[发明专利]一种掌静脉检测模型建模方法、掌静脉检测方法及装置

说明书

本申请提供了一种掌静脉检测模型建模方法、掌静脉检测方法及装置，其中建模方法包括：获取掌静脉训练图像；将掌静脉训练图像输入至掌静脉检测初始模型，对掌静脉检测初始模型进行模型训练，其中，掌静脉检测初始模型中包括：HOA算法模块；基于掌静脉检测初始模型输出的预测值和预置的标签值的误差，对掌静脉检测初始模型进行收敛优化，得到掌静脉检测模型。本申请通过采用包含HOA算法模块的神经网络模型，在原模型结构上引入HOA模块。通过HOA算法模块的抑制深度网络偏颇学习行为，增强深度特征的注意力丰富性，使训练出来的模型具有更强的辨别能力，从而提高防伪准确率，解决了现有的活体检测模型防伪识别性能差的技术问题。

技术领域

本申请涉及掌静脉识别技术领域，尤其涉及一种掌静脉检测模型建模方法、掌静脉检测方法及装置。

背景技术

手掌静脉识别是一种利用人体手掌部静脉血管的分布信息进行个人身份鉴别的生物特征识别技术。掌静脉位于皮肤表皮下，具有活体有效性，且人手平时处于半握拳状态，掌静脉信息不容易被窃取，具有较高的安全性；同时，掌静脉又包含丰富的个人信息，具有较高的身份辨别能力，常用于公共安全、商业金融等对安全级别要求较高的场合。

现有的掌静脉检测模型通常是采用由单一神经网络训练出来的检测模型进行掌静脉的活体检测，因为单一神经网络训练的检测模型结构相对简单，导致了现有的活体检测模型防伪识别性能差的技术问题。

发明内容

本申请提供了一种掌静脉检测模型建模方法、掌静脉检测方法及装置，用于解决现有的活体检测模型防伪识别性能差的技术问题。

有鉴于此，本申请第一方面提供了一种掌静脉检测模型建模方法，包括：

获取掌静脉训练图像；

将所述掌静脉训练图像输入至掌静脉检测初始模型，对所述掌静脉检测初始模型进行模型训练，其中，所述掌静脉检测初始模型中包括：HOA算法模块；

基于所述掌静脉检测初始模型输出的预测值和预置的标签值的误差，对所述掌静脉检测初始模型进行收敛优化，得到掌静脉检测模型。

可选地，所述基于所述掌静脉检测初始模型输出的预测值和预置的标签值的误差，对所述掌静脉检测初始模型进行收敛优化，得到掌静脉检测模型具体包括：

基于所述掌静脉检测初始模型输出的预测值和预置的标签值的误差，对所述掌静脉检测初始模型的模型权值进行更新，直至所述掌静脉检测初始模型输出的预测值和所述标签值的误差达到最小，得到掌静脉检测模型。

可选地，所述HOA算法模块具体为一阶HOA算法模块或多阶HOA算法模块。

本申请第二方面提供了一种掌静脉检测方法，包括：

获取掌静脉样本图像；

将所述掌静脉样本图像输入至掌静脉检测模型，使得所述掌静脉检测模型对所述掌静脉样本图像进行检测，并输出检测结果；

其中，所述掌静脉检测模型为通过如本申请第一方面所述的掌静脉检测模型建模方法得到的模型。

可选地，所述将所述掌静脉样本图像输入至掌静脉检测模型，使得所述掌静脉检测模型对所述掌静脉样本图像进行检测，并输出检测结果具体包括：

将所述掌静脉样本图像输入至掌静脉检测模型，使得所述掌静脉检测模型对所述掌静脉样本图像进行检测，若所述掌静脉检测模型输出的预测值大于预置的判定阈值，则输出掌静脉检测结果为真，若否，则输出掌静脉检测结果为假。

本申请第三方面提供了一种掌静脉检测模型建模装置，包括：

训练图像获取单元，用于获取掌静脉训练图像；