[發明專利]基于多源域遷移的指靜脈識別方法及系統

有效

• 申請號: 202110449007.1
• 申請日: 2021-04-25
• 公開（公告）號: CN113076927B
• 公開（公告）日: 2023-02-14
• 發明（設計）人: 康文雄;鐘飛;馬鈺兒
• 申請（專利權）人: 華南理工大學
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V10/25;G06V10/774;G06V10/82;G06N3/096;G06N3/0464
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 何淑珍;江裕強

本發明提供的基于多源域遷移的指靜脈識別方法，包括以下步驟：首先將目標域的指靜脈圖片，獲取到該圖片對應的ROI；再將ROI輸入基礎特征提取網絡提取基礎特征；之后再將基礎特征分別輸入CFTN和DFTN，得到通用特征和域指定特征；將通用特征和域指定特征進行拼接后，得到最終的聚合特征；將獲得的聚合特征在已有的指靜脈特征數據庫中進行搜索，得到輸入的指靜脈圖片和數據庫中已有指靜脈的匹配分數；最終根據匹配分數輸出該輸入指靜脈的匹配結果。通過使用多個源域遷移到目標域，減少目標域的樣本需求，從而降低采集標注成本；將多個源域數據集的通用知識遷移到目標域，并且保留領域指定特征，從而最大程度地提升遷移學習的性能。

技術領域

本發明屬于生物特征識別領域，尤其涉及基于多源域遷移的指靜脈識別方法及系統。

背景技術

指靜脈識別是新提出的、具有用戶友好性的、高安全性的并且擁有天然防偽性質的用于生物特征識別的模態。越來越多的研究人員和工程人員開始致力于在指靜脈識別領域進行研究。然而，在指靜脈工程實踐，指靜脈識別仍然還受到以下兩個問題的影響：

圖像差異：由于光學成像傳感器和近紅外光光照的區別，不同場景下被不同設備所采集的指靜脈圖像都有區別，如圖1所示。除此之外，他們的灰度直方圖和局部二進制編碼圖像也分別在下面列出，以說明他們的區別。除此之外，不同的近紅外光等照射強度也會對指靜脈圖像產生非線性的退化。由于這種圖像退化具有很強的非線性，因此光照強度所導致的非線性退化也不能夠直接建模，從而消除光照強度的影響。除此之外，不同的圖像傳感器有不同的光譜響應曲線，這也會導致同一個手指在相同的光照下產生不同的成像結果。盡管上面的兩個原因已經被提出，但是由于目前的電子設備精度、光學設備的限制、制造成本限制，截止目前仍然沒有合適的方法來解決他們。因此，在指靜脈的實際應用中，不同設備采集的指靜脈圖像存在著不可避免的差別，這會導致在一個數據集上訓練的深度學習模型無法很好的應用在新設計的指靜脈設備上。

數據缺失：指靜脈相對指紋、人臉和手勢而言，是一個新的生物特征模態。目前指靜脈數據庫中的訓練數據量還不足，并且類內的變化也不夠大，這都會影響指靜脈識別算法的性能。而目前大多數模式識別、深度學習方法，都需要大量的數據集來獲得一個有效、魯棒的識別模型。為了緩解數據短缺的問題，一個解決方法是在有充足數據的相關數據集上進行預訓練然后在目標數據集上進行微調或者是聯合訓練。但是當從多個源域進行微調時，深度學習模型會存在嚴重的遺忘問題，并且聯合訓練會丟棄多個數據集之間的通用特征。

指靜脈識別由于其極高的安全性和獨一無二的活體檢測性，其在學術界和工業界的影響力不斷加大。大多數方法，尤其是基于深度學習的方法都傾向于使用大量的訓練數據來獲得一個有效且魯棒的識別模型。然而，在實際的應用中，為每個新設計的指靜脈識別設備收集充足的數據是十分耗時耗力、昂貴的。因此，在小樣本的實驗設置下如果獲得一個最優的模型成了最近的一個研究熱點。解決這類小樣本學習問題的常用方法是使用微調或者是聯合訓練。但是從多個源域進行微調會受到嚴重的遺忘問題影響，而在多個源域上進行聯合訓練會丟棄通用特征。