[发明专利]一种基于残差注意力机制的指静脉识别方法

权利要求书

1.一种基于残差注意力机制的指静脉识别方法，其特征在于，包括以下方法步骤：

训练基于残差注意力机制的指静脉图像分类网络

S1、对原始指静脉图像进行边缘检测，确定手指上下边缘，得到单像素宽的手指边缘线；

S2、对原始指静脉图像进行旋转矫正；

S3、对旋转矫正后的图像划分背景和前景区域，获得不包含背景信息的指静脉前景图像；

S4、寻找手指边缘内切线，确定指静脉感兴趣区域；

S5、对数据集各类别中的指静脉图像样本重复步骤S1-S4，得到每张指静脉图像的ROI并进行保存；

S6、对处理后的指静脉数据集进行训练集和测试集的划分；

S7、使用改进的残差注意力网络进行特征融合提取；

所述改进的残差注意力网络包括：

用于对图像进行一层卷积和最大池化操作的卷积层Conv1和池化层Max_pooling；

用于提取图像中的特征信息的双分支注意力结构模块，该模块包括采用残差连接的主特征分支和软注意力分支，其中主特征分支结构为Inception-Resnet，软注意力分支为自顶而下、自底向上的对称式结构；

用于将提取到的特征信息进行多尺度特征融合的Inception模块；

用于对融合特征进行平均池化的池化层Avg_pooling；

以及用于进行分类输出的Softmax分类器；

进行特征融合提取的方法：

首先，对数据集中的图像进行resize操作，统一输入尺寸为64×64；

随后，对图像进行一层卷积和最大池化操作，粗提取图像线性特征并进行降维；

之后，将图像送入一个残差单元Res_unit，进一步提取图像中的特征信息，残差连接将该层提取到的特征与该层的输入特征相加，能够解决反向传播过程中随着网络深度的增加出现的梯度消失问题；

然后，将其送入双分支注意力结构模块，该模块包含主特征分支和软注意力分支，其中主特征分支结构为Inception-Resnet，使用残差连接的方式对输入特征进行多尺度滤波，提取高维静脉特征，其输出特征为M(x)；

软注意力分支为自顶而下、自底向上的对称式结构，最大池化层用于增加局部感受野，下采样快速收集图像的全局信息，紧接着上采样将全局信息与特征图融合，其输出特征为S(x)；

通过注意力残差学习将两个分支特征结合，作为注意力模块的输出特征：A(x)＝(1+S(x))*M(x)；

将该结构提取到的特征信息送入Inception模块，提取并融合多尺度特征；

使用训练集和测试集对所述改进的残差注意力网络进行训练即可得到指静脉图像分类网络；

指静脉识别

S8、将对获取到的原始指静脉图像输入已训练好的基于残差注意力机制的指静脉图像分类网络，即可输出识别结果。