，其特征在于：所述步骤2)中，对轻量级残差网络进行改进的方式是将卷积块Conv2_x、Conv3_x、Conv4_x、Conv5_x中的激活函数由Relu改为PRelu，并在这些卷积块的空间和通道两个维度加上注意力机制，其具体步骤是：
2.1)在通道上，对每个特征层使用MaxPooling和AveragePooling，再将得到的2维特征经过双层感知机后进行加和操作，最后经过Sigmoid函数...

【专利技术属性】
技术研发人员：赵国栋，张烜，胡振寰，李学双，
申请(专利权)人：圣点世纪科技股份有限公司，
类型：发明
国别省市：山西;14