[發明專利]靜脈識別模型的訓練方法、靜脈圖像的識別方法及裝置

有效

• 申請號: 202110807293.4
• 申請日: 2021-07-16
• 公開（公告）號: CN113505716B
• 公開（公告）日: 2022-07-01
• 發明（設計）人: 秦華鋒;鞏長慶;楊公平;王軍;潘在宇
• 申請（專利權）人: 重慶工商大學
• 主分類號: G06V40/14
• 分類號: G06V40/14;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 劉鳳

本申請提供了一種靜脈識別模型的訓練方法、靜脈圖像的識別方法、裝置、電子設備及存儲介質。訓練方法包括：確定第一訓練圖像對應的第一高維靜脈特征以及第一訓練圖像中標簽的預測分布；獲取多個第二高維靜脈特征；將第一高維靜脈特征與多個第二高維靜脈特征輸入圖神經網絡，確定第一訓練圖像中標簽的第一分布；根據標簽的第一分布與第一訓練圖像的標簽，確定第一訓練圖像中標簽的目標分布，并基于標簽的目標分布以及標簽的預測分布，確定靜脈識別模型。本申請提供的靜脈識別模型在學習了輸入類型圖像的標簽分布的基礎上，同步學習了標簽與標簽之間關系的目標標簽分布，這樣在提高了傳統預測模型識別準確率的同時，進一步的提升了識別效果。

技術領域

本申請涉及數據分析技術領域，尤其是涉及一種靜脈識別模型的訓練方法、靜脈圖像的識別方法、裝置、電子設備及存儲介質。

背景技術

手指靜脈生物識別技術是利用血液流經手指皮下淺表血管時，形成的血管分布圖案作為生物特征，進行身份認證的方法，其識別原理是通過指靜脈識別儀取得用戶手指靜脈分布圖，將特征值存儲，然后進行匹配，進行用戶身份的識別。

然而，現有技術中，對于手指靜脈特征的提取是通過手指靜脈圖片中有關于靜脈信息的標簽來實現的，這里標簽反應了實例的基本問題及基本關系，且標簽可以描述實例的基本問題，但是標簽不能準確表示實例的全部關系，也就是說，在現有技術中，一個實例不一定映射到一個標簽，因此，在忽略了標簽與標簽之間關系的基礎下，提取的靜脈特征準確率低下，導致識別效果較差。

發明內容

有鑒于此，本申請的目的在于提供一種靜脈識別模型的訓練方法、靜脈圖像的識別方法、裝置、電子設備及存儲介質，通過將靜脈特征預測分類器與圖神經網絡相結合，深度學習了輸入的第一訓練圖像的特征與其他類型的第二訓練圖像的特征之間的關系，確定標簽的第一分布，并將標簽的第一分布與輸入圖像的標簽進行融合，確定目標分布，并基于所述標簽的目標分布以及所述標簽的預測分布，確定靜脈識別模型，本申請提供的靜脈識別模型在學習了輸入類型圖像的標簽分布的基礎上，同步學習了標簽與標簽之間關系的目標標簽分布，這樣在提高了傳統預測模型識別準確率的同時，進一步的提升了識別效果。

本申請主要包括以下幾個方面：

第一方面，本申請實施例提供了一種靜脈識別模型的訓練方法，所述訓練方法包括：

獲取訓練圖像集；其中，所述訓練圖像集中包括多個類型的訓練圖像子集；且所述訓練圖像集中的每個訓練圖像中包含靜脈信息的標簽；所述標簽用于表征每個所述訓練圖像中靜脈信息對應的真實身份類型；

將任一類型的訓練圖像子集中的任一第一訓練圖像輸入靜脈特征預測分類器，確定第一訓練圖像對應的第一高維靜脈特征以及所述第一訓練圖像中標簽的預測分布，并根據所述預測分布確定對應的初始身份類型概率；

將其他類型的多個訓練圖像子集中的任一第二訓練圖像輸入靜脈特征提取模型，獲取多個第二高維靜脈特征；

將所述第一高維靜脈特征與多個所述第二高維靜脈特征輸入圖神經網絡，確定所述第一訓練圖像中標簽的第一分布；

根據所述標簽的第一分布與所述第一訓練圖像的標簽，確定所述第一訓練圖像中標簽的目標分布，并基于所述標簽的目標分布以及所述標簽的預測分布，確定靜脈識別模型。

在一種可能的實施方式中，通過以下方式根據所述標簽的第一分布與所述第一訓練圖像的標簽，確定所述第一訓練圖像中標簽的目標分布：

將標簽的第一分布與第一訓練圖像的標簽進行加權融合，確定所述第一訓練圖像中標簽的目標分布。

在一種可能的實施方式中，通過以下方式獲取訓練圖像集：

獲取初始訓練圖像集；

針對所述初始訓練圖像集中的每個初始訓練圖像進行二值化和邊緣化處理，確定每個所述初始訓練圖像對應的感興趣圖像；