[发明专利]一种基于深度学习和Wasserstein距离度量的指静脉识别方法

权利要求书

1.一种基于深度学习和Wasserstein距离度量的指静脉识别方法，其特征在于所述指静脉识别步骤如下：

S1、连接指静脉的红外采集设备，进行图像采集；

S2、通过高斯滤波，中值滤波对图像进行去噪操作；

S3、利用拉伸的Sobel算子对预处理后的图像进行边缘检测，得到感兴趣区域；

S4、使用Resnet卷积神经网络提取处理后的ROI图像的特征编码；

S5、采用Wasserstein距离度量的相似度作为最后检索识别的结果。

2.根据权利要求1所述的一种基于深度学习和Wasserstein距离度量的指静脉识别方法，其特征在于：所述的步骤S1包括：

S11、通过USB数据线连接PC机与指静脉的红外采集设备，扫描并连通PC机和指静脉采集设备；

S12、指静脉红外采集设备采集手指静脉的近红外图像，将指静脉图像保存成本地图像；

S13、指静脉图像中，记手指指尖的方向为x轴正方向，指关节方向为y轴方向。

3.根据权利要求1所述的一种基于深度学习和Wasserstein距离度量的指静脉识别方法，其特征在于：所述步骤S2包括：

S21、利用对比度受限的自适应直方图均衡化对指静脉图像进行初步的图像增强，增加静脉与背景的对比度；

S22、利用高斯滤波和中值滤波对增强后的图像进行滤波减少噪声对图像的影响。

4.根据权利要求1所述的一种基于深度学习和Wasserstein距离度量的指静脉识别方法，其特征在于：所述步骤S3包括：

S31、通过拉伸的Sobel算子检测预处理后的指静脉图像中手指的轮廓边缘点得到边缘图，根据上下边缘点求平均值得到指静脉图像的中线，然后利用最小二乘法对中线进行直线拟合，得到手指的中线；

S32、计算S31中所述的中线与x轴正方向之间的夹角，记为手指偏转的角度α，将图像旋转α度矫正图像至水平得到矫正后的指静脉图像；

S33、矫正时，将S31步骤得到的边缘图和原图一起旋转矫正，根据矫正后的边缘图，去除上下边缘线以外的图像，只截取保留两条边缘线中间的手指图像区域；

S34、原图像经过矫正后，原图像左右两端使用数据0填充，为了防止填充数据的干扰，将原图像的左右两端各截掉3个像素，得到经过预处理的ROI区域。

5.根据权利要求1所述的一种基于深度学习和Wasserstein距离度量的指静脉识别方法，其特征在于：所述步骤S4包括：

S41、Resnet卷积神经网络并不是直接拟合目标函数而是拟合残差函数，假设Resnet卷积神经网络的输入为x，目标函数为Y(x)，残差函数为F(x)，则F(x)＝Y(x)-x即为Resnet卷积神经网络需要拟合的函数，网络在学习中F(x)＝0就能够使Y(x)＝x，因此，网络训练的目标就是使残差函数F(x)逼近0，这样即使网络层数加深，准确率也不会变；每两个卷积核构成一个残差block，利用4个上述残差block构成卷积神经网络架构，前面连接一个7×7的卷积层和一个3×3的池化层，用来提取低维的特征，最后使用全连接层聚合卷积提取的局部特征，全连接层采用64维，作为最后的特征编码；

S42、训练Resnet卷积神经网络模型时，对训练集图像进行水平、垂直翻转，图像归一化来扩充和增强数据集；对于Resnet卷积神经网络，采用经过ImageNet数据集预训练过的权重来初始化网络，让网络更快的收敛；并设置初始学习率为0.00001，学习率的值随训练次数成指数下降，设置batch size大小为32，当损失降到0.001时，停止训练网络模型，最后将训练好的模型保存为.pth文件；

S43、加载Resnet卷积神经网络，读取训练好的参数文件，即.pth文件，参数文件包括各个网络层的权重值，将权重值导入Resnet卷积神经网络，再将S3步骤得到的经过预处理的ROI图像输入已经加载完了的Resnet卷积神经模型，输出图像的特征编码。

6.根据权利要求1所述的一种基于深度学习和Wasserstein距离度量的指静脉识别方法，其特征在于：所述步骤S5包括：

S51、在注册阶段，通过步骤S1采集指静脉图像，并进一步用步骤S2、S3、S4提取图像的特征编码G_w(x)，G_w(x)是一个具有64维的特征向量，将这个特征编码录入数据库完成注册；

S52、在识别阶段，通过步骤S1、S2、S3、S4提取指静脉图像的特征编码G_w(x)'，并在数据库中已注册的特征编码{G_w(x)}中进行一一匹配，计算G_w(x)'与G_w(x)的Wasserstein距离，使用Sinkhorn迭代求解Wasserstein距离；设置Sinkhorn正则化系数为0.1，迭代次数为100；

S53、根据S52求得的Wasserstein解，跟设定的阈值进行比较，超过这个阈值，就认为这是同一个人的手指静脉，相反则认为不是同一个人的。