[发明专利]一种基于FCN全卷积网络的指静脉识别方法

说明书

本发明公开了一种基于FCN全卷积网络的指静脉识别方法，其中指静脉识别方法包括：采集指静脉图像；对指静脉图像进行预处理，获得预处理后的指静脉图像；对预处理后的指静脉图像进行边缘检测、最小二乘法线性拟合以及方向矫正，并在此基础上提取指静脉最丰富的中节ROI指静脉图像；采用训练好的FCN全卷积网络对提取的ROI指静脉图像提取特征并对每个像素点进行分类获得已区分静脉点和背景点的待注册/识别指静脉图像；收集待注册指静脉图像并构建注册后的指静脉数据库，将待识别指静脉图像在指静脉数据库中进行检索识别，获得匹配识别结果。在本发明实施例中，可以获得更清晰的指静脉图像，并且匹配识别效率更快，更准确。

技术领域

本发明涉及生物特征识别技术、图像识别、深度学习领域，尤其涉及一种基于FCN全卷积网络的指静脉识别方法。

背景技术

基于生物特征的身份认证技术的研究和应用日益广泛；当前社会对于搞安全和更友好的身份认证的需求使得对生物识别技术提出了更高的要求；而指静脉具有活体性和唯一性，不会产生特征重复的情况并且允许非接触式的识别，因此成为生物识别领域内较受关注的一类。

目前的指静脉识别方法大多为基于领域内知识，设计图像处理、滤波等；当采集设备的成像质量较低，人为的设计特征算法来描述指静脉区域难度较大，从而会影响后续的提取特征以及识别；部分学者提出基于传统的神经网络实现指静脉身份识别，也有新的研究提出基于无监督学习的身份认证系统。然而在指静脉识别中还有大量关键性问题需要解决；

目前亟待解决的问题有：识别成功率依赖于指静脉图像成像质量，指静脉区域与背景区域难以分离，精准鲁棒的特征难以提取等。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种基于FCN全卷积网络的指静脉识别方法，提取更深层的指静脉特征，实现像素级的分类，能够更有效、更准确地描绘出指静脉图像中的静脉点和背景点，从而提升识别的效率和精度。

为了解决上述技术问题，本发明提供了一种基于FCN全卷积网络的指静脉识别方法，所述指静脉识别方法包括：

A、连接指静脉采集设备，图像采集；

B、通过预处理减少图像数据的噪声；

C、提取预处理后的图像的ROI感兴趣区域；

D、FCN全卷积网络检测ROI图像的静脉点和背景点；

D1、读取参数文件，解析FCN全卷积网络模型，加载模型参数；

D2、将C中提取的ROI图像输入FCN网络层，进行卷积、池化和反卷积交替处理，输出原图大小的特征图；

D3、特征图包含了FCN对图像进行像素级的分类，输出特征图上的每个元素包含一个二维向量对该向量做softmax计算，记为分别表示该像素点为静脉点和背景点的概率；

D4、取特征图的每个中概率最大的分类作为该像素点的类别，并用像素值255表示静脉点，像素值0表示背景点描绘在输入图像上，记为

E、将FCN检测后的图像在指静脉数据库中进行检索识别；

上述方法中，可选地：所述步骤A，其包括：

A1、通过数据线连接客户机与指静脉采集设备，并在客户机上安装相应的驱动程序，扫描并连通客户机和指静脉采集设备；

A2、指静脉采集设备根据指令采集手指静脉的近红外图像；

A3、记手指指尖的方向为x轴正方向，指关节方向为y轴方向。

上述方法中，可选地：所述步骤B，其包括：

B1、利用对比度受限的自适应直方图均衡化对指静脉图像进行初步的图像增强，增加静脉与背景的对比度；