一种基于局部相似性保持特征表示的掌纹识别方法技术

本发明专利技术提出了一种基于局部相似性保持特征表示的掌纹识别方法。该方法首先将待识别样本表示成全体训练样本的线性组合，同时考虑了样本的邻域信息，在建立特征表示模型时，其假定同属于待识别样本近邻的两个样本的重构系数接近；其次，将待识别样本与其邻域样本的重构误差作为权重参数进一步对重构系数施加约束，从而增强所提方法的特征表达能力；最后，根据待识别样本在每类中的重构误差判断待识别样本的类别。本发明专利技术识别准确率高，可靠性佳。可靠性佳。可靠性佳。

【技术实现步骤摘要】
一种基于局部相似性保持特征表示的掌纹识别方法


[0001]本专利技术提出了一种基于局部相似性保持特征表示的掌纹识别方法，属于图像识别


技术介绍

[0002]近年来随着新冠疫情的影响，关于疫情中高危地区人员的管控已成为当前社会安全重点关注的一方面，因此如何快速准确地识别出相关人员的身份是当前迫切需要解决的问题之一。掌纹是人类与生俱来的一种生物特征，使用掌纹识别作为安全监控的一种手段，具有友好、方便、准确率高等特点。由于疫情的影响，佩戴口罩已成为当前人们生活的一种常态，这显然给基于其它生物特征识别技术(典型的如人脸识别)的身份确认带来困难，而掌纹识别一般无遮挡，因此使用掌纹识别进行身份确认准确率更高。
[0003]现有技术中有不少应用于掌纹识别的图像识别方法，但均具有缺陷。基于特征表示模型的分类算法是当前使用较广泛的一种图像识别方法，如Wright等人2009年提出了稀疏表示分类器(SRC)，该方法将压缩感知理论引入图像识别中，能有效处理噪声对图像识别的影响，然而SRC需基于L1范数最优化问题求解特征表示系数，计算速度较缓慢，这显本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于局部相似性保持特征表示的掌纹识别方法，其特征在于，包括如下步骤：步骤1，构建训练样本集与待识别样本；步骤2，对全体训练样本及待识别样本进行模为1的归一化操作；步骤3，将待识别样本表示成全体训练样本的线性组合；步骤4，在训练集中搜索待识别样本的k个近邻样本，构造全体邻域约束矩阵W，利用样本的邻域信息对重构系数施加约束；步骤5，根据待识别样本与其邻域样本的重构误差计算权重参数，进一步对重构系数施加约束；步骤6，构建特征表示方程，并根据拉格朗日乘子法求解表示系数；步骤7，根据待识别样本在每类中的重构误差判断待识别样本的类别。2.根据权利要求1所述的基于局部相似性保持特征表示的掌纹识别方法，其特征在于，所述步骤1具体包括如下过程：将所有训练图像进行矩阵向量化操作，并构成训练样本集其中D为任一训练样本的维数，n为总体训练样本的个数；假设总体训练样本来自C个类别，令表示第i类训练样本集，n
i
表示第i类训练样本的个数；同样对待识别图像进行矩阵向量化操作，得待识别样本3.根据权利要求1所述的基于局部相似性保持特征表示的掌纹识别方法，其特征在于，所述步骤2中按以下公式进行归一化操作：按以下公式对全体训练样本及待识别样本进行模为1的归一化操作任一训练样本：待识别样本：4.根据权利要求1所述的基于局部相似性保持特征表示的掌纹识别方法，其特征在于，所述步骤3中的线性组合为：y＝Xa其中为表示系数向量，a
i
为第i个训练样本对重构待识别样本的重构系数。5.根据权利要求1所述的基于局部相似性保持特征表示的掌纹识别方法，其特征在于，所述步骤4具体包括如下过程：x
i
与y的相近度根据x
i
与y的距离计算，即：首先计算y的...

【专利技术属性】
技术研发人员：黄璞，杨章静，杨国为，
申请(专利权)人：南京审计大学，
类型：发明
国别省市：