【技术实现步骤摘要】
基于改进UNet的手背或手掌静脉图像关键点与ROI定位方法
[0001]本专利技术涉及手背或手掌静脉识别
,具体为基于改进UNet的手背或手掌静脉图像关键点与ROI定位方法。
技术介绍
[0002]随着安防系统和互联网经济的快速发展,个人身份验证已成为安全目的必不可少的技术。现有的方法如密码、指纹、人脸、掌纹等生物识别系统都有局限性。静脉图案从众多内在生物特征中脱颖而出,用于开发可以消除其他现有系统限制的识别系统。面部识别是识别个人的一种流行方法,但它也有一些局限性。脸部可能会被头发、眼镜、口罩等遮挡,这会降低系统的识别准确性。而指纹和掌纹,由于手上无法保持时刻干净,在污迹的遮挡下可能看不到静脉图案;还有一部分劳动者工作环境恶劣造成指纹和掌纹发生磨损变化,与最初的注册图像有明显区别导致无法识别或者错识。而且在疫情时期,人脸识别需要摘下口罩,指纹和掌纹需要与设备接触,这些情况都会增大感染病毒的几率。静脉结构是存在于皮肤下的血管结构,很难损坏或复制这种结构。静脉技术的优势在于它只能从活着的人那里获得,图案不随时间变化。因此,静脉图案可提供更准确的结果以及更高的安全性。事实证明,每个人的静脉网络都是不同的,双胞胎也不相似。因此,所提出的系统是非接触式的、低成本且比其他流行的生物特征识别系统更安全。
[0003]近年来,手背静脉(DHV)识别作为一项新兴的生物识别技术备受关注。众所周知,DHV识别属于基于手部的生物识别家族。DHV识别是一种利用手背皮下静脉网络自动分析来进行人员身份验证的技术。感兴趣区域(ROI ...
【技术保护点】
【技术特征摘要】
1.基于改进UNet的手背或手掌静脉图像关键点与ROI定位方法,其特征在于,包括以下步骤:S1:实验系统机采集现场设置;S2:自建数据集;采用近红外成像技术获取手背或手掌静脉图像;用近红外光源照射受试者的左右手表面,镜头底部带有850nm滤光片,以防止可见光进入相机,封装的外壳可选择加850nm滤光片,整个实验过程中采集系统的电流供应保持不变,手背或手掌静脉图像的采集地为华南农业大学,研究人员对受试者手的角度、距离和拍摄背景都没有限制,对每个人张开的左右手分别拍摄5张图片,图片大小为1920像素
×
1080像素,由此创建220个人共2200张无约束手背或手掌静脉图像数据集,数据集有干净背景、背景干扰、遮挡不全和佩戴戒指的情况;静脉图像采集装置红外摄像头向上平放在桌面,手背或手掌面与采集装置平行,在平行面内朝向任意角度均可,停留在镜头上方10
‑
15cm,数据集共采集222人,每人右手各拍10张图片,共2220张手背或手掌静脉图片;S3:建立UNet模型;S4:建立残差模块;通过对网络加深,网络能提取到的特征信息更加丰富,网络的性能也会得到提升;但研究表眀,随着网络层数的加深,会出现梯度爆炸和梯度消失的问题导致网络退化,针对网络层数加深导致网络训练时出现的梯度爆炸和梯度消失的问题,何凯明等人提出了残差模块来解决网络退化的问题,分为两条路径,第一条路径是输入x经过至少两层卷积和Relu激活函数输出为残差F(x),第二条路径是原始输入x跳过卷积直接与第一条路径的输出F(x)相加,也称为短路连接,残差模块的最后输出为H(x)=F(x)+x,当残差F(x)为0时,此时残差模块仅仅是做了恒等映射,其网络性能不会下降,但实际上残差F(x)不会为0,这也会使得残差模块在输入特征基础上学习到新的特征,从而使网络拥有更好的性能;残差模块分为常规残差模块和瓶颈残差模块两种,瓶颈结构指的是通道数的变化,即原通道数减少再增大,实现通道数减少和增大,从而将输入x降低维度输入到3
×
3的卷积层进行卷积运算,提高计算效率;S5:用于手背或手掌静脉图像关键点定位的改进UNET模型;S6:利用ROI计算方法去计算感兴趣区域的提取;S7:对模型进行评估。2.根据权利要求1所述的基于改进UNet的手背或手掌静脉图像关键点与ROI定位方法,其特征在于:所述S6中,感兴趣区域的提取具体包括以下步骤:S601:从拇指到小指方向的四个指蹼的关键点顺序为0、1、2、3;S602:以关键点1和3为端点做线段L13,长度为l13;S603:以线段13的中点4做长度为l13/3的中垂线L45;S604:以点5为中心做的L45垂线L67,长度为l13;S605:以线段L67为边做正方形6789;S606:提取正方形6789的感兴趣区域图像,并用线性插值将感兴趣区域图像大小调整为256
×
256像素。
3.根据权利要求1所述的基于改进UNet的手背或手掌静脉图像关键点与ROI定位方法,其特征在于:所述S7中,其模型评估标准计算公示如下:其特征在于:所述S7中,其模型评估标准计算公示如下:其特征在于:所述S7中,其模型评估标准计算公示如下:4.根据权利要求3所述的基于改进UNet的手背或手掌静脉图像关键点与ROI定位方法,其特征在于:所述(1)为计算预测坐标(x1,y1)与标签坐标(x2,y2)的欧氏距离;所述(2)为距离小于40个像素视为预测正确记为1,否则记为0,40个像素是一个可调节的阈值,在实际应用中,需根据图片的分辨率进行调整;所述(3)计算预测正确的点占全部点的比例即为准确率。5.根据权利要求1所述的基于改进UNet的手背或手掌静脉图像关键点与ROI定位方法,其特征在于:所述S5中,改进UNet网络模型包括:S501:残差模块实现下采样;S502:双线性插值实现上采样;S503:JS散度损失函数;S504:Soft...
【专利技术属性】
技术研发人员:邹向群,张荣文,代芬,王紫阳,
申请(专利权)人:广州方向智能科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。