[发明专利]指静脉识别与防伪一体化方法、装置、存储介质和设备

权利要求书

1.一种指静脉识别与防伪一体化方法，其特征在于：包括：

获取待识别的指静脉图像；对指静脉图像进行预处理，得到预处理后的指静脉数据；

将所述预处理后的指静脉数据输入至指静脉识别防伪任务卷积神经网络模型，通过所述指静脉识别防伪任务卷积神经网络模型对所述指静脉图像进行识别和防伪处理，得到防伪任务分类概率p和识别任务特征向量v；其中，所述指静脉识别防伪任务卷积神经网络模型为对初始指静脉识别防伪任务卷积神经网络模型进行训练处理得到的模型；

在注册模式下，当指静脉数据的防伪任务分类概率p≤概率阈值s₁，则将静脉数据的识别任务特征向量v输出并保存为注册样本识别任务特征向量；

在识别模式下，通过对静脉数据的防伪任务分类概率p与概率阈值s₁进行比较，以及对静脉数据的识别任务特征向量v与各个注册样本识别任务特征向量的余弦距离与距离阈值s₂进行比较，输出判定结果。

2.根据权利要求1所述的指静脉识别与防伪一体化方法，其特征在于：所述指静脉识别防伪任务卷积神经网络模型包括基础识别网络和防伪分支；所述基础识别网络包括依次连接的两个卷积网络、三个卷积模块和全连接层；所述防伪分支包括依次连接的一个卷积模块和两个全连接层；防伪分支的卷积模块前端插入于基础识别网络的第一个卷积模块之后，从而构建出单输入多输出的指静脉识别防伪任务卷积神经网络模型。

3.根据权利要求2所述的指静脉识别与防伪一体化方法，其特征在于：所述基础识别网络的三个卷积模块均包括依次连接的两个卷积子模块和最大值池化层。

4.根据权利要求3所述的指静脉识别与防伪一体化方法，其特征在于：所述基础识别网络的两个卷积网络中，卷积核大小均为3*3，通道数均为64，步长分别为2和1；

所述基础识别网络的三个卷积模块中，输入通道数分别为64、128和256；三个卷积模块中，前一卷积子模块的卷积核为3*3，后一卷积子模块的卷积核为1*1，卷积子模块的步长均为1，卷积子模块的输入通道数为对应卷积模块的输入通道数，最大值池化层的卷积核为2*2；

所述基础识别网络的全连接层，输出通道数为512；

所述防伪分支的全连接层中，输出通道分别为16和2。

5.根据权利要求2所述的指静脉识别与防伪一体化方法，其特征在于：所述对指静脉图像进行预处理，是指：

在指静脉图像提取手指上下边缘；提取手指上下边缘的垂直中点集合，通过最小二乘法拟合手指中线，从而求出手指与水平方向的倾斜角；然后对指静脉图像旋转，将手指矫正到水平方向；

采用活动窗口求和的方法来获取原始指静脉图像手指轴向方的亮度统计曲线趋势；亮度统计曲线趋势的两个波峰设定为手指的两个指间关节；在两个指间关节之间截取ROI作为预处理后的指静脉数据。