[发明专利]一种基于神经网络的智能皮纹采集分类识别方法

权利要求书

1.一种基于神经网络的智能皮纹采集分类识别方法，其特征在于，所采用的步骤包括：

步骤一，利用电子设备的摄像功能，充分采集得到皮纹原始图像并存储，准备进行对皮纹图像预处理环节，所述预处理环节依次进行以下①②③④⑤五个处理步骤：

①进行归一化处理：对皮纹原始图像进行适宜的裁剪以得到固定分辨率的图像，将图像分辨率设置为512×512，得到皮纹图像Ⅰ；

②对皮纹图像Ⅰ对进行维纳滤波去噪处理，得到滤波平滑的皮纹图像Ⅱ；

③采用Sobel算子算法对皮纹图像Ⅱ锐化并提取边缘，得到皮纹图像Ⅲ；

④采用二值化算法处理皮纹图像Ⅲ，得到仅保留黑白像素纹理的皮纹图像Ⅳ；

⑤将皮纹图像Ⅳ通过OPTA细化算法，使其像素骨架化，抽取像素的骨架，得到像素骨架化的皮纹图像Ⅴ；

步骤二，采用GAN生成式对抗网络模型算法对像素骨架化的皮纹图像Ⅴ进行修补处理、增强处理，得到修补增强后的图像，其中的修补处理包括修补纹理的断点、残损段，其中的增强处理包括使像素骨架化的皮纹图像Ⅴ剔除掉背景、噪音，以便突出皮纹特征；

步骤三，引入ResNet深度学习神经网络模型算法对修补增强后的图像进行皮纹分类识别处理，将人物性格与皮纹关系进行归纳分类，预测人物性格特征；

步骤四，通过皮纹归纳分类获取的多组分类信息，形成利于解读的报告。

2.根据权利要求1所述的基于神经网络的智能皮纹采集分类识别方法，其特征在于：所述ResNet深度学习神经网络模型算法还包括残差网络模块，并且其引入皮纹采集分类识别方法中用于算法程序设计。

3.根据权利要求2所述的基于神经网络的智能皮纹采集分类识别方法，其特征在于：所述ResNet深度学习神经网络模型算法于残差网络中增加直连通道，残差网络将输入X通过Xidentity绕道传入下一层网络。

4.根据权利要求1-3任一项所述的基于神经网络的智能皮纹采集分类识别方法，其特征在于：所述ResNet深度学习神经网络模型包括卷积层、池化层、以及若干全连接层。

5.根据权利要求4所述的基于神经网络的智能皮纹采集分类识别方法，其特征在于：所述卷积层提取出每一层数据中的局部特征，池化层保留主要特征同时减少参数和计算量。

6.根据权利要求1所述的基于神经网络的智能皮纹采集分类识别方法，其特征在于，所述ResNet深度学习神经网络模型的数据处理方式包括：

首先，使用8*8size的卷积核对第一层网络输入进行卷积、线性激活、池化，输出64*36*36的数据给第二层网络；

其次，使用4*4size的卷积核对第二层网络输入进行卷积、线性激活、池化，输出128*16*16的数据给第三层网络；

再次，使用4*4size的卷积核对第三层网络输入进行卷积、线性激活、池化，输出512*6*6的数据给第四层网络；

最后，使用size为256*32的全连接网络对图像进行分类。

7.根据权利要求1或6所述的基于神经网络的智能皮纹采集分类识别方法，其特征在于：所述智能皮纹采集分类识别方法通过基于CNN的ResNet神经网络预测人物性格特征，包括但不限于儿童性格特征、特殊岗位人员性格特征。

8.根据权利要求1所述的基于神经网络的智能皮纹采集分类识别方法，其特征在于：所述Sobel算子算法用于检测水平边缘以及垂直边缘。

9.根据权利要求1所述的基于神经网络的智能皮纹采集分类识别方法，其特征在于：所述二值化处理使图像上的点的灰度值为0或255，使图像呈现出明显的黑白效果，即将256个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像。

10.根据权利要求1所述的基于神经网络的智能皮纹采集分类识别方法，其特征在于：所述归纳分类包括至少二十个类型，即斗型纹、靶心斗、螺旋斗、伸长斗、双斗纹、双箕斗、內破斗、孔雀眼、侧向斗、箕型纹、正箕纹、反箕纹、下降箕、弧型纹、简单弧、围住弧、帐篷弧、弧反箕、弧正箕以及变形纹。