掌纹识别方法、特征提取模型训练方法、设备及介质技术

本申请实施例公开了一种掌纹识别方法、特征提取模型训练方法、设备及介质，属于计算机技术领域。该方法包括：获取目标手部图像，对目标手部图像进行手掌提取，得到目标手部图像的目标手掌图像，调用特征提取模型，对目标手掌图像进行特征提取，得到目标掌纹特征，根据存储的多个预设掌纹特征及每个预设掌纹特征对应的用户标识，对目标掌纹特征进行识别处理，确定目标掌纹特征的目标用户标识。通过从手部图像中提取到手掌图像，减少了手部图像中对掌纹特征的影响因素，提高了掌纹特征的准确性，训练该特征提取模型时采用的样本手部图像通过不同类型的设备采集得到，应用范围广，提高了得到的掌纹特征的准确性，从而提高了用户标识的准确性。识的准确性。识的准确性。

【技术实现步骤摘要】
掌纹识别方法、特征提取模型训练方法、设备及介质


[0001]本申请实施例涉及计算机
，特别涉及一种掌纹识别方法、特征提取模型训练方法、设备及介质。

技术介绍

[0002]随着计算机技术的发展，掌纹识别技术应用越来越广泛。由于用户手掌中的掌纹是一种生物特征，具有唯一性，可以通过用户的掌纹对用户进行身份验证。
[0003]相关技术中提供了一种掌纹识别方法，获取待验证的手部图像，对手部图像进行编码，得到该手部图像的图像特征，该图像特征即可包含掌纹特征，则调用特征识别模型对该图像特征进行识别，确定该手部图像的用户标识。上述方法对手部图像的质量要求高，应用范围窄，且编码得到的图像特征的准确性差，导致确定的用户标识的准确性差。

技术实现思路

[0004]本申请实施例提供了一种掌纹识别方法、特征提取模型训练方法、设备及介质，能够提高确定的用户标识的准确性。所述技术方案如下：
[0005]一方面，提供了一种掌纹识别方法，所述方法包括：
[0006]获取目标手部图像，所述目标手部图像包含手掌；r/>[0007]对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种掌纹识别方法，其特征在于，所述方法包括：获取目标手部图像，所述目标手部图像包含手掌；对所述目标手部图像进行手掌提取，得到所述目标手部图像的目标手掌图像；调用特征提取模型，对所述目标手掌图像进行特征提取，得到目标掌纹特征，所述特征提取模型是根据多个样本用户标识的样本掌纹特征进行训练得到的，每个样本用户标识具有多个样本掌纹特征，所述多个样本掌纹特征是通过对应的样本用户标识的多个样本手部图像分别进行特征提取得到的，同一个样本用户标识的多个样本手部图像是通过不同类型的设备采集到的；根据存储的多个预设掌纹特征及每个预设掌纹特征对应的用户标识，对所述目标掌纹特征进行识别处理，确定所述目标掌纹特征的目标用户标识。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取所述多个样本用户标识的样本手部图像；对每个样本手部图像进行手掌提取，得到所述多个样本用户标识的样本手掌图像；调用所述特征提取模型，对所述每个样本手掌图像进行特征提取，得到所述每个样本手掌图像的样本掌纹特征；根据所述多个样本用户标识的样本掌纹特征，确定所述特征提取模型的损失值；根据所述损失值，对所述特征提取模型进行训练。3.根据权利要求2所述的方法，其特征在于，所述根据所述多个样本用户标识的样本掌纹特征，确定所述特征提取模型的损失值之前，所述方法还包括：根据所述多个样本用户标识的样本手掌图像，生成多个正样本图像组合和多个负样本图像组合，所述正样本图像组合包括属于同一样本用户标识的两个样本手掌图像，所述负样本图像组合包括分别属于不同样本用户标识的两个样本手掌图像；所述根据所述多个样本用户标识的样本掌纹特征，确定所述特征提取模型的损失值，包括：根据得到的多个样本手掌图像的样本掌纹特征，获取每个正样本图像组合的相似度及每个负样本图像组合的相似度，所述正样本图像组合的相似度表示所述正样本图像组合中的两个样本手掌图像的样本掌纹特征之间的相似度，所述负样本图像组合的相似度表示所述负样本图像组合中的两个样本手掌图像的样本掌纹特征之间的相似度；根据所述多个正样本图像组合的相似度及所述多个负样本图像组合的相似度，确定所述特征提取模型的损失值。4.根据权利要求3所述的方法，其特征在于，所述根据所述多个正样本图像组合的相似度及所述多个负样本图像组合的相似度，确定所述特征提取模型的损失值，包括：对所述多个正样本图像组合的相似度进行统计，得到所述多个正样本图像组合对应的第一统计值；对所述多个负样本图像组合的相似度进行统计，得到所述多个负样本图像组合对应的第二统计值；将所述第二统计值与所述第一统计值之间的差值，确定为所述特征提取模型的第一损失值。5.根据权利要求3所述的方法，其特征在于，所述根据所述多个正样本图像组合的相似
度及所述多个负样本图像组合的相似度，确定所述特征提取模型的损失值，包括：根据所述多个正样本图像组合的相似度，确定第一分布关系数据，所述第一分布关系数据表示所述多个正样本图像组合的相似度的分布情况；对所述多个正样本图像组合的相似度求取均值，得到所述多个正样本图像组合对应的原始统计值，将所述原始统计值增加第一预设数值，得到所述多个正样本图像组合对应的目标统计值；以所述目标统计值为均值，以第二预设数值为标准差，确定第一目标分布关系数据；根据所述第一分布关系数据与所述第一目标分布关系数据之间的差异，确定所述特征提取模型的第二损失值。6.根据权利要求3所述的方法，其特征在于，所述根据所述多个正样本图像组合的相似度及所述多个负样本图像组合的相似度，确定所述特征提取模型的损失值，包括：根据当前训练轮次的多个正样本图像组合的相似度，确定第一分布关系数据，所述第一分布关系数据表示所述多个正样本图像组合的相似度的分布情况，其中所述特征提取模型的多个训练轮次中采用的样本手部图像不同；对所述当前训练轮次的多个正样本图像组合的相似度求取均值，得到所述多个正样本图像组合对应的原始统计值；将上一个训练轮次的多个正样本图像组合对应的目标统计值增加第一预设数值，得到所述当前训练轮次的多个正样本图像组合对应的目标统计值；以所述目标统计值为均值，以第二预设数值为标准差，确定第一目标分布关系数据；根据所述第一分布关系数据与所述第一目标分布关系数据之间的差异，确定所述特征提取模型的第二损失值。7.根据权利要求3所述的方法，其特征在于，所述根据所述多个正样本图像组合的相似度及所述多个负样本图像组合的相似度，确定所述特征提取模型的损失值，包括：根据所述多个负样本图像组合的相似度，确定第...

【专利技术属性】
技术研发人员：张睿欣，沈雷，张映艺，黄余格，李绍欣，李季檩，黄飞跃，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：