[发明专利]基于在线极限学习机的腕部静脉认证系统

摘要

本发明公开了一种基于在线极限学习机的腕部静脉认证系统，包括识别部分和注册部分；所述的识别部分包括读图模块、图像预处理模块、特征提取模块、手腕静脉特征数据库和识别对比模块，注册部分包括图像采集模块、图像预处理模块和特征提取模块；该系统当有新成员注册时，只对新成员的信息训练，不需要将所有成员信息重新训练就能完成对新旧成员的准确识别，在保证识别准确率的前提下大大节省了注册所需时间。另外，该系统人数容量是可以自动添加的，不必担心人过多而造成系统出错。

主权项

一种基于在线极限学习机的腕部静脉认证系统，包括识别部分和注册部分；所述的识别部分包括读图模块、图像预处理模块、特征提取模块、手腕静脉特征数据库和识别对比模块，注册部分包括图像采集模块、图像预处理模块和特征提取模块；图像采集模块，通过手腕静脉采集装置采集手腕静脉红外图像；图像预处理模块，对采集的手腕静脉红外图像截取感兴趣区域后，对该区域采用均值滤波方法进行滤波处理，进行灰度化、归一化，并采用直方图拉伸的方法进行对比度增强处理；特征提取模块，对预处理后的图像进行主成分特征提取、小波特征提取；识别对比模块，利用在线极限学习机对手腕静脉红外图像进行分类识别，用图像信息的主成分与高频低频特征，与手腕静脉特征数据库进行识别对比；其特征在于：在线极限学习机模型为：给定ELM隐含节点数L及对应的参数初始批次的训练数据H0=g(a1,b1,x1)...g(aL,bL,xL).........g(a1,b1,xN0)...g(aL,bL,xN0)]]>T0=t1T...tN0T]]>隐含节点权值参数矩阵β0可以通过以下公式求解：H0β0＝T0假定则公式H0β0＝T0等价于P0β0＝Q0给定一批新的训练数据隐含节点权值参数矩阵β1可以根据以下公式计算：H0H1β1=T0T1]]>假定则公式等价于P1β1＝Q1；将上述过程推广到第k+1批训练数据可以得到隐含节点权值参数矩阵βk+1可以通过以下公式求解：Pk+1βk+1＝Qk+1其中