[发明专利]一种基于邻域类编码学习的静脉识别方法有效
| 申请号： | 201810295976.4 | 申请日： | 2018-03-30 |
| 公开（公告）号： | CN109409179B | 公开（公告）日： | 2021-10-12 |
| 发明（设计）人： | 张丽萍;李卫军;宁欣;董肖莉;覃鸿;徐健;于丽娜;李爽 | 申请（专利权）人： | 中国科学院半导体研究所;中国科学院大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/46;G06T9/00;G06K9/62 |
| 代理公司： | 中科专利商标代理有限责任公司 11021 | 代理人： | 任岩 |
| 地址： | 100083 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于邻域类编码学习的静脉识别方法，其特征在于，包括以下步骤：S1、获取训练集静脉图像特征；S2、对所有训练集特征，生成类别间二值模版；S3：以所有训练集特征和得到的类别间二值模版作为输入，二值模版中的每一位训练一个分类器；S4：获取测试静脉图像特征，并将测试特征循环输入每一个分类器，得到测试特征的二值编码；S5：对测试特征的二值编码和得到的类别间二值模版进行相似性度量与识别，得到静脉识别结果。本发明在输入静脉图像特征的基础上，考虑类别间的关系，采用类别编码的方式对原始特征进行二值化，既能提高静脉识别准确率，又能在很大程度上降低数据量。 | ||
| 搜索关键词： | 一种 基于 邻域 编码 学习 静脉 识别 方法 | ||
【主权项】：
1.一种基于邻域类编码学习的静脉识别方法，其特征在于，包括以下步骤：S1、获取训练集静脉图像特征；S2、对所有训练集特征，生成类别间二值模版；S3：以所有训练集特征和得到的类别间二值模版作为输入，二值模版中的每一位训练一个分类器；S4：获取测试静脉图像特征，并将测试特征循环输入每一个分类器，得到测试特征的二值编码；S5：对测试特征的二值编码和得到的类别间二值模版进行相似性度量与识别，得到静脉识别结果。
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中国科学院半导体研究所;中国科学院大学，未经中国科学院半导体研究所;中国科学院大学许可，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/201810295976.4/，转载请声明来源钻瓜专利网。
- 上一篇：图像识别设备和图像识别方法
- 下一篇：图像分析装置和图像分析方法
