[发明专利]一种基于胶囊神经网络的指纹识别技术

权利要求书

1.一种基于胶囊神经网络的指纹识别技术，其特征在于：步骤如下：

(1)指纹图像区域的自动寻找和提取；

(2)指纹图像的增强；

(3)指纹图像的二值化；

(4)指纹图像的细化；

(5)确定胶囊网络模型的结构；

(6)确定胶囊神经网络中每一层结构的参数；

(7)确定胶囊神经网络中的学习率、批尺寸和训练轮次；

(8)胶囊网络训练指纹图像；

(9)使用胶囊神经网络对指纹图像进行识别和分类，得到分类精度。

2.根据权利要求1所述的基于胶囊神经网络的指纹识别技术，其特征在于：步骤(1)的具体步骤如下：指纹图像区域的自动寻找和提取，指纹图片的增强，指纹图片的二值化，指纹图片的细化。

3.根据权利要求2所述的基于胶囊神经网络的指纹识别技术，其特征在于：步骤(2)的具体步骤如下：设置两个卷积层，一个初级胶囊层，一个数字胶囊层和一个三级的全连接层。

4.根据权利要求3所述的基于胶囊神经网络的指纹识别技术，其特征在于：步骤(3)的具体步骤如下：在卷积层1中，图片输入的大小为200×200，采用的卷积核大小为9×9，卷积的步长为1，选用的激活函数为ReLu函数，填充大小为[0，0，0，0]，卷积核的个数为256个；卷积层2中，图片输入大小为192×192，采用的卷积核大小仍是9×9，步长变为2，选用的激活函数为ReLu函数，填充大小为[0，0，0，0]，卷积核的个数为256个；在初级胶囊层中，输入大小为92×92，将步长设为2，填充大小为[0，0，0，0]，采用非线性挤压函数作为激活函数，不同于前面两层，最后将这一层的通道数设置为32，每个通道中包含8个卷积核，这样可保证卷积核的总数不会发生变化，提取特征总数不会发生变化，在数字胶囊层中，该层的输入大小为42×42；由于要对十类指纹进行识别，该层的胶囊个数设为10个，而初级胶囊层会输出56448个初级胶囊，每个胶囊的维度为8，由于我们期望输出的_vj的维度为16，在数字胶囊层中，需要的仿射变化矩阵的大小为8×16，需要的仿射变化矩阵的个数为564480个，需要耦合系数_cij564480个；第一个全连接层的单元数设置为512，第二个全连接层的单元数设置为1024，将第三个全连接层的单元数设置为40000，这三个全连接层分别使用激活函数ReLu，ReLu和Sigmoid。

5.根据权利要求4所述的基于胶囊神经网络的指纹识别技术，其特征在于：步骤(4)的具体步骤如下：选择Adam优化器进行优化，将整体损失最小作为优化的目标，采用指数衰减的方式使得学习率能够动态调整，将训练轮次设置为900轮，选取的批尺寸为32。