[发明专利]一种基于卷积神经网络和监督式离散哈希算法的指静脉识别方法在审
| 申请号： | 201910691149.1 | 申请日： | 2019-07-29 |
| 公开（公告）号： | CN110543822A | 公开（公告）日： | 2019-12-06 |
| 发明（设计）人： | 张娜;陈春宇;包晓安;徐璐 | 申请（专利权）人： | 浙江理工大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/32;G06N3/04;G06N3/08;G06T5/00;G06T5/40;G06T7/11;G06T7/13 |
| 代理公司： | 33200 杭州求是专利事务所有限公司 | 代理人： | 郑海峰<国际申请>=<国际公布>=<进入 |
| 地址： | 310018 浙江省杭*** | 国省代码： | 浙江;33 |
| 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卷积神经网络和监督式离散哈希的指静脉识别方法，使用双侧红外照射采集指静脉图像并进行预处理、边缘检测、方向矫正和感兴趣区域(ROI)提取；采用Res2net卷积神经网络对ROI指静脉图像提取特征；采用离散式哈希算法模型进行二进制编码；将提取的二进制编码特征作为待注册/识别的指静脉特征；构建指静脉图像数据库，将待识别指静脉图像经过上述处理得到识别的特征编码之后在指静脉数据库中一一进行检索识别，采用哈明距离度量得出相似度，获得匹配识别结果。在本发明实施例中，深度学习可以获得更有表征能力的特征编码，并且离散式哈希算法可以使特征模板尺寸更小，在海量匹配人脸匹配中更加高效。 | ||
| 搜索关键词： | 静脉图像 卷积神经网络 二进制编码 哈希算法 特征编码 离散式 静脉 匹配 数据库 预处理 感兴趣区域 边缘检测 表征能力 方向矫正 哈明距离 红外照射 静脉识别 匹配识别 特征模板 提取特征 相似度 度量 构建 哈希 人脸 检索 采集 监督 学习 | ||
【主权项】：
1.一种基于卷积神经网络和监督式离散哈希算法的指静脉识别方法，所述指静脉识别步骤如下：/nA、连接指静脉的双侧红外采集设备，进行指静脉图像采集；/nB、对指静脉图像进行预处理和边缘检测，确定手指的轮廓边缘，根据手指的轮廓边缘确定手指中线，根据中线的倾斜角度对指静脉图像进行方向矫正；根据手指关节高亮确定指静脉图像的ROI区域，截取ROI图像并进行归一化处理；/nC、使用卷积神经网络提取经过归一化处理后的ROI图像的float型特征编码；/nD、使用监督式离散哈希算法模型对提取到的float型特征编码进行二值化，获取指静脉图像的二进制特征编码，并作为指静脉的注册模板存储到指静脉数据库中；/nE、对待识别的指静脉图像基于哈明距离的度量进行检索识别。/n
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浙江理工大学，未经浙江理工大学许可，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/201910691149.1/，转载请声明来源钻瓜专利网。
