[发明专利]一种基于深度学习和Wasserstein距离度量的指静脉识别方法在审
| 申请号： | 201910700986.6 | 申请日： | 2019-07-31 |
| 公开（公告）号： | CN110555382A | 公开（公告）日： | 2019-12-10 |
| 发明（设计）人： | 张娜;涂小妹;包晓安;徐璐 | 申请（专利权）人： | 浙江理工大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/40;G06K9/46;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 33200 杭州求是专利事务所有限公司 | 代理人： | 郑海峰 |
| 地址： | 310018 浙江省杭*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习和Wasserstein距离度量的指静脉识别方法，使用双侧红外照射采集指静脉图像；对图像进行预处理；使用拉伸的Sobel算子进行边缘检测、根据边缘求出手指的中线、最小二乘法线性拟合图像中线以及仿射变换进行方向矫正；基于矫正后的边缘，进行感兴趣区域(ROI)提取；采用训练好的Resnet卷积神经网络对ROI图像进行提取特征，将提取的特征编码作为待注册/识别的指静脉特征；利用公开数据集和采集的数据集构建指静脉图像数据库，将待识别的特征编码采用能保留空间特征的Wasserstein距离度量在指静脉数据库中进行一一检索识别。在本发明实施例中，深度学习可以获得更有表征能力的特征编码，并且Wasserstein距离度量匹配识别效率更快，更准确。 | ||
| 搜索关键词： | 距离度量 特征编码 静脉图像 数据集 静脉 数据库 最小二乘法线性拟合 预处理 采集 图像 卷积神经网络 感兴趣区域 保留空间 边缘检测 表征能力 方向矫正 仿射变换 红外照射 静脉识别 匹配识别 提取特征 构建 拉伸 矫正 检索 学习 | ||
【主权项】：
1.一种基于深度学习和Wasserstein距离度量的指静脉识别方法，其特征在于所述指静脉识别步骤如下：/nS1、连接指静脉的红外采集设备，进行图像采集；/nS2、通过高斯滤波，中值滤波对图像进行去噪操作；/nS3、利用拉伸的Sobel算子对预处理后的图像进行边缘检测，得到感兴趣区域；/nS4、使用Resnet卷积神经网络提取处理后的ROI图像的特征编码；/nS5、采用Wasserstein距离度量的相似度作为最后检索识别的结果。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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浙江理工大学，未经浙江理工大学许可，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/patent/201910700986.6/，转载请声明来源钻瓜专利网。
