[发明专利]一种基于个性化卷积神经网络的手指静脉识别方法及系统

权利要求书

1.一种基于个性化卷积神经网络的手指静脉识别方法，其特征在于,包括如下步骤：

1)训练部分：

1a)首先，获取正类样本，正类样本指的是特定场景中被关注重要用户的手指静脉图像；

1b)然后，根据应用场景，引入用户的个性化信息生成中心，以对每个正类样本赋予不同的权重，区分用户的重要程度；

1c)再次，收集手指静脉图像的样本，取其中一个样本与个性化信息生成中心的样本进行人工比对，构成一个样本对并进行训练，使得所收集手指静脉图像的样本与个性化信息生成中心的样本为同类时输出1，不同类时输出-1；手指静脉图像的样本可以是正类样本、负类样本，负类样本指的是特定场景中不被关注用户的手指静脉图像；

1d)最后，在卷积神经网络中引入用户的个性化权重，输入样本对进行训练，构建个性化的卷积神经网络；

2)识别部分：

2a)将待验证的手指静脉图像与个性化信息生成中心的正类样本构成样本对；

2b)将样本对输入个性化的卷积神经网络，输出1是通过验证，输入-1时不能通过验证。

2.根据权利要求1所述的一种基于个性化卷积神经网络的手指静脉识别方法，其特征在于，在个性化信息生成中心，每个正类样本具有不同的权重，引入公式(1)：

在公式(1)中，N是正类样本的个数，R_i是第i个用户的权重，衡量第i个用户身份的重要性，U_i第i个用户的数据，T表示N个正类样本个性化加权后的总和。

3.根据权利要求2所述的一种基于个性化卷积神经网络的手指静脉识别，其特征在于，在卷积神经网络中引入用户的个性化权重时，需要建立损失函数，如公式(2)所示：

s.t L_i＝wz_i+b

s.t z_i＝x_i-T

在公式(2)中，C₁是把重要用户错分为一般用户的损失权重，C₂是把一般用户错分为重要用户的损失权重；Q_i是第i个样本的类别指示函数；如果第i个样本是重要用户，Q_i＝1；反之，Q_i＝-1；L_i表示第i个样本的预测类别结果；w是训练部分的权重，b是训练部分的偏置；z_i是输入的样本对,通过样本x_i与产生的正类中心T进行判断，如果这两个样本是相似的，则标记为1。

4.根据权利要求3所述的一种基于个性化卷积神经网络的手指静脉识别，其特征在于，对损失函数即公式(2)进行优化，优化过程中，按照以下算法求得损失权重C₁和C₂，以及参数w和b：

步骤一，固定C₁和C₂两个变量。给两个变量赋初值，使得C₁>>C₂；

步骤二，将C₁和C₂代入公式(2)，使用随机梯度下降法求得模型的参数w和b；

步骤三，然后再将求得的w和b，带入公式(2)，通过令C₁和C₂的偏导等于0，求得C₁和C₂的值；

步骤四，重复步骤步骤二和步骤三，直到达到收敛条件。