[發(fā)明專(zhuān)利]一種基于深度學(xué)習(xí)和Wasserstein距離度量的指靜脈識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910700986.6
• 申請(qǐng)日: 2019-07-31
• 公開(kāi)（公告）號(hào): CN110555382A
• 公開(kāi)（公告）日: 2019-12-10
• 發(fā)明（設(shè)計(jì)）人: 張娜;涂小妹;包曉安;徐璐
• 申請(qǐng)（專(zhuān)利權(quán)）人: 浙江理工大學(xué)
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/40;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 33200 杭州求是專(zhuān)利事務(wù)所有限公司
• 代理人: 鄭海峰

本發(fā)明公開(kāi)了一種基于深度學(xué)習(xí)和Wasserstein距離度量的指靜脈識(shí)別方法，使用雙側(cè)紅外照射采集指靜脈圖像；對(duì)圖像進(jìn)行預(yù)處理；使用拉伸的Sobel算子進(jìn)行邊緣檢測(cè)、根據(jù)邊緣求出手指的中線(xiàn)、最小二乘法線(xiàn)性擬合圖像中線(xiàn)以及仿射變換進(jìn)行方向矯正；基于矯正后的邊緣，進(jìn)行感興趣區(qū)域(ROI)提取；采用訓(xùn)練好的Resnet卷積神經(jīng)網(wǎng)絡(luò)對(duì)ROI圖像進(jìn)行提取特征，將提取的特征編碼作為待注冊(cè)/識(shí)別的指靜脈特征；利用公開(kāi)數(shù)據(jù)集和采集的數(shù)據(jù)集構(gòu)建指靜脈圖像數(shù)據(jù)庫(kù)，將待識(shí)別的特征編碼采用能保留空間特征的Wasserstein距離度量在指靜脈數(shù)據(jù)庫(kù)中進(jìn)行一一檢索識(shí)別。在本發(fā)明實(shí)施例中，深度學(xué)習(xí)可以獲得更有表征能力的特征編碼，并且Wasserstein距離度量匹配識(shí)別效率更快，更準(zhǔn)確。

技術(shù)領(lǐng)域

本發(fā)明涉及生物特征識(shí)別技術(shù)、圖像識(shí)別、深度學(xué)習(xí)領(lǐng)域，距離度量，尤其涉及一種基于Resnet卷積神經(jīng)網(wǎng)絡(luò)和Wasserstein距離度量的指靜脈識(shí)別方法。

背景技術(shù)

基于生物特征的身份認(rèn)證技術(shù)的研究和應(yīng)用日益廣泛；當(dāng)前社會(huì)對(duì)于搞安全和更友好的身份認(rèn)證的需求使得對(duì)生物識(shí)別技術(shù)提出了更高的要求；而指靜脈具有活體性和唯一性，不會(huì)產(chǎn)生特征重復(fù)的情況并且允許非接觸式的識(shí)別，因此成為生物識(shí)別領(lǐng)域內(nèi)較受關(guān)注的一類(lèi)。

目前的指靜脈識(shí)別方法大多為基于領(lǐng)域內(nèi)知識(shí)，涉及圖像處理、濾波等；當(dāng)采集設(shè)備的成像質(zhì)量較低，人為的設(shè)計(jì)提取特征算法來(lái)表征靜脈特征難度較大，從而會(huì)影響后續(xù)特征匹配以及識(shí)別；部分學(xué)者提出基于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)指靜脈身份識(shí)別，也有新的研究提出基于強(qiáng)化學(xué)習(xí)算法優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)的靜脈識(shí)別方法。然而在指靜脈識(shí)別中還有大量關(guān)鍵性問(wèn)題需要解決；

目前亟待解決的問(wèn)題有：識(shí)別成功率依賴(lài)于指靜脈圖像成像質(zhì)量，人為提取靜脈特征容易受預(yù)處理時(shí)的偽靜脈的影響，或者提取的特征太大，在存儲(chǔ)時(shí)占用硬件資源，同時(shí)距離度量算法不能從空間分布，以及距離兩個(gè)方面同時(shí)考慮等。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于深度學(xué)習(xí)和Wasserstein距離度量的指靜脈識(shí)別方法，使用Resnet網(wǎng)絡(luò)提取更深層的指靜脈特征，同時(shí)大大減少特征的維度，使存儲(chǔ)特征消耗的資源更少，最后使用 Wasserstein度量。從空間和距離兩個(gè)方面度量特征編碼之間的相似度，從而提升識(shí)別的效率和精度。

為了解決上述技術(shù)問(wèn)題，本發(fā)明提供了一種基于深度學(xué)習(xí)和Wasserstein距離度量的指靜脈識(shí)別方法，所述指靜脈識(shí)別方法包括：

S1、連接指靜脈的紅外采集設(shè)備，進(jìn)行圖像采集；

S2、通過(guò)高斯濾波，中值濾波對(duì)圖像進(jìn)行去噪操作；

S3、利用拉伸的Sobel算子對(duì)預(yù)處理后的圖像進(jìn)行邊緣檢測(cè)，得到感興趣區(qū)域(ROI圖像)；

S4、使用Resnet卷積神經(jīng)網(wǎng)絡(luò)提取處理后的ROI圖像的特征編碼；

S5、采用Wasserstein距離度量的相似度作為最后檢索識(shí)別的結(jié)果。

上述方法中，可選地：所述步驟S1，其包括：

S11、通過(guò)USB數(shù)據(jù)線(xiàn)連接PC機(jī)與指靜脈的紅外采集設(shè)備，掃描并連通 PC機(jī)和指靜脈采集設(shè)備；

S12、指靜脈紅外采集設(shè)備采集手指靜脈的近紅外圖像，將指靜脈圖像保存成本地的圖像；

S13、指靜脈圖像中，記手指指尖的方向?yàn)閤軸正方向，指關(guān)節(jié)方向?yàn)閥軸方向。

上述方法中，可選地：所述步驟S2，其包括：

S21、利用對(duì)比度受限的自適應(yīng)直方圖均衡化對(duì)指靜脈圖像進(jìn)行初步的圖像增強(qiáng)，增加靜脈與背景的對(duì)比度；

S22、利用高斯濾波和中值濾波對(duì)增強(qiáng)后的圖像進(jìn)行濾波減少噪聲對(duì)圖像的影響。