[发明专利]一种基于加权元度量学习的开放集掌纹识别系统及方法

说明书

本发明公开了一种基于加权元度量学习的开放集掌纹识别系统及方法，通过将边缘计算应用到掌纹识别社区门禁系统中，满足了掌纹识别应用的实时性要求，该社区门禁系统包括边缘服务器和若干个分布在社区入口处的掌纹识别门禁终端；目前掌纹识别方法主要集中在封闭场景中，本发明还提出了一种新颖的基于权重的元度量学习方法用于非接触式开放集掌纹识别，在训练过程中仅采用已知的类别进行一次性地训练网络模型，使得模型具有良好的泛化能力，可以直接应用于识别训练集没出现过的类别，无需重新更新和训练识别模型，提高识别系统的鲁棒性和便利性；本发明的掌纹识别过程均为非接触式操作，避免了使用过程中的卫生安全问题。

技术领域

本发明属于社区门禁技术领域，涉及一种基于加权元度量学习的开放集掌纹识别系统及方法。

背景技术

随着城市化的发展，人们以社区为基本单位生活，出于对安全的考虑，对于日常进出社区的人员需要进行身份验证。现有的社区门禁大多采用IC卡、密码等验证方式来对进出人员的身份信息进行验证。但是由于IC卡易于丢失且无法与人员信息固定匹配，而门禁密码存在容易忘记、泄露等问题。非本社区人员有可能通过盗刷IC卡、盗取门禁密码等方式进入社区，对社区安全防卫工作形成了巨大挑战。

目前，有些智能门禁利用人脸进行生物信息识别验证，但是在对卫生安全有特殊要求的情况下，进出社区人员往往佩戴口罩，面部信息被遮挡，而且人脸易受光线、表情以及化妆等行为的影响，这些行为会对人脸识别结果有所影响；另外，人脸直接暴露在环境中，很容易被非法获取，利用人脸识别进行身份验证存在较高风险。

在面对重大卫生安全挑战的时候，对于进入社区的人员进行身份信息进行验证非常必要，而且需要通过对进出社区人员的体温进行测量以确认其健康状态，而传统的身份信息验证方式一般都直接暴露在外界环境中，采用传统的身份信息验证以及体温测量方式存在病毒感染、病毒在使用人员之间交叉传播等巨大的卫生安全隐患。

掌纹识别具有准确度高、纹理丰富、辨识度高等特点，采用非接触式掌纹识别作为身份信息验证方式，可以提高门禁系统安全性，并且可以解决公共环境中身份信息认证带来的安全卫生挑战。但是，大多数掌纹识别算法都集中在封闭式场景中，模型在训练过程中可以看到数据集包含的所有类别，当新用户需要加入系统时，它必须花费大量时间来更新模型。

传统的生物信息识别技术装置以1:N的方式进行运算，运算方式为将采集的当前待检数据与已录入系统的有效数据(已注册数据)进行比对。随着注册数据的增多，生物信息识别系统所需的对比、运算时间就呈几何级数的增长。在小范围场景中，如家庭用户情景，注册使用者数量一般不会超过50人，传统运算模式不会有太明显的弊端；但是换作中等范围或以上的商业应用场合时，如社区管理、大型工厂、企业、学校等大型用户数量情景，传统运算模式的弊端就会特别明显，即出现系统识别时间长、响应速度慢等，从而导致掌纹识别门禁通行效率差。

传统的掌纹识别门禁多为单机版本，掌纹识别系统包含的所有流程以及计算均在掌纹识别门禁终端进行，对掌纹识别门禁终端的计算以及储存能力要求较高，但是由于生产成本的限制，掌纹识别门禁终端的计算能力往往不能满足要求，导致掌纹识别门禁识别过程耗时过长，响应速度慢，不能满足门禁系统低时延的要求。

发明内容

本发明的目的在于解决现有技术中的问题，提供一种基于加权元度量学习的开放集掌纹识别系统及方法

为达到上述目的，本发明采用以下技术方案予以实现：

一种基于加权元度量学习的开放集掌纹识别方法，包括以下步骤：

当检测到待验证身份信息人员的人体信息时，进行掌纹图像采集，否则继续监测人体信息；

采集待验证身份信息人员的掌纹图像，并将获取到的掌纹图像传输至边缘服务器；

边缘服务器对接收到的掌纹图像进行处理，并对处理后的掌纹图像通过基于权重的元度量学习方法进行识别匹配，然后反馈识别匹配结果。