[發(fā)明專利]一種普適性的基于S-CNN模型的手背靜脈圖像識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810760335.1
• 申請(qǐng)日: 2018-07-12
• 公開（公告）號(hào): CN109034016B
• 公開（公告）日: 2021-10-15
• 發(fā)明（設(shè)計(jì)）人: 賈旭;孫福明;曹玉東
• 申請(qǐng)（專利權(quán)）人: 遼寧工業(yè)大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04
• 代理公司: 大連東方專利代理有限責(zé)任公司 21212
• 代理人: 李洪福

本發(fā)明公開了一種基于S?CNN模型普適性手背靜脈圖像識(shí)別方法，所述方法適用于一種由靜脈圖像采集裝置和PC機(jī)組成的身份認(rèn)證系統(tǒng)，所述方法包括：S1建立初始數(shù)據(jù)集；S2建立訓(xùn)練數(shù)據(jù)集；S3搭建S?CNN模型；S4模型訓(xùn)練；及S5靜脈圖像識(shí)別。通過本發(fā)明所述方法克服了采集圖像時(shí)手背平移、旋轉(zhuǎn)、尺度變化產(chǎn)生的不良影響，通過對(duì)數(shù)據(jù)集中的采集的圖像進(jìn)行擴(kuò)展，以模擬多種平移、旋轉(zhuǎn)、尺度變化的組合，從而增強(qiáng)了識(shí)別算法對(duì)于采集圖像時(shí)手背平移、旋轉(zhuǎn)、尺度變化等因素的魯棒性。并通過優(yōu)化的基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的識(shí)別模型，對(duì)于發(fā)生手背小區(qū)域遮擋或劃痕的情形仍然具有良好的識(shí)別效果。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)圖像識(shí)別領(lǐng)域，尤其涉及一種通過手背靜脈圖像識(shí)別進(jìn)行身份認(rèn)證的方法。

背景技術(shù)

生物特征識(shí)別是依靠人類自身固有的生理或行為屬性來進(jìn)行身份驗(yàn)證的，這些特征或是先天與生俱來的，如人臉、指紋、掌紋、虹膜、靜脈等；或是后天生活習(xí)慣決定的，如語音、筆跡、步態(tài)等。由于不同人具有相同生物特征的概率極小，且這些特征更不容易被復(fù)制。因此，生物特征識(shí)別技術(shù)被認(rèn)為是目前公共安全中最穩(wěn)定、最可靠的身份認(rèn)證方式。

手背靜脈識(shí)別是在特定波長的近紅外光源的照射下，通過獲取的手背靜脈圖像來進(jìn)行身份識(shí)別的。與其它生物識(shí)別技術(shù)相比，靜脈識(shí)別具有以下優(yōu)勢：

1.活體識(shí)別。手背靜脈圖像特征是活體時(shí)才存在的特征，非活體與活體獲得的靜脈圖像間存在明顯差異，因而也就很難造假；

2.特定光源。由于血液中的血色素對(duì)特定波長范圍的近紅外光具有較強(qiáng)的吸收，而在自然光下采集的圖像中靜脈信息不是很明顯，因此特征很難被他人盜取；

3.內(nèi)部特征。靜脈信息是存在于手背內(nèi)部的，不存在任何由于手背表面損傷，磨損或潮濕等帶來的識(shí)別障礙；

4.非接觸式。采集靜脈圖像時(shí)，手背無須與設(shè)備接觸，這種采集方式消除了殘留特征被復(fù)制的風(fēng)險(xiǎn)，同時(shí)避免了接觸設(shè)備時(shí)的不衛(wèi)生的問題。

靜脈識(shí)別技術(shù)因其具有友好性、安全性、可靠性和有效性而被認(rèn)為具有很高的應(yīng)用價(jià)值，正逐漸成為主流的生物識(shí)別方法。但現(xiàn)有技術(shù)的手背靜脈識(shí)別方法在圖像采集時(shí)，由于手背可能出現(xiàn)平移、旋轉(zhuǎn)、尺度變化，或手背存在部分遮擋及劃痕等情況，都會(huì)使識(shí)別準(zhǔn)確率和識(shí)別系統(tǒng)的魯棒性降低。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)存在的缺陷，本發(fā)明要解決的技術(shù)問題是提供一種基于加擾模式卷積神經(jīng)網(wǎng)絡(luò)(Scrambling Convolutional Neural Network,S-CNN)模型的手背靜脈識(shí)別方法，以提高對(duì)采集圖像中手背多種位姿、部分遮擋及劃痕等因素的魯棒性，保證識(shí)別的準(zhǔn)確性。

本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：

一種基于S-CNN模型的手背靜脈圖像識(shí)別方法，所述方法適用于一種由靜脈圖像采集裝置和PC機(jī)組成的身份認(rèn)證系統(tǒng)，所述方法包括以下步驟：

S1，建立初始數(shù)據(jù)集，對(duì)至少100個(gè)采集對(duì)象的手背靜脈圖像進(jìn)行采集，對(duì)每個(gè)采集對(duì)象至少采集6次，每次采集時(shí)手的位置、角度隨機(jī)，且任意兩次手背的位置或角度均有所區(qū)別，由采集到的所有手背靜脈圖像數(shù)據(jù)構(gòu)建初始的數(shù)據(jù)集；

S2，建立訓(xùn)練數(shù)據(jù)集，對(duì)采集的每一張圖像進(jìn)行3至5次不同尺度的縮放變換，3至5次不同距離的平移變換和3至5次不同角度的旋轉(zhuǎn)變換，使每個(gè)采集對(duì)象對(duì)應(yīng)162至750個(gè)樣本，以模擬圖像識(shí)別時(shí)手背的多種位姿；

S3，搭建S-CNN模型，該模型結(jié)構(gòu)包括：

輸入層(I₁)：輸入訓(xùn)練樣本圖像，并對(duì)圖像進(jìn)行歸一化處理，即歸一化后為n×n像素灰度靜脈圖像；