[发明专利]一种基于卷积神经网络的手指静脉识别方法及系统

摘要

本发明提供了一种基于卷积神经网络的手指静脉识别方法及系统，该方法包括采集原始注册的手指静脉图像；将原始注册的所述手指静脉图像进行处理，由所述手指静脉图像中提取手指静脉感兴趣区域图像；通过卷积神经网络提取所述手指静脉感兴趣区域中的手指静脉深度特征，并将其输入到支持向量机中进行分类得到手指静脉增强图像；通过二值化增强图像得到手指静脉特征图像；利用该模型对预识别的所述手指静脉图像进行特征提取，并匹配这些特征实现身份认证。本发明能够有效地提取手指静脉特征，明显改善手指静脉识别系统的识别精度。

主权项

1.一种基于卷积神经网络的手指静脉识别方法，其特征在于，该方法包括以下步骤：S1、采集原始注册的手指静脉图像；S2、将原始注册的所述手指静脉图像进行处理，由所述手指静脉图像中提取手指静脉感兴趣区域图像；所述手指静脉感兴趣区域的提取方法包括以下步骤：S2‑1、对所述手指静脉图像的边缘进行检测得到手指边缘图像，同时将所述手指静脉图像进行二值化处理得到二值图像，然后将所述二值图像减去所述手指边缘图像即得到差值图像；S2‑2、通过预设的阈值将所述差值图像中剔除面积较小的噪声和背景区域，即得到仅含有手指区域的二值图像；S2‑3、对仅含有手指区域的二值图像和原始的所述手指静脉图像进行归一化处理并进行相乘后得到所述手指静脉感兴趣区域图像；S3、通过卷积神经网络提取所述手指静脉感兴趣区域中的手指静脉深度特征，并经过概率支持向量机得到手指静脉特征图像，具体方法如下：S3‑1、选取所述手指静脉感兴趣区域作为训练图像，在所述训练图像的清晰区域中标注背景像素点和静脉像素点，同时分别以所述背景像素点和所述静脉像素点为中心划分为若干背景子块和静脉子块，并分别对所述背景子块和所述静脉子块标注标签，若干标注有标签的所述背景子块和所述静脉子块组成训练样本集合；S3‑2、将所述训练样本集合输入至所述卷积神经网络中进行分类模型的训练，所述卷积神经网络对应每个标注有标签的所述背景子块和所述静脉子块均输出一个深度特征向量，若干所述深度特征向量组成深度特征向量集合；S3‑3、将步骤S3‑2中组成的所述深度特征向量集合通过概率支持向量机进行分类计算若干所述深度特征向量属于手指静脉特征的概率值；S3‑4、将步骤S3‑3中得到的所述概率值显示在一个矩阵中得到增强的手指静脉特征图像；S3‑5、对步骤S3‑4中得到的所述手指静脉特征图像进行二值化处理即得到手指静脉网络结构；S4、采集待识别的所述手指静脉图像，依次经过步骤S2、步骤S3的处理，同时根据所述手指静脉特征图像进行匹配和认证：S4‑1、将待识别的所述手指静脉图像首先经过S2处理得到待识别的手指静脉感兴趣区域图像，然后以每个像素点为中心，将待识别的手指静脉感兴趣区域图像经过步骤S3‑1处理分为若干个子块，然后经过步骤S3‑2、S3‑3、S3‑4和S3‑5处理得到待识别的手指静脉特征图像；S4‑2、将原始注册的所述手指静脉图像经过处理得到的所述手指静脉特征图像进行延伸得到模板图像，将待识别的所述手指静脉特征图像在所述模板图像上沿水平或垂直方向平移，并计算不同位置时两幅所述手指静脉特征图像中手指静脉特征的重合度；S4‑3、选取所有位置上对应的最大重合度作为两幅所述手指静脉特征图像的匹配分数，若所述匹配分数小于预设的阈值，则认证失败，反之，则认证成功。