[发明专利]一种基于多语义特征融合网络的指静脉识别方法

说明书

本发明公开了一种基于多语义特征融合网络的指静脉识别方法。首先采集指静脉图像，并进行数据增强，制作训练集、测试集；然后搭建特征提取网络，包括输入层、改进的残差模块、特征融合预处理模块、池化层和全连接层；再构建损失函数；通过训练集训练特征提取网络；最后将测试集中的待分类图像输入到训练好的特征提取网络模型中，获取待分类图像的图像特征，并且对特征进行匹配计算，获取识别结果。本发明方法有效得提升了指静脉图像识别率，与其他方法相比拒识率均有明显下降。

技术领域

本发明属于生物特征识别及信息安全技术领域，特别涉及到手指静脉图像识别领域。

背景技术

指静脉识别技术主要包含传统特征提取和深度学习特征提取两类方法。

传统特征提取可大致分为四类方法：基于全局特征的方法、基于局部特征的方法、基于静脉模式的方法。基于全局特征的方法从整个图像上提取特征，如主成分分析、双向二维主成分分析、线性判别分析、二维主成分分析、独立成分分析，此类方法具有特征数量维度低，识别速度快的优点；但是全局特征受姿态变化，遮挡，变形和光照等因素影响较大，不适合提取指静脉图像特征。基于局部特征的方法从手指静脉图像的局部块中提取特征，有效地反映图像局部属性，如Chen等人提出的韦伯局部描述符(WLD)，它由差分激励算子和梯度方向算子组成。Luo等人根据掌纹特征的特点改进了WLD，并提出了线特征韦伯局部描述符(LWLD)。Sikarwar等人提出通过利用不同类型的局部方向模式(LDP)对指静脉进识别，首先采用LDP计算八个方向的边缘响应得到响应值，考虑到了每个像素的位置，然后，通过响应值进行编码，提取指静脉图像特征。基于静脉模式的方法是提取静脉图案或特征来识别，Yang等人提出了基于自适应矢量场估计的指静脉特征表示方法，设计包含曲率和方向变化的空间曲线滤波器，利用构造的滤波器去拟合静脉曲线，建立静脉矢量场用于描述指静脉网络特征。W.Son等人提出了计算平均曲率的方法，该方法用于提取静脉图案。Miura等人提出了一种计算局部最大曲率的方法，该方法有效地提取了静脉细节。这类方法具有改善图像质量，提高识别性能的优点；但受不规则阴影和噪声影响的模糊区域仍然不能很好地提取静脉图案。

近年来，在深度学习指静脉识别方法中，卷积神经网络因具有强大的特征表达能力而得到了迅速发展，在指静脉识别中展现出了独特的优势，柴瑞敏等提出了基于深度信念网络的指静脉识别算法，该算法利用局部配置模式算法提取静脉纹理特征，并作为网络的输入，通过逐层训练网络使模型达到最优。该算法是针对静脉图像进行分类，如果增加类别，需要重新训练网络模型。He等提出了基于改进的卷积神经网络该算法通过增加卷积层数并使用LeaKy-Relu作为激活函数来训练网络参数，同时在网络的损失函数中引入判别信息作为约束条件。但是该算法仅在少样本训练下效果比较明显。唐溯提出了基于残差网络的识别算法，该算法使用Resnet-18作为特征提取网络，将Triplet损失函数作为目标函数训练网络，使用欧式距离来计算特征之间的相似度。该算法在一定程度上能降低网络的过拟合，但是该网络是一个浅层网络不能提取更高层的语义特征。

发明内容

针对传统指静脉识别技术仅采用了图形的低级特征，目前深度学习指静脉识别技术仅考虑指静脉图像的高级语义特征，而忽略了指静脉图像本身的浅层信息的问题。本发明提出了一种基于多语义特征融合网络的指静脉识别方法。

本发明采用的技术方案为：

一种基于多语义特征融合网络的指静脉识别方法，包括以下步骤：

S1、采集指静脉图像，并进行数据增强，制作训练集、测试集。在深度学习中，训练集的数据质量对于网络的性能至关重要，而数据增强对于提升训练样本数据量、改善模型稳定性和鲁棒性、提高网络的泛化性具有重要的作用。

S2、搭建特征提取网络。

特征提取网络包括输入层、改进的残差模块、特征融合预处理模块、池化层和全连接层。该网络用于输入指静脉图像并输出图像的特征向量。