[发明专利]一种基于三元组损失和轻量级网络的指静脉识别方法及系统

摘要

本发明公开了一种基于三元组损失和轻量级网络的指静脉识别方法及系统，该方法包括：对数据库中的指静脉样本图像进行预处理；构建小型轻量级网络模型结构，在训练集中选择三元组(A，P，N)并进行网络训练；将训练集作为待录入指静脉数据库的人物信息，读取训练集内图像并输入模型中，得到embeddings向量库；将某个样本图像输入所述网络模型中，若样本图像与训练集中的样本图像之间的相似度大于阈值，则该人不在该数据库中；反之，选取符合阈值范围内的距离最小值，识别为相似度最高的人。本发明引入三元组损失结合轻量级网络，训练模型，实现静脉特征的空间映射，避免数据库动态变化时需要多次训练网络模型，最终有效提升指静脉识别的精度和效率。

主权项

1.一种基于三元组损失和轻量级网络的指静脉识别方法，其特征在于，该方法包括以下步骤：(1)对数据库中的指静脉样本图像进行预处理，并划分测试集和训练集；(2)构建小型轻量级CNN网络模型结构，在训练集中选择三元组(A，P，N)并使用Triplet Loss训练网络进行训练，其中，A表示目标，P为正样本，N为负样本；(3)根据A与P之间的距离、A与N之间的距离以及正则化损失计算损失函数total_loss，采用梯度下降算法计算梯度并更新优化模型参数；(4)将所述训练集作为待录入指静脉数据库的人物信息，读取训练集内图像并输入已训练好的CNN模型中，生成相应的特征向量并保存，得到embeddings向量库，所述embeddings向量库存储了数据库中所有样本的特征信息；(5)将所述测试集中的某个样本图像输入已训练好的所述网络模型中，生成对应的静脉embedding数组，计算所述embedding数组与embeddings向量库中的各个embedding之间的距离，得到所述样本图像与所述训练集中的样本图像之间的相似度，若相似度大于设定的阈值，则认为该人不在该数据库中；反之，则选取符合阈值范围内的距离最小值，识别为相似度最高的人，得出最终识别结果。