[發明專利]一種基于相關性語義特征學習的手指靜脈識別方法及系統

有效

• 申請號: 201910982421.1
• 申請日: 2019-10-16
• 公開（公告）號: CN110717469B
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 襲肖明;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: G06V40/145
• 分類號: G06V40/145;G06N20/00
• 代理公司: 濟南信達專利事務所有限公司 37100
• 代理人: 姜明

本發明公開了一種基于相關性語義特征學習的手指靜脈識別方法及系統，屬于計算機視覺技術領域。本發明的基于相關性語義特征學習的手指靜脈識別方法，根據手指靜脈的特點定義具有語義信息的編碼，根據構建的語義信息的編碼構建多編碼學習模型，多編碼學習模型對所有的編碼同時進行學習，并在學習過程中獲取多個編碼的相關性信息，提高每個編碼的學習準確度；通過將測試圖像輸入多編碼學習模型，獲取測試圖像的多個編碼特征，將獲取的多個編碼特征與注冊用戶的編碼特征進行比對，判斷測試圖像與注冊用戶是否為同一用戶。該發明的基于相關性語義特征學習的手指靜脈識別方法能夠獲取圖像的語義信息，并具有較好的區分性，具有很好的推廣應用價值。

技術領域

本發明涉及計算機視覺技術領域，具體提供一種基于相關性語義特征學習的手指靜脈識別方法及系統。

背景技術

特征提取是圖像處理、模式識別等領域的重要一步。相比較其他類型的特征，二值編碼具有簡單、存儲空間占用少等優點。然而，現有的二值編碼大都沒有語義信息，降低了特征的可解釋性。因此，如何有效解決現有特征可解釋性低、有效性差問題，具有重要的研究意義和應用價值。

發明內容

本發明的技術任務是針對上述存在的問題，提供一種能夠獲取圖像的語義信息，并具有較好的區分性，從而提高識別精度的基于相關性語義特征學習的手指靜脈識別方法。

本發明進一步的技術方案是提供一種基于相關性語義特征學習的手指靜脈識別系統。

為實現上述目的，本發明提供了如下技術方案：

一種基于相關性語義特征學習的手指靜脈識別方法，該方法首先根據手指靜脈的特點定義具有語義信息的編碼，根據構建的語義信息的編碼構建多編碼學習模型，多編碼學習模型對所有的編碼同時進行學習，并在學習過程中獲取多個編碼的相關性信息，提高每個編碼的學習準確度；通過將測試圖像輸入多編碼學習模型，獲取測試圖像的多個編碼特征，將獲取的多個編碼特征與注冊用戶的編碼特征進行比對，基于獲取的相似度判斷測試圖像與注冊用戶是否為同一用戶。

該基于相關性語義特征學習的手指靜脈識別方法能夠對所有的編碼同時進行學習，并在學習過程中能夠獲取多個編碼的相關性信息，從而提高每個編碼的學習準確度。因此，學到的特征一方面能夠獲取圖像的語義信息，另一方面具有較好的區分性，提高了識別精度。

作為優選，該方法具體包括以下步驟：

S1、訓練階段：構建多編碼學習模型

1)構建語義編碼；

2)根據構建的語義編碼構建多編碼學習模型；

S2、測試階段：將測試圖像的多個編碼特征與注冊用戶的編碼特征進行比對，基于獲取的相似度判斷測試圖像與注冊用戶是否為同一用戶。

作為優選，所述構建語義編碼包括全局網絡描述碼、顯著性網絡描述碼、網絡清晰度描述碼和網絡主特征描述碼。

作為優選，所述多編碼學習模型的構建如公式(1)所示，通過最小化目標函數，獲得多編碼學習模型，

其中，t為編碼的數目，Y_(i，k)為所有樣本第k個編碼的值，X為訓練樣本的特征，是個nxd的矩陣，W_k為關于第k個標記的權重向量，ɑ是超參數。

作為優選，測試階段首先將測試圖像輸入多編碼學習模型，獲取測試圖像的多個編碼特征，再進行識別，識別過程為將獲取的編碼特征與注冊用戶的編碼特征進行比對，利用海名距比較測試圖像的編碼特征與注冊用戶的編碼特征的相似度，基于獲取的相似度判斷測試圖像與注冊用戶是否為同一用戶。

一種基于相關性語義特征學習的手指靜脈識別系統，該系統包括訓練模塊和測試模塊：