[发明专利]一种基于迁移学习手背静脉识别方法

摘要

本发明公开一种基于迁移学习手背静脉识别方法，包括以下步骤：建立静脉特征数据库；获取手背静脉的图像；将图像划分成若干子图像，并对子图像尺寸进行归一化处理；灰度值归一化处理；筛选各子图像中的像素点；根据像素点构成静脉纹路，提取静脉纹路中的端点、交叉点，去除端点与交叉点间的毛刺；判断各特征点所在的位置；将提取的各特征点以及各特征点对应的位置与静脉特征数据库中存储各人员的特征点以及特征点对应的位置进行逐一对比；统计采集静脉图像中的特征与存储的人员的特征间的相似度系数。本发明提供的基于迁移学习手背静脉识别方法，可识别人员的身份，大大提高了安全性和保密性，具有识别准确性高的特点。

主权项

1.一种基于迁移学习手背静脉识别方法，其特征在于，包括以下步骤：/nS1、建立静脉特征数据库，获取各人员的静脉图像信息，对各静脉图像按照人员身份进行分类汇总，构成静脉图像数据集合，提取每个静脉图像中的静脉特征点以及静脉特征点的位置，并将每个静脉图像中的特征点以及特征点的位置构建每组静脉特征数据库，每组静脉特征数据库中的静脉特征与每个人员身份相一一对应；/nS2、采用红外线CCD摄像头获取手背静脉的图像信息，并将获取的手背静脉图像与预设的图像清晰度进行对比，若小于预设的图像清晰度，则重新拍摄手背静脉的图像，直至拍摄的手背静脉图像的清晰度大于预设的图像清晰度；/nS3、提取清晰度大于预设的图像清晰度的手背静脉图像，对手背静脉图像进行划分，划分成NxN个尺寸相同的子图像，对各子图像的长宽尺寸进行判断，并将各子图像的长宽尺寸与预设的标准子图像的长宽尺寸进行对比，调节子图像的长宽尺寸直至长宽尺寸与预设的标准子图像的长宽尺寸相同；/nS4、提取经步骤S3处理后的子图像，获取各子图像中的灰度值，并采用冒泡法提取各子图像中最大灰度值和最小灰度值，对各子图像的灰度值进行归一化处理，得到经归一化处理的各子图像；/nS5、提取经灰度归一化处理后的各子图像中静脉，随机获取各子图像中M个像素点，以其中任意像素点为中心，计算该像素点与该像素点相邻近的像素点灰度值的均值和标准差，若均值和标准差均小于设定的静脉图像对应的标准均值阈值和标准差，则删除该像素点，逐个统计下一像素点；/nS6、将步骤S5中的像素点进行连线构成静脉纹路，提取静脉纹路中的端点、交叉点，去除端点与交叉点间的毛刺，得到平滑的静脉纹路曲线，提高静脉的平滑性；/nS7、对静脉纹路曲线中端点和交叉点按照从下到上的顺序，依次对端点和交叉点进行排序，分别为k1,k2，...,kv，...,kw，提取静脉纹路中的特征点，判断各特征点所在的位置；/nS8、将提取的各特征点以及各特征点对应的位置与静脉特征数据库中存储各人员的特征点以及特征点对应的位置进行逐一对比，得到特征点对比集合T′(t′1,t′2，...,t′y，...,t′p)以及特征点位置对比集合Q(q′1,q′2，...,q′y，...,q′p)，t′y表示为第y个特征点与静脉特征数据库中某一人员的第y个特征点间的对比值，若第y个特征点相同，则取t′y等于1，反之，t′y等于0，q′y表示为第y个特征点的位置与静脉特征数据库中某一人员的第y个特征点的位置间的对比值，若第y个特征点的位置相同，则取q′y等于1，反之，则q′y等于0；/nS9、根据特征点对比集合和特征点位置对比集合，统计采集静脉图像中的特征与存储的人员的特征间的相似度系数，筛选出相似度系数最大，并将相似度系数与设定的相似度阈值进行对比，若大于相似度阈值，则提取该静脉特征图像对应的人员身份。/n