[發明專利]基于輕量級網絡及深度哈希的指靜脈識別方法

在審

• 申請號: 202210695658.3
• 申請日: 2022-06-20
• 公開（公告）號: CN115063845A
• 公開（公告）日: 2022-09-16
• 發明（設計）人: 田聯房;鐘明通;杜啟亮
• 申請（專利權）人: 華南理工大學
• 主分類號: G06V40/14
• 分類號: G06V40/14;G06V10/25;G06V10/44;G06V10/764;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 馮炳輝

1.基于輕量級網絡及深度哈希的指靜脈識別方法，其特征在于，包括以下步驟：

1)獲取數據庫中指靜脈圖像的ROI區域，進行標準化操作，得到訓練數據；

2)構造block結構，利用block結構搭建輕量級指靜脈的特征提取網絡，該網絡有3個block結構，通過對3個block輸出特征圖進行復用，再經過全局最大池化得到指靜脈特征向量；

3)構造深度哈希網絡，對步驟2)得到的指靜脈特征向量進行編碼得到哈希編碼向量；

4)為步驟2)中特征提取網絡訓練設計損失函數L_f，包括基于三元組的損失Tripletloss及基于中心的損失Center loss；

5)為步驟3)深度哈希網絡訓練設計基于三元組的量化損失L_q；

6)輸入訓練數據，對步驟2)特征提取網絡及步驟3)深度哈希網絡進行訓練，根據L_f、L_q分別對特征提取網絡及深度哈希網絡進行參數優化更新；

7)將訓練數據輸入到步驟6)訓練好的網絡中，得到訓練數據對應的哈希編碼并保存，得到哈希編碼庫；

8)輸入待識別指靜脈數據到訓練好的網絡，得到哈希編碼向量，并在步驟7)得到的哈希編碼庫中遍歷，采用漢明距離實現快速檢索識別。

2.根據權利要求1所述的基于輕量級網絡及深度哈希的指靜脈識別方法，其特征在于，在步驟1)中，獲取指靜脈圖像的ROI區域及標準化，具體包括：

1.1)使用Sobel算子獲取指靜脈圖像手指兩端邊緣點，根據邊緣點擬合中線對指靜脈圖像進行旋轉矯正，利用手指輪廓的內切線對指靜脈圖像進行分割，利用手指關節進行定位，截取ROI區域圖像；

1.2)對ROI區域圖像進行減去均值，除以方差的標準化操作。

3.根據權利要求1所述的基于輕量級網絡及深度哈希的指靜脈識別方法，其特征在于，在步驟2)中，構建block結構，利用block結構搭建輕量級指靜脈的特征提取網絡，該網絡的3個block結構具體如下：

第一個block具體結構如下：

輸入：預處理后的ROI區域圖像；

第一層：3×3卷積層；

第二層：3×3Group Conv；

第三層：1×1卷積層；

第四層：最大池化層；

輸出：特征圖F₁；

第二個block具體結構如下：

輸入：特征圖F₁；

第一層：3×3卷積層；

第二層：3×3Group Conv；

第三層：1×1卷積層；

第四層：最大池化層；

輸出：特征圖F₂；

第三個block具體結構如下：

輸入：特征圖F₂；

第一層：3×3卷積層；

第二層：3×3Group Conv；

第三層：1×1卷積層；

第四層：最大池化層；

輸出：特征圖F₃；

將特征圖F₁通過兩個最大池化層、特征圖F₂通過一個最大池化層與特征圖F₃以concat形式復用，得到復用特征F_total，將F_total通過全局最大池化層得到下采樣特征F_down，將F_down進行L2范數歸一化處理得到指靜脈特征向量F_L2，L2范數歸一化公式如下：

F_down＝(F_down1,F_down2,...,F_downN)

式中，F_down為N維向量，F_downi為F_down向量的第i維，i＝1,2,3，…,N，||F_down||為F_down每個維度的平方和再開方值。