[发明专利]一种掌静脉图像防伪方法、装置和设备

权利要求书

1.一种掌静脉图像防伪方法，其特征在于，包括：

获取训练图像；

采用所述训练图像训练预设的多分支网络模型，生成掌静脉防伪模型；

其中，所述掌静脉防伪模型包括第一网络分支、第二网络分支、第三网络分支和分类器；

获取待检测掌静脉图像；

对所述待检测掌静脉图像进行图像预处理，得到掌静脉区域图像；

将所述掌静脉区域图像输入到所述掌静脉防伪模型，得到活体预测概率；

若所述活体预测概率大于或等于预设阈值，则确定所述掌静脉区域图像所对应的手掌为活体手掌；

所述将所述掌静脉区域图像输入到所述掌静脉防伪模型，得到活体预测概率的步骤为：

对所述掌静脉区域图像进行卷积，生成特征图像；

通过所述第一网络分支分别计算所述特征图像在不同尺度的卷积核下的注意力权重；

通过所述第二网络分支根据所述不同尺度的卷积核和所述注意力权重，对所述特征图像进行特征提取，生成掌静脉图像特征图；

通过所述第三网络分支映射所述特征图像，生成原始特征图；

拼接所述掌静脉图像特征图和所述原始特征图，生成目标特征图；

采用所述分类器对所述目标特征图进行分类，确定所述目标特征图对应的活体预测概率；

所述采用所述训练图像训练预设的多分支网络模型，生成掌静脉防伪模型的步骤，包括：

通过预设的多分支网络模型读取所述训练图像，确定所述训练图像对应的像素读取量；

计算所述训练图像对应的像素真实量和所述像素读取量的差值作为噪声数据量；

计算所述噪声数据量对应的噪声方差，确定所述噪声方差对应的学习程度；

采用所述训练图像按照所述学习程度训练所述多分支网络模型，生成所述掌静脉防伪模型。

2.根据权利要求1所述的掌静脉图像防伪方法，其特征在于，还包括：

若所述活体预测概率小于所述预设阈值，则确定所述掌静脉区域图像对应的手掌为假体手掌。

3.根据权利要求1所述的掌静脉图像防伪方法，其特征在于，所述计算所述噪声数据量对应的噪声方差，确定所述噪声方差对应的学习程度的步骤，包括：

计算所述噪声数据量对应的噪声方差；

采用多个预设方差阈值划分多个方差区间；每个方差区间对应一个学习程度；

根据所述噪声方差所处的方差区间，确定所述噪声方差对应的学习程度。

4.根据权利要求1所述的掌静脉图像防伪方法，其特征在于，所述对所述待检测掌静脉图像进行图像预处理，得到掌静脉区域图像的步骤，包括：

从所述待检测掌静脉图像中确定目标掌静脉图像；其中，所述目标掌静脉图像为所述手掌的掌心向上的所述待检测掌静脉图像；

对所述目标掌静脉图像进行缩放裁剪，得到统一尺寸的掌静脉区域图像。

5.根据权利要求1所述的掌静脉图像防伪方法，其特征在于，所述通过所述第二网络分支根据所述不同尺度的卷积核和所述注意力权重，对所述特征图像进行特征提取，生成掌静脉图像特征图的步骤，包括：

通过所述第二网络分支根据所述不同尺度的卷积核和所述注意力权重，对所述特征图像进行卷积，生成多个不同尺度的第一特征图像；

对所述第一特征图像进行卷积升维，生成多个统一尺度的第二特征图像；

采用多个所述第二特征图像按照所述注意力权重进行拼接，生成掌静脉图像特征图。