【技术实现步骤摘要】
本专利技术属于生物识别和处理方法，具体涉及基于时序上下文特征学习的腭皱识别系统。
技术介绍
1、近年来，随着人工智能和深度学习的迅速发展，生物特征识别在安防、身份验证等领域得到了广泛的应用。目前，常用的生物特征识别技术主要包括：人脸识别、指纹识别、虹膜识别、掌纹识别等。随着法医学的快速发展，需要一种更加智能且可靠度高的方法同时也需要一种不易伪造、不易遭受破坏、获取成本较低的生物特征对客体进行身份的同一认定。法医学同一认定是通过对已知或未知客体的两个或多个特征反映客体的异同，进行比较和鉴别，来推断是否为同一客体。
2、目前，在法医学同一认定中常常使用的生物识别特征为：牙齿、指纹、掌纹、人脸、虹膜、dna检测等。这些常用的生物识别特征在一些复杂环境中仍然具有一定的局限性，指纹、掌纹、人脸这些生物识别特征在火灾、创伤、酸碱等环境中极易受到破坏，从而导致信息的缺失。同时，指纹、掌纹、人脸、牙齿等生物识别特征又容易造假，在同一认定过程中造成一定的困难。因此在法医学快速发展的今天，找到一种不易伪造、不易遭受破坏、获取成本较低的生物识别特...
【技术保护点】
1.基于时序上下文特征学习的腭皱识别系统，其特征在于，具体步骤如下：
2.根据权利要求1所述的基于时序上下文特征学习的腭皱识别系统，其特征在于，在步骤一中，采用卷积自动编码器对采集到的腭皱图像进行处理，卷积自动编码器包括特征编码器和特征解码器，特征编码器将输入图像X转换为低维特征F(X)，特征解码器将低维特征进行解码获得重建图像Xr，限制重建图像Xr和原始图像之间的差异，最小化丢失信息并提取最具判别性的低维特征。
3.根据权利要求2所述的基于时序上下文特征学习的腭皱识别系统，其特征在于，在步骤三中，采用多尺度时间特征提取模块MSTEM将腭皱图像...
【技术特征摘要】
1.基于时序上下文特征学习的腭皱识别系统，其特征在于，具体步骤如下：
2.根据权利要求1所述的基于时序上下文特征学习的腭皱识别系统，其特征在于，在步骤一中，采用卷积自动编码器对采集到的腭皱图像进行处理，卷积自动编码器包括特征编码器和特征解码器，特征编码器将输入图像x转换为低维特征f(x)，特征解码器将低维特征进行解码获得重建图像xr，限制重建图像xr和原始图像之间的差异，最小化丢失信息并提取最具判别性的低维特征。
3.根据权利要求2所述的基于时序上下文特征学习的腭皱识别系统，其特征在于，在步骤三中，采用多尺度时间特征提取模块mstem将腭皱图像特征沿着时间维度分为多尺度特征，即帧级特征tf、短期特征ts和长期特征tl，利用帧级特征tf保留每帧腭皱图像的特征，利用短期特征t...
【专利技术属性】
技术研发人员：上官宏，王帅，李冰，张雄，杨霆宇，韩雷强，
申请(专利权)人：太原科技大学，
类型：发明
国别省市：
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。