[发明专利]一种基于FCN全卷积网络的指静脉识别方法

摘要

本发明公开了一种基于FCN全卷积网络的指静脉识别方法，其中指静脉识别方法包括：采集指静脉图像；对指静脉图像进行预处理，获得预处理后的指静脉图像；对预处理后的指静脉图像进行边缘检测、最小二乘法线性拟合以及方向矫正，并在此基础上提取指静脉最丰富的中节ROI指静脉图像；采用训练好的FCN全卷积网络对提取的ROI指静脉图像提取特征并对每个像素点进行分类获得已区分静脉点和背景点的待注册/识别指静脉图像；收集待注册指静脉图像并构建注册后的指静脉数据库，将待识别指静脉图像在指静脉数据库中进行检索识别，获得匹配识别结果。在本发明实施例中，可以获得更清晰的指静脉图像，并且匹配识别效率更快，更准确。

主权项

1.一种基于FCN全卷积网络的指静脉识别方法，其特征在于包括如下步骤：A、连接指静脉采集设备，进行图像采集；B、通过预处理减少图像数据的噪声；C、提取预处理后的图像的ROI感兴趣区域；C1、通过两个对称的边缘检测算子检测预处理后的图像中手指的轮廓边缘点，利用最小二乘法分别对左边缘点和右边缘点进行直线拟合，得到两条手指的边缘线；C2、对C1中所述的两条边缘线取均值，得到手指骨线；手指骨线与x轴正方向之间的夹角记为手指偏转的角度α，将图像旋转α将图像矫正至水平；C3、去除两条边缘线以外的数据，只截取保留两条边缘线中间的手指图像区域；C4、遍历x轴方向，统计对应的y轴上所有像素值的和，y轴上像素值的和最大处对应的x坐标为手指关节的位置，记为C5、截取往x轴正方向240像素点的区域并尺度归一化到同一大小作为所要提取的ROI感兴趣区域；D、FCN全卷积网络检测ROI图像的静脉点和背景点；D1、读取参数文件，解析FCN全卷积网络模型，加载模型参数；D2、将C中提取的ROI图像输入FCN网络层，进行卷积、池化和反卷积交替处理，输出原图大小的特征图；D3、特征图包含了FCN对图像进行像素级的分类，输出特征图上的每个元素包含一个二维向量对该向量做softmax计算，记为分别表示该像素点为静脉点和背景点的概率；D4、取特征图的每个中概率最大的分类作为该像素点的类别，并用像素值255表示静脉点，像素值0表示背景点描绘在输入图像上，记为E、将FCN检测后的图像在指静脉数据库中进行检索识别。