[发明专利]指静脉识别方法、装置、计算机设备及存储介质

权利要求书

1.一种指静脉识别方法，其特征在于，所述方法包括：

获取待识别指静脉图像和待比对指静脉图像；

将所述待识别指静脉图像和所述待比对指静脉图像输入到指静脉识别模型中，其中，所述指静脉识别模型是采用孪生神经网络训练得到的；

通过所述指静脉识别模型提取与所述待识别指静脉图像相关的第一特征向量和与所述待比对指静脉图像相关的第二特征向量；

根据所述第一特征向量和所述第二特征向量进行指静脉识别，判断所述待识别指静脉图像和所述待比对指静脉图像是否来自同一根手指。

2.根据权利要求1所述的方法，其特征在于，在所述将所述待识别指静脉图像和所述待比对指静脉图像输入到指静脉识别模型中之前，还包括：

获取指静脉训练样本；

将所述指静脉训练样本输入到所述孪生神经网络中进行训练，得到训练过程中产生的损失值；

根据所述损失值更新所述孪生神经网络的网络参数，得到所述指静脉识别模型。

3.根据权利要求2所述的方法，其特征在于，所述将所述指静脉训练样本输入到所述孪生神经网络中进行训练，得到训练过程中产生的损失值，包括：

以三元组为单位将所述指静脉训练样本输入到所述孪生神经网络中进行训练，其中，一个所述三元组包括一个参考样本、一个同类样本和一个异类样本，所述参考样本为在所述指静脉训练样本中随机选择的指静脉训练样本，所述同类样本为所属的用户与所述参考样本所属的用户相同的指静脉训练样本，所述异类样本为所属的用户与所述参考样本所属的用户不相同的指静脉训练样本；

计算所述参考样本、所述同类样本和所述异类样本在所述孪生神经网络中输出的特征向量；

基于所述特征向量，采用三元组损失函数计算得到训练过程中产生的损失值，其中，所述三元组损失函数为i表示三元组组数，N表示三元组的总组数，表示L2范数取平方，表示第i组三元组的参考样本在孪生神经网络中输出的特征向量，表示第i组三元组的同类样本在孪生神经网络中输出的特征向量，表示第i组三元组的异类样本在孪生神经网络中输出的特征向量，α表示间隔阈值，+表示[……]内的值大于0时，取大于0的值为损失值，小于0时，损失值取作0。

4.根据权利要求2所述的方法，其特征在于，所述根据所述损失值更新所述孪生神经网络的网络参数，得到所述指静脉识别模型，包括：

根据所述损失值，采用反向传播算法更新所述孪生神经网络的网络参数；

当所述网络参数的变化值均小于停止迭代阈值或达到训练迭代次数时，停止更新所述网络参数，得到所述指静脉识别模型。

5.根据权利要求1至4任意一项所述的方法，其特征在于，所述根据所述第一特征向量和所述第二特征向量进行指静脉识别，判断所述待识别指静脉图像和所述待比对指静脉图像是否来自同一根手指，包括：

计算所述第一特征向量和所述第二特征向量之间的度量距离；

若所述度量距离在预设的度量距离范围内，则确定所述待识别指静脉图像和所述待比对指静脉图像取自同一根手指。

6.一种指静脉识别装置，其特征在于，所述装置包括：

指静脉图像获取模块，用于获取待识别指静脉图像和待比对指静脉图像；

输入模块，用于将所述待识别指静脉图像和所述待比对指静脉图像输入到指静脉识别模型中，其中，所述指静脉识别模型是采用孪生神经网络训练得到的；

特征向量获取模块，用于通过所述指静脉识别模型提取与所述待识别指静脉图像相关的第一特征向量和与所述待比对指静脉图像相关的第二特征向量；

判断模块，用于根据所述第一特征向量和所述第二特征向量进行指静脉识别，判断所述待识别指静脉图像和所述待比对指静脉图像是否来自同一根手指。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

指静脉训练样本获取单元，用于获取指静脉训练样本；

损失值获取单元，用于将所述指静脉训练样本输入到所述孪生神经网络中进行训练，得到训练过程中产生的损失值；

指静脉识别模型获取单元，用于根据所述损失值更新所述孪生神经网络的网络参数，得到所述指静脉识别模型。