[發明專利]一種基于ArcFace Loss和改進殘差網絡的指靜脈身份驗證方法

有效

• 申請號: 202010414634.7
• 申請日: 2020-05-15
• 公開（公告）號: CN111639558B
• 公開（公告）日: 2023-06-20
• 發明（設計）人: 趙國棟;張烜;胡振寰;李學雙
• 申請（專利權）人: 圣點世紀科技股份有限公司
• 主分類號: G06V40/12
• 分類號: G06V40/12;G06V10/82;G06V10/74;G06N3/0464;G06N3/082
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 諸佩艷

1.一種基于ArcFace?Loss和改進殘差網絡的指靜脈身份驗證方法，其特征在于：其包括以下步驟：

1)采集若干手指的指靜脈圖像，對圖像預處理；

2)構建卷積神經網絡：對輕量級殘差網絡ResNet18的每個卷積塊進行改進，構建卷積神經網絡，對輕量級殘差網絡進行改進的方式是將卷積塊Conv2_x、Conv3_x、Conv4_x、Conv5_x中的激活函數由Relu改為PRelu，并在這些卷積塊的空間和通道兩個維度加上注意力機制，其具體步驟是：

2.1)在通道上，對每個特征層使用Max?Pooling和Average?Pooling，再將得到的2維特征經過雙層感知機后進行加和操作，最后經過Sigmoid函數激活得到通道權重M_c(F)，通道權重M_c(F)的計算公式為：

M_c(F)＝σ(MLP(AvgPool(F))+MLP(MaxPool(F)))??????(5)；

式中，F為特征層，AvgPool為平均池化，MaxPool為最大池化，MLP為雙層感知機，σ為sigmoid激活函數；

2.2)將得到的通道權重與通道對應相乘對通道進行重新標定；

2.3)在空間上，對每一維度的空間特征使用Max?Pooling和Average?Pooling并對其進行連接操作，將得到的2維特征經過卷積降為一維，最后經過Sigmoid函數激活得到空間權重M_s(F)，空間權重M_s(F)的計算公式為：

M_s(F)＝σ(f^7*7[AvgPool(F)；MaxPool(F)])???????????(6)；

式中，F為特征層，AvgPool為平均池化，MaxPool為最大池化，f^7*7為卷積核大小為7*7的卷積，σ為sigmoid激活函數；

2.4)將得到的空間權重與空間特征對應相乘對空間特征進行重新標定；

3)訓練模型：將預處理后的圖像輸入到卷積神經網絡的模型中提取成多維的特征向量，并使用ArcFace?Loss對卷積神經網絡進行訓練；

4)注冊階段：將注冊圖像增強后輸入訓練好的卷積神經網絡中，得到特征向量并取平均值作為該手指的特征存儲為注冊特征庫；

5)驗證階段：設定相似度閾值，將驗證圖像增強后輸入到訓練好的卷積神經網絡中得到該驗證圖像的特征向量，分別計算該特征向量與注冊特征庫中每一特征的余弦相似度，并依據其距離與閾值判斷其是否對應到某一根手指。

2.根據權利要求1所述的基于ArcFace?Loss和改進殘差網絡的指靜脈身份驗證方法，其特征在于：所述的步驟1)中，對圖像預處理包括：對采集的指靜脈數據庫圖像進行擴充，并對擴充后的數據庫圖像進行仿射變換，使用雙邊濾波法將得到的數據庫圖像進行增強。

3.根據權利要求2所述的基于ArcFace?Loss和改進殘差網絡的指靜脈身份驗證方法，其特征在于：所述步驟1)中對圖像預處理的步驟包括：

1.1)對采集到的每個手指的指靜脈數據庫圖像進行上下、左右翻轉，將翻轉后的圖像分別設定為一個新的手指圖像，將數據庫擴大為原來的4倍；

1.2)設定相應的概率隨機對圖片進行平移、旋轉操作，將變換后的圖像加入數據庫中，對數據庫進行擴充；

1.3)通過濾波器BF對圖像進行濾波增強。