[发明专利]一种基于多尺度HOG和SVM的手指静脉识别方法

摘要

本发明涉及指静脉识别技术领域，具体涉及一种基于多尺度HOG和SVM的手指静脉识别方法，包括如下步骤：采集多个人的多幅原始手指静脉图像并将其划分为训练集和测试集；对训练集和测试集中的所有图像依次分别进行感兴趣区域提取、预处理、及图像增强处理以获取手指静脉纹路信息，然后对纹路信息提取多尺度HOG特征，其次将从训练集图像提取到的多尺度HOG特征送至SVM多类分类器进行训练得到一个训练好的SVM多类分类器，最后再将从测试集图像提取到的多尺度HOG特征送至已训练好的SVM多类分类器进行识别，以得出匹配结果。本发明一种基于多尺度HOG和SVM的手指静脉识别方法，将基于纹路的手指静脉识别方法与基于非纹路的手指静脉识别方法结合起来，以对手指静脉进行精确的特征表达，识别精度高、鲁棒性强。

主权项

1.一种基于多尺度HOG和SVM的手指静脉识别方法，用于识别待定的原始手指静脉图像属于哪个人，其特征在于，包括如下步骤：S1.获取训练集和测试集：分别采集多个人的多幅原始手指静脉图像，将每个人的一部分幅原始手指静脉图像作为训练集，每个人的另一部分幅原始手指静脉图像作为测试集，其中测试集中的每幅原始手指静脉图像即为待定的原始手指静脉图像；S2.多尺度HOG特征提取阶段，包括如下步骤：S21.对训练集和测试集中的所有图像分别进行感兴趣区域提取，并对感兴趣区域进行预处理，以减弱背景信息得到预处理后的图像集F1及F2，其中感兴趣区域为包含手指静脉信息的图像；S22.对经过预处理后的图像集F1及F2中的每幅图像分别进行图像增强处理得到增强后的图像集P1及P2；S23.对图像集P1及P2中的每幅图像分别进行相同的多种尺度变换处理，分别对每种尺度变换后的图像提取HOG特征，并将与每幅图像对应的HOG特征串联起来得到该图像相应的特征向量X；将与图像集P1及P2中图像对应的所有特征向量X分别集合起来作为训练特征向量集Y1及测试特征向量集Y2；S3.训练阶段：将训练特征向量集Y1输入SVM多类分类器中进行训练以得到训练好的SVM多类分类器；S4测试阶段：将测试特征向量集Y2输入已训练好的SVM多类分类器中进行识别，得出匹配结果。