[发明专利]一种基于卷积神经网络的脑纹识别方法在审
| 申请号： | 201910745377.2 | 申请日： | 2019-08-13 |
| 公开（公告）号： | CN110543831A | 公开（公告）日： | 2019-12-06 |
| 发明（设计）人： | 何良华;任强 | 申请（专利权）人： | 同济大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04 |
| 代理公司： | 31225 上海科盛知识产权代理有限公司 | 代理人： | 叶敏华<国际申请>=<国际公布>=<进入 |
| 地址： | 200092 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于卷积神经网络的脑纹识别方法，包括：S1、采集原始时序脑电数据，并得到去除伪迹的原始频域脑电数据；S2、将去除伪迹的原始频域脑电数据划分为第一数据集和第二数据集，通过第一数据集对卷积神经网络进行训练和测试，以得到训练好的卷积神经网络；S3、对第一数据集和第二数据集分别进行特征提取，并将提取的所有特征集合存储为特征集；S4、从第二数据集中提取第一特征，比较第一特征与存储的特征集内各特征之间的欧式距离，以得到脑纹识别结果。与现有技术相比，本发明通过训练卷积神经网络，以提取个体的脑电编码向量，只需比较个体与样本之间的欧式距离，即可实现对个体的脑纹识别，避免了重新训练模型的问题。 | ||
| 搜索关键词： | 卷积神经网络 第一数据 脑电数据 欧式距离 数据集 特征集 频域 伪迹 去除 存储 编码向量 数据集中 特征集合 特征提取 训练模型 原始时序 脑电 样本 采集 测试 | ||
【主权项】：
1.一种基于卷积神经网络的脑纹识别方法，其特征在于，包括以下步骤：/nS1、采集原始时序脑电数据，对原始时序脑电数据依次进行傅里叶变换和滤波操作，得到去除伪迹的原始频域脑电数据；/nS2、构建卷积神经网络，将去除伪迹的原始频域脑电数据划分为第一数据集和第二数据集，通过第一数据集对卷积神经网络进行训练和测试，以得到训练好的卷积神经网络；/nS3、由训练好的卷积神经网络，对第一数据集和第二数据集分别进行特征提取，并将提取的所有特征集合存储为特征集，其中，所述特征为脑电编码向量；/nS4、将第二数据集输入训练好的卷积神经网络，以提取出第一特征，通过比较第一特征与存储的特征集内各特征之间的欧式距离，得到脑纹识别结果。/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同济大学，未经同济大学许可，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/201910745377.2/，转载请声明来源钻瓜专利网。
