[发明专利]指静脉识别与防伪一体化方法、装置、存储介质和设备

说明书

本发明提供了一种指静脉识别与防伪一体化方法、装置、存储介质和设备；其中，方法包括：对指静脉图像进行预处理；将预处理后的指静脉数据输入至指静脉识别防伪任务卷积神经网络模型，得到防伪任务分类概率p和识别任务特征向量v；在注册模式下，当防伪任务分类概率p≤概率阈值s₁，则将识别任务特征向量v输出并保存；在识别模式下，通过对防伪任务分类概率p与概率阈值s₁进行比较，以及对识别任务特征向量v与各个注册样本识别任务特征向量的余弦距离与距离阈值s₂进行比较，输出判定结果。本发明将指静脉识别和指静脉防伪两个任务整合到统一算法中，可在保证识别和防伪精度的同时，提升了静脉识别效率和系统实时性。

技术领域

本发明涉及图像处理技术领域，更具体地说，涉及指静脉识别与防伪一体化方法、装置、存储介质和设备。

背景技术

生物特征识别技术是一种利用人体的生理或行为特征，通过特征提取方法对个体进行鉴别的前景广阔的技术。目前常用的生物特征识别技术有指纹、人脸、虹膜、步态、声纹、掌纹、掌静脉、指静脉、签名等等。手指静脉分布在表皮之下，从其识别原理上与其他生物识别相比具有独特的优势：(1)指静脉采集通过红外摄像头捕获，采集方式无需接触，用户友好度好；(2)静脉成像需要的摄像头要求不高，而且采集硬件轻型，容易实现产品化；(3)指静脉分布在表皮之下，不易受到损害，安全性较高。

基于以上优点，指静脉识别在科研界和工业界受到越来越多关注，并其应用场景逐渐多样化与普及化。另外，生物特征识别的安全性能引起了人们的讨论与担忧，近年来出现的多种仿冒攻击方法也让生物特征识别受到了挑战，生物特征识别的仿冒检测能力是衡量其系统稳定性的重要指标，为了提升生物特征识别系统的安全性能，针对性的设计防伪检测算法是有效地解决方式。

但已有的研究往往将防伪算法与识别算法作为两个独立的子任务进行研究，在一定程度上降低了系统的便捷性和实时性。而识别算法与防伪算法结合为一体的方式在现有技术上仍是空白。

发明内容

为克服现有技术中的缺点与不足，本发明的目的在于提供一种指静脉识别与防伪一体化方法、装置、存储介质和设备；本发明将指静脉识别和指静脉防伪两个任务整合到统一算法中，可在保证识别和防伪精度的同时，提升了静脉识别效率和系统实时性。

为了达到上述目的，本发明通过下述技术方案予以实现：一种指静脉识别与防伪一体化方法，其特征在于：包括：

获取待识别的指静脉图像；对指静脉图像进行预处理，得到预处理后的指静脉数据；

将所述预处理后的指静脉数据输入至指静脉识别防伪任务卷积神经网络模型，通过所述指静脉识别防伪任务卷积神经网络模型对所述指静脉图像进行识别和防伪处理，得到防伪任务分类概率p和识别任务特征向量v；其中，所述指静脉识别防伪任务卷积神经网络模型为对初始指静脉识别防伪任务卷积神经网络模型进行训练处理得到的模型；

在注册模式下，当指静脉数据的防伪任务分类概率p≤概率阈值s₁，则将静脉数据的识别任务特征向量v输出并保存为注册样本识别任务特征向量；

在识别模式下，通过对静脉数据的防伪任务分类概率p与概率阈值s₁进行比较，以及对静脉数据的识别任务特征向量v与各个注册样本识别任务特征向量的余弦距离与距离阈值s₂进行比较，输出判定结果。

优选地，所述指静脉识别防伪任务卷积神经网络模型包括基础识别网络和防伪分支；所述基础识别网络包括依次连接的两个卷积网络、三个卷积模块和全连接层；所述防伪分支包括依次连接的一个卷积模块和两个全连接层；防伪分支的卷积模块前端插入于基础识别网络的第一个卷积模块之后，从而构建出单输入多输出的指静脉识别防伪任务卷积神经网络模型。

优选地，所述基础识别网络的三个卷积模块均包括依次连接的两个卷积子模块和最大值池化层。