[发明专利]一种基于卷积神经网络和监督式离散哈希算法的指静脉识别方法

说明书

本发明公开了一种基于卷积神经网络和监督式离散哈希的指静脉识别方法，使用双侧红外照射采集指静脉图像并进行预处理、边缘检测、方向矫正和感兴趣区域(ROI)提取；采用Res2net卷积神经网络对ROI指静脉图像提取特征；采用离散式哈希算法模型进行二进制编码；将提取的二进制编码特征作为待注册/识别的指静脉特征；构建指静脉图像数据库，将待识别指静脉图像经过上述处理得到识别的特征编码之后在指静脉数据库中一一进行检索识别，采用哈明距离度量得出相似度，获得匹配识别结果。在本发明实施例中，深度学习可以获得更有表征能力的特征编码，并且离散式哈希算法可以使特征模板尺寸更小，在海量匹配人脸匹配中更加高效。

技术领域

本发明涉及生物特征识别技术、图像识别、模式识别、深度学习领域，尤其涉及一种基于卷积神经网络和监督式离散哈希算法的指静脉识别方法。

背景技术

随着信息技术的快速发展，利用生物特征识别技术进行个人的身份验证受到人们越来越多的关注。与传统的身份认证方法相比，生物特征识别技术利用人体的生理特征或者行为特征进行身份的认证，具有极高的安全性并且不会丢失。人体的生物特征主要有人脸、虹膜、指纹、掌纹、指静脉、掌静脉等，行为特征主要有步态、笔迹等。在这些生物特征中，手指静脉以其活体采集防盗取、使用方便卫生等特点被用户广泛接受。手指静脉认证主要是利用手指内静脉的分布图像进行身份认证，因为指静脉之间的交叉点、角度以及空间位置被认为是排它信息，而排它信息是可以被用来生成一个唯一的密钥。

目前的指静脉识别方法大多为基于领域内知识，涉及图像处理、滤波、增强、特征提取等；当前图像采集设备的成像质量较低，人为的设计提取特征算法来表征静脉特征难度较大，从而会影响后续特征匹配以及识别；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卷积神经网络提取静脉纹路的身份认证系统。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：传统图像算法提取手工特征鲁棒性不佳，造成识别的准确率难以提高；在海量指静脉数据库中查询时速度较慢，难以实时，而且在实际应用中特征存储的成本也相对较高，匹配速度较慢。

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卷积神经网络和监督式离散哈希算法的指静脉识别方法，提取更深层、更具鲁棒性的指静脉特征，然后通过监督式离散哈希算法对特征序列进行二值化，获得最终的二进制特征编码，从而显著提升识别的速度和精度，同时减小特征模板的尺寸。

为了解决上述技术问题，本发明提供了一种基于卷积神经网络和监督式离散哈希算法的指静脉识别方法，技术方案如下：

A、连接指静脉的双侧红外采集设备，进行指静脉图像采集；

B、对指静脉图像进行预处理和边缘检测，确定手指的轮廓边缘，根据手指的轮廓边缘确定手指中线，根据中线的倾斜角度对指静脉图像进行方向矫正；根据手指关节高亮确定指静脉图像的ROI区域，截取ROI图像并进行归一化处理；

C、使用卷积神经网络提取经过归一化处理后的ROI图像的float型特征编码；

D、使用监督式离散哈希算法模型对提取到的float型特征编码进行二值化，获取指静脉图像的二进制特征编码；

E、将步骤D得到的二进制特征编码作为指静脉的注册模板存储到指静脉数据库中，对待识别的指静脉图像基于哈明距离的度量进行检索识别。

进一步的，所述的步骤A具体为：

A1、客户机通过USB数据线与指静脉的双侧红外采集设备建立连接；

A2、客户机控制指静脉红外采集设备采集手指静脉的近红外图像并将指静脉的图像保存成本地的图像；

A3、在采集到的指静脉图像中，将手指指尖的方向记为x轴正方向，指关节方向记为y轴方向。