[發(fā)明專利]身份識(shí)別方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201911349794.1
• 申請(qǐng)日: 2019-12-24
• 公開(kāi)（公告）號(hào): CN111178221A
• 公開(kāi)（公告）日: 2020-05-19
• 發(fā)明（設(shè)計(jì)）人: 李紹斌;房遠(yuǎn)志;陳飛龍;李孟宸
• 申請(qǐng)（專利權(quán)）人: 珠海格力電器股份有限公司;珠海聯(lián)云科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06K9/34
• 代理公司: 北京康信知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11240
• 代理人: 董文倩

本發(fā)明公開(kāi)了一種身份識(shí)別方法及裝置。其中，該方法包括：獲取拍攝設(shè)備采集到的目標(biāo)對(duì)象的指靜脈圖像；使用指靜脈神經(jīng)網(wǎng)絡(luò)模型對(duì)上述指靜脈圖像進(jìn)行識(shí)別；基于識(shí)別結(jié)果確定上述目標(biāo)對(duì)象的身份信息，其中，上述指靜脈神經(jīng)網(wǎng)絡(luò)模型為使用多組數(shù)據(jù)，通過(guò)機(jī)器學(xué)習(xí)訓(xùn)練得到的，上述多組數(shù)據(jù)中的每組數(shù)據(jù)均包括：指靜脈圖像和目標(biāo)對(duì)象的身份信息。本發(fā)明解決了現(xiàn)有的指靜脈識(shí)別技術(shù)存在抗偽能力差、識(shí)別率較低的技術(shù)問(wèn)題。

技術(shù)領(lǐng)域

本發(fā)明涉及識(shí)別技術(shù)領(lǐng)域，具體而言，涉及一種身份識(shí)別方法及裝置。

背景技術(shù)

指靜脈識(shí)別技術(shù)在二十一世紀(jì)逐步廣泛應(yīng)用,指靜脈識(shí)別技術(shù)最早發(fā)明于上世紀(jì)九十年代的日本科學(xué)家，在本世紀(jì)初開(kāi)始相繼被日本、韓國(guó)逐漸應(yīng)用到會(huì)員識(shí)別一體機(jī)，銀行ATM機(jī)，門(mén)禁管理系統(tǒng)等進(jìn)行個(gè)人身份認(rèn)證的領(lǐng)域。不僅應(yīng)用在身份鑒別、考勤門(mén)禁等傳統(tǒng)領(lǐng)域，在醫(yī)療邊境安防、娛樂(lè)領(lǐng)域也獲得了很大的發(fā)展。

指靜脈識(shí)別技術(shù)相比較現(xiàn)有的身份識(shí)別技術(shù)具有以下優(yōu)勢(shì)：(1)屬于活體特征，無(wú)法利用非活體偽造，不會(huì)磨損，具有很高安全性(2)血管特征通常更明顯，容易識(shí)別，抗干擾性好。(3)可實(shí)現(xiàn)非接觸式測(cè)量，衛(wèi)生性好，易于為用戶接受。(4)不易受手表面?zhèn)刍蛴臀鄣挠绊憽?/p>

然而，目前指靜脈識(shí)別技術(shù)也存在一些問(wèn)題，比如：采集圖像設(shè)備穩(wěn)定性差，識(shí)別率低；無(wú)法克服平移的影響且計(jì)算量大，抗偽能力差，識(shí)別率較低。

針對(duì)上述的問(wèn)題，目前尚未提出有效的解決方案。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供了一種身份識(shí)別方法及裝置，以至少解決現(xiàn)有的指靜脈識(shí)別技術(shù)存在抗偽能力差、識(shí)別率較低的技術(shù)問(wèn)題。

根據(jù)本發(fā)明實(shí)施例的一個(gè)方面，提供了一種身份識(shí)別方法，包括：獲取拍攝設(shè)備采集到的目標(biāo)對(duì)象的指靜脈圖像；使用指靜脈神經(jīng)網(wǎng)絡(luò)模型對(duì)上述指靜脈圖像進(jìn)行識(shí)別；基于識(shí)別結(jié)果確定上述目標(biāo)對(duì)象的身份信息，其中，上述指靜脈神經(jīng)網(wǎng)絡(luò)模型為使用多組數(shù)據(jù)，通過(guò)機(jī)器學(xué)習(xí)訓(xùn)練得到的，上述多組數(shù)據(jù)中的每組數(shù)據(jù)均包括：指靜脈圖像和目標(biāo)對(duì)象的身份信息。

進(jìn)一步地，使用指靜脈神經(jīng)網(wǎng)絡(luò)模型對(duì)上述指靜脈圖像進(jìn)行識(shí)別，包括：使用上述指靜脈神經(jīng)網(wǎng)絡(luò)模型，確定與上述指靜脈圖像對(duì)應(yīng)的語(yǔ)義信息；基于上述語(yǔ)義信息，采用語(yǔ)義分割算法對(duì)上述指靜脈圖像進(jìn)行語(yǔ)義分割處理，得到分割處理后的目標(biāo)指靜脈圖像；使用上述指靜脈神經(jīng)網(wǎng)絡(luò)模型識(shí)別上述目標(biāo)指靜脈圖像，得到上述識(shí)別結(jié)果。

進(jìn)一步地，使用上述指靜脈神經(jīng)網(wǎng)絡(luò)模型，確定與上述指靜脈圖像對(duì)應(yīng)的語(yǔ)義信息，包括：使用上述指靜脈神經(jīng)網(wǎng)絡(luò)模型的卷積網(wǎng)絡(luò)編碼層對(duì)上述指靜脈圖像進(jìn)行圖像變換處理，得到第一處理圖像；使用上述指靜脈神經(jīng)網(wǎng)絡(luò)模型的反卷積網(wǎng)絡(luò)解碼層對(duì)上述第一處理圖像進(jìn)行圖像還原處理，得到第二處理圖像，并提取上述第二處理圖像的語(yǔ)義信息。

進(jìn)一步地，使用上述指靜脈神經(jīng)網(wǎng)絡(luò)模型識(shí)別上述目標(biāo)指靜脈圖像，得到上述識(shí)別結(jié)果，包括：通過(guò)上述指靜脈神經(jīng)網(wǎng)絡(luò)模型對(duì)上述目標(biāo)指靜脈圖像進(jìn)行靜脈特征提取得到靜脈特征提取圖；通過(guò)上述指靜脈神經(jīng)網(wǎng)絡(luò)模型識(shí)別上述靜脈特征提取圖所屬的類別，其中，不同的類別對(duì)應(yīng)不同的身份信息。

進(jìn)一步地，在使用上述指靜脈神經(jīng)網(wǎng)絡(luò)模型，確定與上述指靜脈圖像對(duì)應(yīng)的語(yǔ)義信息之前，上述方法還包括：檢測(cè)上述指靜脈圖像是否符合第一目標(biāo)圖像要求，上述第一目標(biāo)圖像要求包括以下至少之一：亮度要求、對(duì)比度要求；若檢測(cè)結(jié)果指示上述指靜脈圖像不符合上述第一目標(biāo)圖像要求，則對(duì)上述指靜脈圖像進(jìn)行預(yù)處理，其中，上述預(yù)處理包括以下至少之一：圖像亮度處理、圖像對(duì)比度處理。

進(jìn)一步地，在使用上述指靜脈神經(jīng)網(wǎng)絡(luò)模型識(shí)別上述目標(biāo)指靜脈圖像，得到上述識(shí)別結(jié)果之前，上述方法還包括：檢測(cè)上述目標(biāo)指靜脈圖像是否符合第二目標(biāo)圖像要求，上述第二目標(biāo)圖像要求用于反映上述指靜脈神經(jīng)網(wǎng)絡(luò)模型的識(shí)別要求；若檢測(cè)結(jié)果指示上述目標(biāo)指靜脈圖像不符合上述第二目標(biāo)圖像要求，則對(duì)上述目標(biāo)指靜脈圖像進(jìn)行以下至少之一的圖像處理：提取感興趣區(qū)域、濾波增強(qiáng)處理、紋理增強(qiáng)處理、圖像標(biāo)準(zhǔn)化處理。