[发明专利]一种基于神经网络学习的手指静脉图像识别方法在审
| 申请号： | 202110935812.5 | 申请日： | 2021-08-16 |
| 公开（公告）号： | CN113469143A | 公开（公告）日： | 2021-10-01 |
| 发明（设计）人： | 周颖玥;王欣宇;李佳阳;雷露露;赵家琦;孙蕾 | 申请（专利权）人： | 西南科技大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/32;G06K9/62;G06N3/08 |
| 代理公司： | 成都方圆聿联专利代理事务所(普通合伙) 51241 | 代理人： | 王悦 |
| 地址： | 621010 四川*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 神经网络 学习 手指 静脉 图像 识别 方法 | ||
1.一种基于神经网络学习的手指静脉图像识别方法，其特征在于，包括以下步骤：
S1：获取及预处理手指静脉图像；
S2：根据S1提取手指静脉图像特征；
S3：根据S2进行特征匹配与识别；
S4：根据S3进行实验并分析结果。
2.根据权利要求1所述的基于神经网络学习的手指静脉图像识别方法，其特征在于，所述S1包括以下子步骤：
S11：提取手指静脉图像的ROI；
S12：根据手指静脉图像的ROI，基于MobileNet-V2网络判断手指静脉图像的质量。
3.根据权利要求1所述的基于神经网络学习的手指静脉图像识别方法，其特征在于，所述S2包括以下子步骤：
S21：基于ResNet-50网络模型提取手指静脉图像特征；
S22：选择损失函数；
S23：根据损失函数进行网络训练；
S24：进入S3。
4.根据权利要求1所述的基于神经网络学习的手指静脉图像识别方法，其特征在于，所述S3包括以下子步骤：
S31：将得到的特征向量与注册库中的特征向量逐一求取余弦相似度；
S32：选取使余弦相似度为最大值的特征向量类别为匹配结果。
5.根据权利要求1所述的基于神经网络学习的手指静脉图像识别方法，其特征在于，所述S4包括以下子步骤：
S41：选择合适的实验环境、实验数据和评价指标；
S42：对手指静脉图像质量判断模块性能测试、对损失函数进行对比试验；
S43：为了验证质量判断算法联合特征提取算法的有效性，进行对比试验；
S44：对系统进行集成与并测试。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西南科技大学，未经西南科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202110935812.5/1.html，转载请声明来源钻瓜专利网。
