[发明专利]一种基于双眼融合的虹膜识别神经网络模型训练方法

权利要求书

1.一种基于双眼融合的虹膜识别神经网络模型训练方法，其特征在于，

所述训练方法将归一化后的虹膜图像组织为三元组的形式，每个三元组包含三组虹膜图像，分别为锚点组、正样本组、负样本组；这三组当中的每一组都包括两张归一化后的虹膜图像，分别来自同一个人的左右两只眼睛；锚点组和正样本组中的图像来自同一个人，而负样本组中的图像来自不同的人；所有的归一化后的虹膜图像尺寸相同；

在训练的过程中，将每个三元组的六张归一化后的虹膜图像分别输入将要进行训练的深度神经网络模型，经过深度神经网络的处理得到其特征模板，这六个特征模板的尺寸与输入的图像相同；而后将每一组中的两个特征模板，按照先左后右一致的顺序拼接在一起得到三个拼接特征模板，f_l∈R^W×H、f_r∈R^W×H分别为同一组中左右两张归一化后的虹膜图像得到的特征模板，W、H为其宽和高，则拼接特征模板为：F∈R^2W×H；

而后根据公式(1)计算损失函数：

L＝max(0,m-S(F_a,F_p)+S(F_a,F_n)) (1)

其中F_a为锚点组得到的拼接特征模板，F_p为正样本组得到的拼接特征模板，F_n为负样本组得到的拼接特征模板，S(·,·)为计算两个特征模板相似度的函数，m为预设的间隔参数，取值为正；

在根据(1)计算得到损失函数的值后，进行误差反向传播，对神经网络模型的全部参数进行优化，使得损失函数逐步降低，直至收敛。

2.根据权利要求1所述的一种基于双眼融合的虹膜识别神经网络模型训练方法，其特征在于，对神经网络模型的全部参数进行优化采用随机梯度下降参数调优的方式。