[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

本發明提供了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。本發明在輸入靜脈圖像特征的基礎上，考慮類別間的關系，采用類別編碼的方式對原始特征進行二值化，既能提高靜脈識別準確率，又能在很大程度上降低數據量。

技術領域

本發明涉及基于生物特征的自動身份識別技術領域，特別是一種基于鄰域類編碼學習的靜脈識別方法。

背景技術

隨著科學技術的發展，傳統的鑰匙、口令、門禁卡等身份識別手段逐漸被人們所淘汰，取而代之的是各類生物特征識別手段，如：人臉識別、指紋識別、虹膜識別、掌紋識別(人的生理特征)和步態識別、語音識別 (人的行為特征)等。作為21世紀的一個朝陽產業，生物識別技術已進入人們生活的各個方面，呈現出網絡化、非接觸、多模態等趨勢特征。這些生物特征識別與傳統的身份識別技術相比，具有方便、快捷、有效、不易丟失、交互力強等優勢。

靜脈是人體皮下組織中隨機分布的一種網絡，手指靜脈是指沿著手指皮下組織隨機分布的一種網絡，醫學研究表明，不同人，甚至是同一人的不同手指靜脈分布都是不同的，而且靜脈紋路一旦形成，不會隨著人的年齡增長發生變化。手指靜脈識別是利用手指靜脈血液中的血紅蛋白對近紅外光(波長范圍為690～980nm)的吸收特性來采集靜脈圖像進而進行身份識別的技術。與其他生物特征識別技術相比，手指靜脈識別具有以下優勢：(1)利用血液中的血紅蛋白對近紅外光的吸收特性獲取特征，能實現活體檢測；(2)內部特征，肉眼不可見，能有效防止造假；(3)非接觸式采集，用戶體驗好；(4)采集設備簡單、小巧，容易實現便攜式設備開發。因此，手指靜脈識別技術從2000年第一次被提出就得到研究人員的廣泛關注。

現有技術中，相關單位和個人針對靜脈識別也進行了大量的研究和分析，其中針對靜脈特征訓練學習提取的研究尤為突出，如專利申請號 201710656587.5，一種基于自學習的指靜脈特征提取方法及系統，采用自編碼神經網絡模型進行特征提取，申請號201611114622.2，一種基于HOL 特征與子空間學習的靜脈識別方法，采用基于方向線直方圖統計的方法進行特征表示。然而，現有技術中均是通過提取靜脈圖像的多維度特征進行分析，通過靜脈特征自身的特異性實現靜脈特征的識別，而忽略了靜脈特征類別間的相互關系，導致靜脈的識別效率不高。

發明內容

(一)要解決的技術問題

鑒于上述技術問題，本發明提供了一種基于鄰域類編碼學習的靜脈識別方法，該方法在輸入靜脈圖像特征的基礎上，考慮類別間的關系，采用類別編碼的方式對原始特征進行二值化，既能提高靜脈識別準確率，又能在很大程度上降低數據量。

(二)技術方案

根據本發明的一個方面，提供了一種基于鄰域類編碼學習的靜脈識別方法，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。

在某些實施例中，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；