[发明专利]一种手指静脉图像防伪鉴别方法及装置在审
申请号: | 201711023496.4 | 申请日: | 2017-10-27 |
公开(公告)号: | CN107895144A | 公开(公告)日: | 2018-04-10 |
发明(设计)人: | 秦华锋;刘霞 | 申请(专利权)人: | 重庆工商大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 北京众合诚成知识产权代理有限公司11246 | 代理人: | 夏艳 |
地址: | 400067 *** | 国省代码: | 重庆;85 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 手指 静脉 图像 防伪 鉴别方法 装置 | ||
1.一种手指静脉图像防伪鉴别方法,其特征在于,包括以下步骤:
S1:采集手指静脉图像以及对采集的图像进行真假标注;
S2:利用标注的图像分别建立训练集、验证集以及测试集,所述训练集中的图像是将标注的图像进行分块操作后得到的;所述训练集用来训练DBN模型、BP模型和SVM,验证集用于DBN模型、BP模型和SVM的参数的选择,测试集用于检验手指静脉防伪鉴别模型的性能;
S3:DBN模型的构建及训练,利用训练集和验证集构建该模型并寻找该模型权重和偏置的最优解,以所述权重和偏置的最优解建立最终的DBN模型;
S4:BP模型的构建及训练,将带标签的训练集输入BP模型,利用所述DBN的权重和偏置的最优解对BP模型进行初始化,最终通过训练集和验证集寻找BP模型的最佳滤波器和偏移,以所述最佳滤波器和偏移建立最终的BP模型;
S5:将训练集和验证集依次输入最终的BP模型进行特征提取,提取所述最终的BP模型中所有隐含层的特征;
S6:将提取的所有隐含层的特征作为输入图像的多层次特征向量输入SVM模型对其进行训练,并确定SVM参数;
S7:将测试集中的每幅图像分为与训练集中分块后的图像尺寸大小相同的小块,将测试集中每幅图像分成的小块一一输入最终的BP模型和SVM进行真假分数的计算;将每幅图像所有小块的真假分数进行融合得到全局分数,来判断手指静脉图像的真假;
所述DBN模型与BP模型具有相同数量的隐含层。
2.根据权利要求1所述的手指静脉图像防伪鉴别方法,其特征在于,所述分块操作的方法为:首先选择一个窗口,其行数与图像的行数相同,列数小于图像的列数,然后,使该窗口沿着列方向在图像上滑动,并截取窗口经过每一位置时的图像块,按照该方法,一幅图像可以产生若干图像块,从而建立训练子块集合。
3.根据权利要求1所述的手指静脉图像防伪鉴别方法,其特征在于,所述步骤S1包括:首先,利用红外光采集照射人体手指,位于手指下方的红外相机可以获取到相应的手指静脉图像。然后,将真实的手指静脉图像打印到纸张上,再放入采集装置中获取到该手指对应的假手指静脉图像。最后,在数据库建立过程中,把从人体手指上采集的静脉图像标注为1,从打印纸上采集得到的图像标注为0。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆工商大学,未经重庆工商大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711023496.4/1.html,转载请声明来源钻瓜专利网。
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序