[发明专利]一种基于属性学习的手指静脉识别方法及装置有效
| 申请号： | 201711137439.9 | 申请日： | 2017-11-16 |
| 公开（公告）号： | CN107944366B | 公开（公告）日： | 2020-04-17 |
| 发明（设计）人： | 袭肖明;尹义龙;孟宪静;杨璐 | 申请（专利权）人： | 山东财经大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06K9/66;G06N3/04 |
| 代理公司： | 济南圣达知识产权代理有限公司 37221 | 代理人： | 张勇 |
| 地址： | 250014 山*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于属性学习的手指静脉识别方法及装置，该方法包括：获取手指静脉图像库，进行数据增广形成训练集；针对手指静脉的特点设计可解释性属性，在训练集中分别针对每个可解释性属性建立其对应的属性学习模型用于获取可解释性属性的值；为了进一步提高特征的区分性，提出了基于区分性辅助branch的卷积神经网络作为区分性属性的学习模型，并设计新的Inter‑intra损失函数，增强区分性属性学习模型的区分性；获取待识别图像，根据全部属性学习模型确定待识别图像的属性特征，进行手指静脉识别。相比较传统的特征，本发明提出的方法提高现有特征的可解释性，识别精度以及识别效率。 | ||
| 搜索关键词： | 一种 基于 属性 学习 手指 静脉 识别 方法 装置 | ||
【主权项】：
一种基于属性学习的手指静脉识别方法，其特征在于，该方法包括：获取手指静脉图像库，进行数据增广形成训练集；预设手指静脉图像对应的可解释性属性和区分性属性，在训练集中分别针对每个可解释性属性和区分性属性建立其对应的属性学习模型；获取待识别手指静脉图像，根据全部属性学习模型确定待识别手指静脉图像的属性特征，进行手指静脉识别。
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山东财经大学，未经山东财经大学许可，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/201711137439.9/，转载请声明来源钻瓜专利网。
- 上一篇：一种陶瓷文物智能识别的系统及方法
- 下一篇：人脸关键点检测方法及装置
