[發(fā)明專利]基于卷積變分自編碼器網(wǎng)絡(luò)的手指靜脈識別方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201711392384.6
• 申請日: 2017-12-21
• 公開（公告）號: CN108009520B
• 公開（公告）日: 2020-09-01
• 發(fā)明（設(shè)計(jì)）人: 嚴(yán)如強(qiáng);侯博瑞
• 申請（專利權(quán)）人: 西安格威西聯(lián)科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/40;G06K9/62;G06N3/04;G06T7/13
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 柏尚春

1.一種基于卷積變分自編碼器神經(jīng)網(wǎng)絡(luò)的手指靜脈識別系統(tǒng)，其特征在于，該系統(tǒng)包括圖像采集模塊、圖像預(yù)處理模塊、圖像特征提取模塊、圖像訓(xùn)練模塊和圖像識別模塊；其中，

所述圖像采集模塊用于采集用戶的手指靜脈原始圖像；

所述圖像預(yù)處理模塊用于對所述用戶的手指靜脈原始圖像進(jìn)行預(yù)處理；所述圖像預(yù)處理模塊包括灰度化單元、降噪單元、ROI單元以及歸一化單元，其中，

所述灰度化單元用于對用戶手指靜脈原始圖像進(jìn)行灰度化；

所述降噪單元用于對灰度化后的手指靜脈圖像進(jìn)行高斯低通濾波去除噪聲干擾；

所述ROI單元使用邊緣檢測算子進(jìn)行邊緣檢測獲取邊緣檢測圖像中手指邊緣區(qū)域，以確定手指圖像位置，即提取手指靜脈感興趣區(qū)域(ROI)圖像；

所述歸一化單元采用MAX-MIN方法對所提取的手指靜脈感興趣區(qū)域圖像進(jìn)行像素歸一化處理，處理后每個(gè)像素點(diǎn)的像素在[0,1]范圍；并采用雙線性插值法對像素歸一化后圖像信息的圖像尺寸進(jìn)行歸一化處理，處理后的圖像尺寸大小相同，方便下一步處理；

所述圖像特征提取模塊用于提取預(yù)處理后的手指靜脈原始圖像的特征信息；

所述圖像訓(xùn)練模塊根據(jù)待訓(xùn)練用戶的手指靜脈原始圖像進(jìn)行訓(xùn)練，得到訓(xùn)練參數(shù)；所述圖像訓(xùn)練模塊包括卷積變分自編碼器神經(jīng)網(wǎng)絡(luò)模型和全連接神經(jīng)網(wǎng)絡(luò)模型，具體包括：

圖像獲取單元：用于獲取所有用戶的手指靜脈圖像信息；

圖像預(yù)處理單元：對所述所有用戶的手指靜脈圖像信息進(jìn)行圖像預(yù)處理，獲取預(yù)處理后的ROI圖像；

特征提取單元：對所述預(yù)處理后待識別圖像信息輸入卷積變分自編碼器神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練后的卷積變分自編碼器神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)，采用訓(xùn)練后的卷積變分自編碼器神經(jīng)網(wǎng)絡(luò)編碼器處理輸入圖像提取特征編碼，獲取所有用戶的手指靜脈編碼值作為特征值；

訓(xùn)練單元：采用全連接神經(jīng)網(wǎng)絡(luò)訓(xùn)練獲取的所有用戶手指靜脈編碼值，獲取訓(xùn)練后的全連接神經(jīng)網(wǎng)絡(luò)參數(shù)；

所述圖像識別模塊根據(jù)訓(xùn)練參數(shù)識別待識別用戶的身份信息。

2.根據(jù)權(quán)利要求1所述的一種基于卷積變分自編碼器神經(jīng)網(wǎng)絡(luò)的手指靜脈識別系統(tǒng)，其特征在于：所述卷積變分自編碼器神經(jīng)網(wǎng)絡(luò)包括卷積編碼器和反卷積解碼器，所述卷積編碼器包括依次配合使用的輸入層、卷積層、全連接層和輸出層；所述反卷積解碼器包括依次配合使用的輸入層、全連接層、反卷積層和卷積層，卷積編碼器的輸出為反卷積解碼器的輸入。