[發明專利]一種基于人工智能的掌紋識別方法及系統

有效

• 申請號: 201910593900.4
• 申請日: 2019-07-03
• 公開（公告）號: CN110287940B
• 公開（公告）日: 2021-08-20
• 發明（設計）人: 戴鴻君;計曉贇;于治樓
• 申請（專利權）人: 山東浪潮科學研究院有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 濟南信達專利事務所有限公司 37100
• 代理人: 馮春連

本發明公開一種基于人工智能的掌紋識別方法，涉及圖像處理技術領域。針對現有識別速度慢且識別精確度不高的問題，采用技術方案包括：S1、建立數據集；S2、對數據集中的掌紋圖片進行預處理，完成對數據集的標注；S3、建立由多個獨立的卷積深度神經網絡構成的級聯深度神經網絡模型；S4、使用步驟S2中標注完成的數據集訓練步驟S3中的級聯深度神經網絡模型；S5、通過級聯神經網絡模型對員工進行身份識別，快速且高精確的獲得員工身份信息。本發明還公開一種基于人工智能的掌紋識別系統，其與前述掌紋識別方法相結合，實現掌紋的快速且高精確度識別。

技術領域

本發明涉及圖像處理技術領域，具體的說是一種基于人工智能的掌紋識別方法及系統。

背景技術

目前公司用于員工的身份識別方法多種多樣，如指紋識別、人臉識別等，但是傳統的指紋識別需要將手指按壓在識別板且識別速度較慢，而人臉識別使用機器學習的深度學習技術識別速度較快但是人臉的特征不明顯在有些情況下無法做到精確識別，會出現誤差。因此，如何發明一種識別速度和識別精確度都得到滿足的識別技術就成了急需解決的技術問題。

發明內容

本發明針對目前技術發展的需求和不足之處，提供一種基于人工智能的掌紋識別方法及系統，提高識別速度的同時提高識別精確度。

首先，本發明公開一種基于人工智能的掌紋識別方法，解決上述技術問題采用的技術方案如下：

一種基于人工智能的掌紋識別方法，掌紋識別方法的實現過程包括：

S1、建立數據集：將公司數據庫中的員工信息和收集到的員工掌紋圖片進行處理，形成數據集；

S2、對數據集中的掌紋圖片進行預處理，完成對數據集的標注；

S3、建立由多個獨立的卷積深度神經網絡構成的級聯深度神經網絡模型；

S4、使用步驟S2中標注完成的數據集訓練步驟S3中的級聯深度神經網絡模型；

S5、通過級聯神經網絡模型對員工進行身份識別，獲得員工身份信息。

可選的，在步驟S2中，對數據集中的掌紋圖片進行預處理，具體預處理操作為：

S201、進行數據集標注工作：將每個掌紋的圖片標注上對應的員工編號、身份信息，并對每個掌紋進行one-hot編碼處理定性特征；

S202、對數據集中的圖片進行灰度化、降噪、二值化、字符切分以及歸一化處理。

可選的，在步驟S3中，建立由多個獨立的卷積深度神經網絡構成的級聯深度神經網絡模型，具體操作為：

S301、選擇三個獨立的卷積神經網絡，三個獨立的卷積神經網絡分別稱為第一層卷積神經網絡、第二層卷積神經網絡、第三層卷積神經網絡，三個獨立的卷積神經網絡均由卷積層、池化層和全連接層組成，將這三個獨立的卷積神經網絡依次組合構成級聯深度神經網絡模型；

S302、第一層卷積神經網絡使用三層5x5的卷積、三層3x3的卷積和兩層全連接層完成圖像信息的特征提取，獲得提取后的特征圖；

S303、第二層卷積神經網絡使用五層3x3的卷積、四層1x1的卷積和2層全連接層，其中，只有兩層由池化層完成特征圖降維，1x1的卷積用于降低特征圖緯度，減少計算量；

S304、第三層卷積神經網絡使用五層3x3卷積、三層全連接層，得到的特征圖經過五層3x3卷積和三層全連接層，將最后得到的低維特征圖與數據庫中存儲的掌紋圖片特征圖進行對比，相似度最大的就是該掌紋所屬員工。

可選的，在步驟S4中，使用步驟S2中標注完成的數據集訓練步驟S3中的級聯深度神經網絡模型，進行訓練時，