[發(fā)明專利]一種基于結(jié)構(gòu)特征學(xué)習(xí)的手指靜脈識別方法

在審

• 申請?zhí)枺?/td>: 201911211176.0
• 申請日: 2019-12-02
• 公開（公告）號: CN110889386A
• 公開（公告）日: 2020-03-17
• 發(fā)明（設(shè)計）人: 襲肖明;于治樓;金長新
• 申請（專利權(quán)）人: 山東浪潮人工智能研究院有限公司
• 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(wù)所有限公司 37100
• 代理人: 郗艷榮

1.一種基于結(jié)構(gòu)特征學(xué)習(xí)的手指靜脈識別方法，其特征在于，包括以下步驟：

第一步，獲取手指靜脈注意力特征，用于提取手指靜脈像素點特征；

第二步，基于興趣區(qū)域的特點，引入圖論技術(shù)和度量學(xué)習(xí)模型，獲得結(jié)構(gòu)特征；

第三步，利用識別器對結(jié)構(gòu)圖進行識別分類。

2.根據(jù)權(quán)利要求1所述的基于結(jié)構(gòu)特征學(xué)習(xí)的手指靜脈識別方法，其特征在于：所述第一步中，利用淺層特征學(xué)習(xí)模型提取手指靜脈像素點特征。

3.根據(jù)權(quán)利要求2所述的基于結(jié)構(gòu)特征學(xué)習(xí)的手指靜脈識別方法，其特征在于：包括訓(xùn)練階段和特征分類階段。

4.根據(jù)權(quán)利要求3所述的基于結(jié)構(gòu)特征學(xué)習(xí)的手指靜脈識別方法，其特征在于：所述訓(xùn)練階段包括手指靜脈淺層特征學(xué)習(xí)，結(jié)構(gòu)特征學(xué)習(xí)和識別器訓(xùn)練。

5.根據(jù)權(quán)利要求4所述的基于結(jié)構(gòu)特征學(xué)習(xí)的手指靜脈識別方法，其特征在于：采用PSPnet模型作為所述注意力特征學(xué)習(xí)模型，獲得的概率圖即為手指靜脈的注意力特征。

6.根據(jù)權(quán)利要求5所述的基于結(jié)構(gòu)特征學(xué)習(xí)的手指靜脈識別方法，其特征在于：所述第二步中，將注意力特征映射中的每個元素看作圖的一個節(jié)點，利用圖論技術(shù)提取每個節(jié)點的局部信息。

7.根據(jù)權(quán)利要求1所述的基于結(jié)構(gòu)特征學(xué)習(xí)的手指靜脈識別方法，其特征在于：所述第二步中，引入度量學(xué)習(xí)框架中的近鄰成分分析來更好地學(xué)習(xí)兩個節(jié)點之間的相似度，兩個節(jié)點之間的相似度作為結(jié)構(gòu)圖的邊，完成結(jié)構(gòu)圖的構(gòu)建。

8.根據(jù)權(quán)利要求1所述的基于結(jié)構(gòu)特征學(xué)習(xí)的手指靜脈識別方法，其特征在于：為了有效地處理圖結(jié)構(gòu)特征，所述第三步中，采用圖卷積神經(jīng)網(wǎng)絡(luò)作為識別器。

9.根據(jù)權(quán)利要求3所述的基于結(jié)構(gòu)特征學(xué)習(xí)的手指靜脈識別方法，其特征在于：所述特征分類階段，包括以下步驟：

首先，將測試圖像輸入淺層特征學(xué)習(xí)模型，獲得該圖像的注意力特征映射映射；

然后，將淺層特征映射中的每個元素看作圖的一個節(jié)點，提取每個節(jié)點的局部信息；并引入度量學(xué)習(xí)框架中的近鄰成分分析(Neighbourhood Components Analysis，NCA)來學(xué)習(xí)兩個節(jié)點之間的相似度，將兩個節(jié)點之間的相似度作為結(jié)構(gòu)圖的邊，完成結(jié)構(gòu)圖的構(gòu)建。

最后，將結(jié)構(gòu)圖輸入到訓(xùn)練好的識別模型，獲得識別結(jié)果。