[发明专利]快速提取掌纹感兴趣区域的方法有效
申请号: | 201610025715.1 | 申请日: | 2016-01-14 |
公开(公告)号: | CN105701513B | 公开(公告)日: | 2019-06-07 |
发明(设计)人: | 郭振华;鲍鲜杰;张林 | 申请(专利权)人: | 深圳市未来媒体技术研究院;清华大学深圳研究生院 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06K9/32;G06K9/00 |
代理公司: | 深圳新创友知识产权代理有限公司 44223 | 代理人: | 江耀纯 |
地址: | 518000 广东省深圳*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 快速 提取 掌纹 感兴趣 区域 方法 | ||
1.一种快速定位掌纹感兴趣区域的方法,其特征在于包含以下步骤:先将高分辨掌纹图像降分辨获取低分辨掌纹图像,在低分辨掌纹图像中标记用于训练样本的指间谷点,训练用于检测低分辨掌纹指间谷点的卷积神经网络,然后基于卷积神经网络提取低分辨掌纹指间关键点,并据此在高分辨掌纹中获取以关键点为中心的子图,针对子图快速提取指间精准谷点,根据指间精准谷点定位掌纹感兴趣区域。
2.根据权利要求1所述的快速定位掌纹感兴趣区域的方法,其特征在于:训练用于检测低分辨掌纹指间谷点的卷积神经网络的方法包括如步骤:建立包含多卷积层、池化层、丢弃层和全连接层的用于掌纹指间谷点提取的卷积神经网络。
3.根据权利要求2所述的快速定位掌纹感兴趣区域的方法,其特征在于:训练用于检测低分辨掌纹指间谷点的卷积神经网络的方法还包括如下步骤:通过扩充数据集、更新学习率、适度增加迭代次数和使用丢弃技巧这四种方式逐步优化卷积神经网络以提升网络性能;
所述扩充数据集通过在图像批次化输入过程中对每一批输入的掌纹图像以一定概率水平翻转来增大数据集;所述更新学习率,在每一批次训练完成后线性减小学习率以提高网络训练速度;所述适度增加迭代次数和使用丢弃技巧,基于以上两步优化效果进一步提升网络性能。
4.根据权利要求1所述的快速定位掌纹感兴趣区域的方法,其特征在于:提取低分辨掌纹指间关键点并据此在高分辨掌纹中获取以关键点为中心的子图的方法包括如下步骤:使用卷积神经网络快速提取低分辨掌纹的指间谷点,然后基于高低分辨掌纹图像间的换算关系,建立低分辨掌纹关键点与高分辨掌纹像素块间的坐标变换方程。
5.根据权利要求4所述的快速定位掌纹感兴趣区域的方法,其特征在于:提取低分辨掌纹指间关键点并据此在高分辨掌纹中获取以关键点为中心的子图的方法还包括如下步骤:通过映射在高分辨掌纹获取对应像素块后,以它为中心提取包含高分辨掌纹谷点的子图。
6.根据权利要求1所述的快速定位掌纹感兴趣区域的方法,其特征在于:针对子图精确提取指间谷点的方法包括如下步骤:通过局部区域搜索来提高定位速度确保搜索效果,在子图中分别使用局部切线法或卷积神经网络提取法来快速准确定位指间谷点。
7.根据权利要求1所述的快速定位掌纹感兴趣区域的方法,其特征在于:根据精确谷点定位掌纹感兴趣区域的方法包括如下步骤:依据掌纹三个谷点相邻点间距离大小选择其中两点建立坐标系并微调掌纹感兴趣区域的大小。
8.根据权利要求6所述的快速定位掌纹感兴趣区域的方法,其特征在于:在局部切线法中,切线以关键点同掌纹底部中心点连线的垂直方向为初始方向在子图内逼近寻找指间谷点,微调斜率以寻找多个潜在点,聚类筛排这些潜在点以得到精确谷点。
9.根据权利要求6所述的快速定位掌纹感兴趣区域的方法,其特征在于:在卷积神经网络提取法中,根据较为简单的子图对网络结构进行调整:减小输入层和全连接层维度,增加丢弃层丢弃概率。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市未来媒体技术研究院;清华大学深圳研究生院,未经深圳市未来媒体技术研究院;清华大学深圳研究生院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201610025715.1/1.html,转载请声明来源钻瓜专利网。