[发明专利]基于CNN和双向VLAD的掌纹图像识别方法有效
| 申请号： | 201710186832.0 | 申请日： | 2017-03-27 |
| 公开（公告）号： | CN107122712B | 公开（公告）日： | 2020-11-13 |
| 发明（设计）人： | 张建新;杨奥棋 | 申请（专利权）人： | 大连大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04 |
| 代理公司： | 大连八方知识产权代理有限公司 21226 | 代理人： | 卫茂才 |
| 地址： | 116622 辽*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及基于CNN和双向VLAD的掌纹图像识别方法，包括如下步骤：(1)基于预训练的网络来生成掌纹图像卷积特征，选择中间一层形成三维特征图谱；(2)以三维特征图谱中表征图像同一位置的特征元素来构建纵向局部特征向量，进行编码获得纵向局部特征聚合描述向量；(3)以三维特征图谱中表征整幅掌纹图像的特征矩阵按行拉伸成向量作为横向局部特征向量，进行编码获得横向局部特征聚合描述向量；(4)采用余弦距离对两类待识别特征与特征模板分别进行纵向和横向匹配计算，并在分数层对纵向和横向匹配分数进行融合。本发明结合使用掌纹的全局和局部信息，提高了识别精度，具有较好的鲁棒性。 | ||
| 搜索关键词： | 基于 cnn 双向 vlad 掌纹 图像 识别 方法 | ||
【主权项】：
基于卷积神经网络和双向局部特征聚合描述向量的掌纹图像识别方法，其特征在于：包括以下步骤：步骤1：采用深度学习法预训练CNN网络，运用预训练的CNN网络对给定数据库中的掌纹图像进行特征提取，取其中的一层掌纹卷积特征取出，形成三维特征图谱；步骤2：基于步骤1，以三维特征图谱中表征图像同一位置的特征元素来构建纵向局部特征向量，并对这张图像的纵向CNN特征进行VLAD编码，获得纵向局部特征聚合描述向量；步骤3：基于步骤1，以三维特征图谱中表征整幅掌纹图像的特征矩阵按行拉伸成向量作为横向局部特征向量，并对这张图像的横向CNN特征进行VLAD编码，获得横向局部特征聚合描述向量；步骤4：基于步骤2和3，采用余弦距离对两类待识别特征与特征向量模板分别进行纵向和横向匹配计算，并在分数层对纵向和横向匹配分数进行融合，从而实现掌纹图像的识别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于大连大学，未经大连大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710186832.0/，转载请声明来源钻瓜专利网。
