[發明專利]一種基于深度相關性特征學習的指靜脈識別方法及裝置

有效

• 申請號: 201910546950.7
• 申請日: 2019-06-24
• 公開（公告）號: CN110263726B
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 于治樓;計曉贇;襲肖明
• 申請（專利權）人: 浪潮集團有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 濟南信達專利事務所有限公司 37100
• 代理人: 孫園園

本發明公開了一種基于深度相關性特征學習的指靜脈識別方法及裝置，屬于生物識別領域，本發明要解決的技術問題為如何有效的對較細靜脈的進行精確識別，建立細節點之間的關聯性信息，確保具有較強的識別性能，采用的技術方案為：①該方法步驟如下：S1、提取細節點；S2、構建圖節點；S3、學習相關性映射圖：基于RankSVM的相關性圖映射學習方法，獲取相關性圖的鄰接矩陣，反映圖節點之間的相關性信息；S4、深度相關性特征學習；S5、匹配：將得到的有效的深度相關性特征與數據庫中存儲的模板進行相似度比較，從而完成匹配任務。②該裝置包括細節點提取模塊、圖節點構建模塊、相關性映射圖學習模塊、深度相關性特征學習模塊以及匹配模塊。

技術領域

本發明涉及生物識別領域，具體地說是一種基于深度相關性特征學習的指靜脈識別方法及裝置。

背景技術

隨著社會的進步，各個領域技術都有了長足的發展。生物特征識別技術是利用人體生物特征或者行為特征進行人體身份認證，其中，人體生物特征主要包括兩大類：外部生物特征和內部生物特征。外部生物特征如指紋、虹膜視和臉型等。內部生物特征如手指靜脈等。手指靜脈識別是一種具有巨大潛力的新興生物識別技術，其具有內部特征、活體識別等優點受到越來越多研究者和開發人員的關注。特征提取是指靜脈識別的關鍵一環。基于細節點的特征能夠表示指靜脈的拓撲結構，具有較強的可解釋性。然而這類特征忽略了細節點之間的關聯性信息，從而影響了最后的識別性能。因此，如何有效的對較細靜脈的進行精確識別，建立細節點之間的關聯性信息，確保具有較強的識別性能是目前現有技術中急需解決的技術問題。

專利號為CN109558827A的專利文獻公開了一種基于個性化卷積神經網絡的手指靜脈識別方法，包括訓練和識別兩部分，在訓練部分首先基于正類樣本的重要性進行個性化加權，將個性化加權后的樣本存入個性化信息生成中心，同時并將加權后的正類樣本與收集的手指靜脈圖像構成樣本對進行訓練，以構建個性化的卷積神經網絡，在識別部分則借助個性化信息生成中心構造，借助個性化的卷積神經網絡完成識別，并輸出識別結果，結果分為驗證通過和驗證不通過兩種。該技術方案針對不同的場景要求獲取重要客戶的身份信息，提高識別率和用戶滿意度。但是不能有效的對較細靜脈的進行精確識別，建立細節點之間的關聯性信息，確保具有較強的識別性能。

發明內容

本發明的技術任務是提供一種基于深度相關性特征學習的指靜脈識別方法及裝置，來解決如何有效的對較細靜脈的進行精確識別，建立細節點之間的關聯性信息，確保具有較強的識別性能的問題。

本發明的技術任務是按以下方式實現的，一種基于深度相關性特征學習的指靜脈識別方法，具體步驟如下：

S1、提取細節點：提取手指靜脈的細節點；

S2、構建圖節點：根據細節點構建手指靜脈的圖結構；

S3、學習相關性映射圖：基于RankSVM的相關性圖映射學習方法，獲取相關性圖的鄰接矩陣，反映圖節點之間的相關性信息；

S4、深度相關性特征學習：使用卷積神經網絡對相關性映射圖的有效信息進行深度學習，得到有效的深度相關性特征；

S5、匹配：將得到的有效的深度相關性特征與數據庫中存儲的模板進行相似度比較，從而完成匹配任務。

作為優選，所述步驟S1中提取細節點的具體步驟如下：

S101、對于一副手指靜脈圖像，用線性跟蹤法對手指靜脈的紋路進行分割，并進行二值化處理得到二值圖像；

S102、對分割的二值圖像進行細化，得到細化圖像，基于細化圖像提取整個手指靜脈的細節點。

更優地，所述細節點包括手指靜脈細化圖像的交叉點和端點。