[發明專利]基于卷積神經網絡且具備仿冒檢測能力的嵌入式指靜脈識別方法

有效

• 申請號: 201710319336.8
• 申請日: 2017-05-09
• 公開（公告）號: CN107292230B
• 公開（公告）日: 2020-07-28
• 發明（設計）人: 康文雄;黃志星;邱鑫威
• 申請（專利權）人: 華南理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/08;G06K9/32
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 梁瑩

1.一種具備仿冒檢測能力的指靜脈識別方法，其特征在于，所述識別方法包括：

S1、采集若干張多級光強的手指靜脈圖像，選出清晰度最高的一張手指靜脈圖像，然后進行預處理截取圖像ROI區域；

其中，所述步驟S1中采用帶約束項的最大信息熵方法選出清晰度最高的一張手指靜脈圖像，其中圖像區域{x,R}的信息熵由如下公式計算得到：

其中，D表示圖像的灰度等級，其取值為d₁,…,d_i…,d_r，P_D(d_i,x,R)表示灰度取值d_i在圖像區域{x,R}上發生的概率，所述約束項為沿著手指軸向將手指靜脈圖像等分切分的四個局部區域塊，每一個局部區域塊的灰度均值不能大于設定的閾值；

S2、通過高通濾波器提取手指靜脈圖像的高頻部分特征；

S3、使用局部二進制模式LBP對手指靜脈圖像的高頻部分特征進行紋理特征編碼；

S4、使用SVM分類器進行仿冒檢測區分真偽靜脈圖像。

2.根據權利要求1所述的具備仿冒檢測能力的指靜脈識別方法，其特征在于，所述步驟S1中分別采集6張在6級不同光強下的手指靜脈圖像。

3.根據權利要求1所述的具備仿冒檢測能力的指靜脈識別方法，其特征在于，所述步驟S1中預處理截取圖像ROI區域的具體過程如下：

S101、先對手指靜脈圖像進行高斯低通濾波去除噪聲干擾；

S102、使用水平邊緣檢測算子進行邊緣檢測；

S103、采用連通域檢測方法獲取最大的兩個連通域，以去除背景的干擾信息；

S104、沿著水平方向檢測上下邊緣的中心點，并使用最小二乘法擬合中線，計算出中線與水平線的夾角，根據夾角對手指進行旋轉校正；

S105、根據兩側邊緣信息，去除背景；

S106、使用滑動窗口求和的方法檢測關節位置，并根據關節位置信息截取ROI區域。

4.根據權利要求1所述的具備仿冒檢測能力的指靜脈識別方法，其特征在于，

通過n階巴特沃思高通濾波器提取所述手指靜脈圖像的高頻部分特征，其中，所述n階巴特沃思高通濾波器的傳遞函數如下公式：

其中，D₀表示截止頻率與原點的距離。

5.一種基于卷積神經網絡且具備仿冒檢測能力的嵌入式指靜脈識別方法，其特征在于，所述識別方法包括：

T1、采集若干張多級光強的手指靜脈圖像，選出清晰度最高的一張手指靜脈圖像，然后進行預處理截取圖像ROI區域；

其中，所述步驟T1中采用帶約束項的最大信息熵方法選出清晰度最高的一張手指靜脈圖像，其中圖像區域{x,R}的信息熵由如下公式計算得到：

其中，D表示圖像的灰度等級，其取值為d₁，…，d_i…，d_r，P_D(d_i,x,R)表示灰度取值d_i在圖像區域{x,R}上發生的概率，所述約束項為沿著手指軸向將手指靜脈圖像等分切分的四個局部區域塊，每一個局部區域塊的灰度均值不能大于設定的閾值；

T2、通過靜脈識別淺層卷積神經網絡提取手指靜脈圖像的手指圖像特征；

T3、使用余弦距離進行相似度測量，實現仿冒檢測區分真偽靜脈圖像。

6.根據權利要求5所述的基于卷積神經網絡且具備仿冒檢測能力的嵌入式指靜脈識別方法，其特征在于，所述靜脈識別淺層卷積神經網絡保留AlexNet網絡的前三層卷積層，第一階段的卷積層中，卷積核大小為11×11，輸出96個特征圖，然后使用LRN層歸一化局部響應，對歸一化后的特征圖使用3×3的最大池化方法進行下采樣，第二階段的相應層的操作與第一階段的相似，不同的是卷積核大小變為5×5，輸出特征圖個數為256，第三階段沒有歸一化層，卷積核大小為3×3，輸出特征圖個數為384，下采樣也采用3×3的最大池化；池化后連接兩層神經元節點個數都為512的全連接層。