[发明专利]一种基于手部图像的身份识别方法

说明书

本发明公开了一种基于手部图像的身份识别方法，包括如下步骤：步骤1，建立基于SqueezeNet的双线性模型HandNet；步骤2，对于输入的手部图像，经过预处理获得去噪图I_B和细节图I_D，分别作为卷积神经网络的输入，训练基于SqueezeNet的双线性卷积神经网络模型；步骤3，将训练好的双线性卷积神经网络模型作为特征提取器，获取手部图像的深度特征；步骤4，将步骤3得到的手部图像的深度特征用于训练SVM分类器，设计权重融合分类结果，获得基于手部图像的身份识别率。

技术领域

本发明涉及一种基于手部图像的身份识别方法。

背景技术

手部识别技术是以人的手部为基础，利用手部的特性来达到身份识别的目的。这些特征主要包括掌纹、指纹、手形、指节纹、手部静脉等(参考文献：闫雪萍.手部图像的生物特征检测与识别[D].西安:西安理工大学,2017.)。虽然人体手部的结构相对而言较简单，但是其本身具有强烈的多样性、多义性，且手部特征在个体成年后会保持相对的稳定，是很好的用于身份识别的生物特征。基于手部生物学特征进行身份识别属于图像分类的范畴，目前的主流方法主要有以下几种：基于人工设计的特征进行分类、基于编码获得图像相似度进行分类和基于结构的方法获得线条或点代替真实的手部图像进行分类等。人工特征主要有方向、纹理、细纹、频率等。通常通过构建准确性高且鲁棒性强的特征表示方法来提高识别率(参考文献：Fei L,Xu Y,Tang W,et al.Double-orientation code and nonlinearmatching scheme for palmprint recognition[J].Pattern Recognition,2016,49:89-101.Mu M,Ruan Q.Region covariance matrices as feature descriptors forpalmprint recognition using Gabor features[J].International Journal ofPattern Recognition and Artificial Intelligence,2011,25(04):513-528.)。基于编码的方式(参考文献：Kumar A,Shen H C.Palmprint identification using palmcodes[C].Third International Conference on Image and Graphics(ICIG'04).IEEE,2004:258-261.)使用0、1组成的二进制编码来表示纹线的二进制信息，在掌纹识别领域使用较为广泛。基于结构的算法通常依赖于特征点检测或边缘检测，常见的尺度不变特征变换(SIFT)、SURF算子等(参考文献：Ladoux P O,Rosenberger C,Dorizzi B.Palm veinverification system based on SIFT matching[C]International Conference onBiometrics.Springer,Berlin,Heidelberg,2009:1290-1298.李秀艳,刘铁根,邓仕超,等.基于SURF算子的快速手背静脉识别[J].仪器仪表学报,2011,32(4):831-836.)具有对尺度和旋转的不变性，可用于掌静脉、手背静脉的提取，再通过设计匹配规则来实现身份识别。这些传统图像处理方法在手部生物特征识别方面已取得了一定的效果，但这些方法通常较为繁琐，依赖于人工提取的特征，准确率受到限制。