【技术实现步骤摘要】
融合多任务软生物特征的深度网络掌纹识别方法及系统
本专利技术涉及掌纹识别
,特别是涉及一种融合多任务软生物特征的深度网络掌纹识别方法及系统。
技术介绍
目前深度学习在掌纹身份识别领域已经取得较高精度,但仍可以进一步提升。结合软生物特征识别提升生物特征身份识别精度的研究已有成功案例,但在掌纹模态识别领域,掌纹软生物特征识别与掌纹身份识别相结合的研究极少,值得深入研究。近年来,人们逐渐认识和重视软生物特征识别的重要作用和意义,并在不同领域展开了相关研究。软生物特征与身份识别结合在其他领域已经得到重视。通过验证,充分结合软生物特征和生物特征身份信息,可以发挥信息互补性,提高身份识别准确率。对于不同模态的生物特征(例如人脸、指纹等),融合软生物特征的方法和难点不同,面临的问题也不同。不同的生物模态具有不同的软生物特征属性,例如掌纹软生物特征具有左右手属性,而人脸则不具备这一属性。为此,针对掌纹生物特征模态,需要专门深入研究并精心设计结合软生物特征识别提升生物特征身份识别精度的先进方案。
技术实现思路
本专利技术的目的是提供一种融合多任务软生物特征的深度网络掌纹识别方法及系统,以提高掌纹身份识别的准确率。为实现上述目的,本专利技术提供了如下方案:一种融合多任务软生物特征的深度网络掌纹识别方法,包括:获取待识别手部图像;将所述待识别手部图像进行预处理,得到待识别手掌感兴趣区域图像;将所述待识别手掌感兴趣区域图像输入训练好的掌纹身份识别网络,得到所述待识别手 ...
【技术保护点】
1.一种融合多任务软生物特征的深度网络掌纹识别方法,其特征在于,包括:/n获取待识别手部图像;/n将所述待识别手部图像进行预处理,得到待识别手掌感兴趣区域图像;/n将所述待识别手掌感兴趣区域图像输入训练好的掌纹身份识别网络,得到所述待识别手掌感兴趣区域图像的身份信息;/n所述掌纹身份识别网络的具体训练过程包括:/n以手掌感兴趣区域训练图像为输入,以手掌感兴趣区域训练图像的软生物特征为输出,对多任务软生物特征识别网络进行训练,得到训练好的多任务软生物特征识别网络;所述多任务软生物特征识别网络由五个卷积结构、第一全连接层、第二全连接层和两个并联的全连接层组成的全连接结构依次连接而成;所述软生物特征包括性别信息和左右手信息;/n以手掌感兴趣区域训练图像为输入,以手掌感兴趣区域训练图像的身份信息为输出,以所述训练好的多任务软生物特征识别网络的权重作为初始权重,对掌纹身份识别网络进行训练,得到训练好的掌纹身份识别网络;所述掌纹身份识别网络由五个卷积结构、第三全连接层、第四全连接层和第五全连接层依次连接而成。/n
【技术特征摘要】
1.一种融合多任务软生物特征的深度网络掌纹识别方法,其特征在于,包括:
获取待识别手部图像;
将所述待识别手部图像进行预处理,得到待识别手掌感兴趣区域图像;
将所述待识别手掌感兴趣区域图像输入训练好的掌纹身份识别网络,得到所述待识别手掌感兴趣区域图像的身份信息;
所述掌纹身份识别网络的具体训练过程包括:
以手掌感兴趣区域训练图像为输入,以手掌感兴趣区域训练图像的软生物特征为输出,对多任务软生物特征识别网络进行训练,得到训练好的多任务软生物特征识别网络;所述多任务软生物特征识别网络由五个卷积结构、第一全连接层、第二全连接层和两个并联的全连接层组成的全连接结构依次连接而成;所述软生物特征包括性别信息和左右手信息;
以手掌感兴趣区域训练图像为输入,以手掌感兴趣区域训练图像的身份信息为输出,以所述训练好的多任务软生物特征识别网络的权重作为初始权重,对掌纹身份识别网络进行训练,得到训练好的掌纹身份识别网络;所述掌纹身份识别网络由五个卷积结构、第三全连接层、第四全连接层和第五全连接层依次连接而成。
2.根据权利要求1所述的融合多任务软生物特征的深度网络掌纹识别方法,其特征在于,所述以手掌感兴趣区域训练图像为输入,以手掌感兴趣区域训练图像的软生物特征为输出,对多任务软生物特征识别网络进行训练,得到训练好的多任务软生物特征识别网络,具体包括:
判断多任务软生物特征识别网络训练过程中当前迭代次数是否达到第一设定迭代次数,得到第一判断结果;
若所述第一判断结果为是,则将所述当前迭代次数下的多任务软生物特征识别网络确定为训练好的多任务软生物特征识别网络;
若所述第一判断结果为否,则更新多任务软生物特征识别网络的权重和当前迭代次数,以手掌感兴趣区域训练图像为输入,以手掌感兴趣区域训练图像的软生物特征为输出,对多任务软生物特征识别网络进行下一次迭代。
3.根据权利要求1所述的融合多任务软生物特征的深度网络掌纹识别方法,其特征在于,在以手掌感兴趣区域训练图像为输入,以手掌感兴趣区域训练图像的身份信息为输出,以所述训练好的多任务软生物特征识别网络的权重作为初始权重,对掌纹身份识别网络进行训练之前,还包括:
将所述训练好的多任务软生物特征识别网络中的卷积结构的权重作为掌纹身份识别网络中的卷积结构的初始权重;
将所述训练好的多任务软生物特征识别网络中的第一全连接层的权重作为掌纹身份识别网络中的第三全连接层的初始权重;
将所述训练好的多任务软生物特征识别网络中的第二全连接层的权重作为掌纹身份识别网络中的第四全连接层的初始权重;
将掌纹身份识别网络中的第五全连接层的权重随机初始化。
4.根据权利要求1所述的融合多任务软生物特征的深度网络掌纹识别方法,其特征在于,所述以手掌感兴趣区域训练图像为输入,以手掌感兴趣区域训练图像的身份信息为输出,以所述训练好的多任务软生物特征识别网络的权重作为初始权重,对掌纹身份识别网络进行训练,得到训练好的掌纹身份识别网络,具体包括:
判断掌纹身份识别网络训练过程中当前迭代次数是否达到第二设定迭代次数,得到第二判断结果;
若所述第二判断结果表示为是,则将所述当前迭代次数下的掌纹身份识别网络确定为训练好的掌纹身份识别网络;
若所述第二判断结果表示为否,则更新掌纹身份识别网络的权重和当前迭代次数,以手掌感兴趣区域训练图像为输入,以手掌感兴趣区域训练图像的身份信息为输出,对掌纹身份识别网络进行下一次迭代。
...
【专利技术属性】
技术研发人员:冷璐,徐欢欢,储珺,曾接贤,
申请(专利权)人:南昌航空大学,
类型:发明
国别省市:江西;36
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。