[發明專利]一種基于鄰域類編碼學習的靜脈識別方法

有效

• 申請號: 201810295976.4
• 申請日: 2018-03-30
• 公開（公告）號: CN109409179B
• 公開（公告）日: 2021-10-12
• 發明（設計）人: 張麗萍;李衛軍;寧欣;董肖莉;覃鴻;徐健;于麗娜;李爽
• 申請（專利權）人: 中國科學院半導體研究所;中國科學院大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06T9/00;G06K9/62
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 任巖

1.一種基于鄰域類編碼學習的靜脈識別方法，其特征在于，包括以下步驟：

S1、獲取訓練集靜脈圖像特征；

S2、對所有訓練集特征，生成類別間二值模版；

S3：以所有訓練集特征和得到的類別間二值模版作為輸入，二值模版中的每一位訓練一個分類器；

S4：獲取測試靜脈圖像特征，并將測試特征循環輸入每一個分類器，得到測試特征的二值編碼；

S5：對測試特征的二值編碼和得到的類別間二值模版進行相似性度量與識別，得到靜脈識別結果；

其中，所述S2包括，

S21：生成類間關系矩陣；

S22：類間關系矩陣粗二值化，得到編碼矩陣；

S23：類間關系矩陣再二值化，得到最終的編碼矩陣。

2.根據權利要求1所述的靜脈識別方法，其特征在于，步驟S1包括以下步驟：

S11、采集識別部位的靜脈圖像；

S12、對采集到的靜脈圖像進行預處理；

S13、對預處理后的靜脈圖像進行特征表示，得到特征。

3.根據權利要求2所述的靜脈識別方法，其特征在于，在步驟S13中，對預處理后的靜脈圖像進行特征表示，采用的方法為基于局部編碼方法、基于頻域的方法、基于子空間的方法或基于HOL特征描述的方法。

4.根據權利要求1所述的靜脈識別方法，其特征在于，步驟S21包括以下步驟：

S211：計算類均值構建每個類的中心；

S212：通過計算每兩類中心之間的距離來獲得兩類的權重并生成類間關系矩陣；

S213：將類間關系矩陣量化為0-255間的整數；

S214：對類間關系矩陣進行行均衡化和列均衡化。

5.根據權利要求1所述的靜脈識別方法，其特征在于，在步驟S22中，對每一類選取K個類鄰域位置，根據所選鄰域對類間關系矩陣粗二值化，得到編碼矩陣。

6.根據權利要求1所述的靜脈識別方法，其特征在于，在步驟S23中，計算編碼矩陣中所有類的類間散度，對類間散度小的類別單獨處理，進行類間關系矩陣再二值化，包括以下步驟：

S231：計算編碼矩陣中所有類二值模版的類間散度；

S232：設定閾值，找出類間散度小于閾值的類別對，改變鄰域個數，以類間散度最大為優化目標，并更新編碼矩陣中該類別對的模版；

S233：重復上述步驟，直到類間散度不再改變，得到最終的編碼矩陣。

7.根據權利要求1所述的靜脈識別方法，其特征在于，在步驟S3中，所述分類器是SVM模型、回歸樹模型、隨機森林模型、深度神經網絡模型中的一種。

8.根據權利要求1所述的靜脈識別方法，其特征在于，在步驟S5中，采用漢明距離對類間二值模版和測試特征的二值編碼進行相似性度量，對測試圖像進行識別分類，得到靜脈識別結果。

9.根據權利要求1-8任一項所述的靜脈識別方法，其特征在于，所述靜脈識別方法的識別部位為手指、手背或手掌，識別部位為手指時，獲取手指指體區域的靜脈圖像，手指是左右手除大拇指和小拇指以外的其余任何手指之一。