【技术实现步骤摘要】
本专利技术属于生物特征识别领域，具体是涉及基于改进自动编码网络的指静脉识别方法。
技术介绍
1、指静脉识别技术是一种新兴的生物识别技术，由于活体识别、非接触性、不易受体外因素干扰等优点，得到了学术界和工业界的广泛关注。在指静脉识别系统中，识别过程一般包括四个步骤：图像采集、预处理、特征提取、图像对比与匹配；其中，特征提取的任务是从原始指静脉图片中抽取与识别任务相关的关键信息，以便后续的识别算法可以更好地区分不同个体之间的差异。特征提取技术一般可分为两类：基于传统方法的特征提取和基于深度学习的特征提取。传统方法包括gabor滤波器、重复线追踪、局部二进制模式(localbinary patterns，lbp)、主成分分析(principal component analysis，pca)、线性判别分析(linear discriminantanalysis，lda)等。近年来，研究人员开始将深度学习技术，如dcnn(dynamic convolution neural network)、vgg(visual geometry group network)、agcnn(attention-based graph convolution network)等，与指静脉识别技术相结合。深度学习技术能够利用其非线性映射的特点表示图像的深层特征，因此取得了比传统方法更好的效果。但是研究也发现，由于手指图像存在手指位移、旋转和图像质量差等问题，一些神经网络无法准确地判断和提取特征，导致准确率受限。
2、随着指静脉识别技术的应用，识别
技术实现思路
1、为解决上述技术问题，本专利技术提供了基于改进自动编码网络的指静脉识别方法，基于改进的自动编码网络，能从未标记数据中无监督地学习结构与特征，提高了识别准确率；采用适用于实值特征的实值纠错码(error correcting code，ecc)来保护模板，可以在提升安全性的同时，避免了细节信息的损失，进而提高了识别系统的灵敏度和准确性。
2、本专利技术所述的基于改进自动编码网络的指静脉识别方法，包括以下步骤：
3、步骤1、用户注册阶段，具体包括：
4、步骤1-1、批量采集指静脉图片并进行像素归一化处理，对图片进行数据增强后，将所有图片保存为数据集；
5、步骤1-2、构建自动编码网络，并进行训练，得到训练好的自动编码网络；
6、步骤1-3、输入指静脉图片，获取指静脉特征，并采用实值纠错码进行特征加密，生成相应的加密模板，并存入系统数据库，用户注册完成；
7、步骤2、验证匹配阶段，具体包括：
8、步骤2-1、将请求指静脉图片进行像素归一化处理后，输入用户注册阶段训练好的自动编码网络，得到输入请求指静脉特征t'；
9、步骤2-2、将请求指静脉特征和注册指静脉特征利用验证算法进行验证匹配，如果全部不匹配则失败，输出拒绝；如果匹配成功则停止比对，输出接受。
10、进一步的，步骤1-1中，对每张指静脉图片进行归一化处理，将图片的像素值缩放到[0,1]区间范围内，归一化计算方式如式(1)所示：
11、x′＝(x-min(x))/(max(x)-min(x)) (1)
12、其中，x′为归一化后的像素，x为原始像素，min函数表示取数据中的最小值，max函数表示取数据中的最大值。
13、进一步的，步骤1-1中，对数据集中的图片进行数据增强，每张图片随机选择应用下述的其中的一种或一种以上变换，并将调整后的指静脉图片放入数据集中；
14、(1)旋转变换：使图片在[0°,7°]范围内进行随机的角度旋转；
15、(2)水平位置变换：使图片在[0,0.025×图片长度]范围内进行随机的水平方向平移；
16、(3)垂直位置变换：使图片在[0,0.025×图片高度]范围内进行随机的垂直方向平移；
17、(4)放缩变换：将图片在长或宽的方向，进行随机的放大或缩小变换，缩放参数在[0.95,1.05]区间内。
18、进一步的，构建改进的自动编码网络，包括编码器、嵌入层、解码器和损失函数；
19、所述编码器包括四个卷积层，分别具有16、32、64、128个滤波器，并且在每层中使用3×3的卷积核；在每次卷积运算后，有bn归一化模块和relu激活函数；
20、所述嵌入层包括全连接层和dropout模块，编码器输出的特征经过嵌入层降维被送至解码器；
21、所述解码器包括四个反向卷积层，分别包括128、64、32、16个滤波器，并且在每层中使用3×3的卷积核；前三层反向卷积层中，每次反向卷积运算后，都有bn归一化模块和relu激活函数；在第四层反向卷积层中，反向卷积运算之后是sigmoid激活函数，将像素值限制在0和1之间，还原指静脉图片的维度和特征，得到重本文档来自技高网...
【技术保护点】
1.基于改进自动编码网络的指静脉识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进自动编码网络的指静脉识别方法，其特征在于，步骤1-1中，对每张指静脉图片进行归一化处理，将图片的像素值缩放到[0,1]区间范围内，归一化计算方式如式(1)所示：
3.根据权利要求1所述的基于改进自动编码网络的指静脉识别方法，其特征在于，步骤1-1中，对数据集中的图片进行数据增强，每张图片随机选择应用下述的其中的一种或一种以上变换，并将调整后的指静脉图片放入数据集中；
4.根据权利要求1所述的基于改进自动编码网络的指静脉识别方法，其特征在于，构建改进的自动编码网络，包括编码器、嵌入层、解码器和损失函数；
5.根据权利要求1所述的基于改进自动编码网络的指静脉识别方法，其特征在于，步骤1-3中，对注册用户的指静脉图片进行像素归一化处理，输入训练好的网络得到特征，这些特征集合即为M；针对特征集合M中的每个指静脉特征t，利用保护算法为指静脉分配实值纠错码c，生成相应的加密模板k，并存入系统数据库。
6.根据权利要求5所述的基于改进
7.根据权利要求5所述的基于改进自动编码网络的指静脉识别方法，其特征在于，假设每个指静脉特征长度为n，针对给定的随机正整数α，调用均匀分布算法生成一个实值纠错码c＝(c1,...,ci,...,cn)，1≤i≤n；c是由0、和构成的长度为n的单位向量，且恰好有α个非零项；具体为：
8.根据权利要求7所述的基于改进自动编码网络的指静脉识别方法，其特征在于，利用验证算法将请求指静脉特征和注册指静脉特征进行验证匹配；验证算法算法的输入为待检测特征t'和受保护的模板k＝(r,P)，输出是接受或者拒绝；具体为：
9.根据权利要求8所述的基于改进自动编码网络的指静脉识别方法，其特征在于，调用解码算法，对输入的请求指静脉特征t'和旋转矩阵P，计算并返回对应的实值纠错码c'；具体为：
...【技术特征摘要】
1.基于改进自动编码网络的指静脉识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进自动编码网络的指静脉识别方法，其特征在于，步骤1-1中，对每张指静脉图片进行归一化处理，将图片的像素值缩放到[0,1]区间范围内，归一化计算方式如式(1)所示：
3.根据权利要求1所述的基于改进自动编码网络的指静脉识别方法，其特征在于，步骤1-1中，对数据集中的图片进行数据增强，每张图片随机选择应用下述的其中的一种或一种以上变换，并将调整后的指静脉图片放入数据集中；
4.根据权利要求1所述的基于改进自动编码网络的指静脉识别方法，其特征在于，构建改进的自动编码网络，包括编码器、嵌入层、解码器和损失函数；
5.根据权利要求1所述的基于改进自动编码网络的指静脉识别方法，其特征在于，步骤1-3中，对注册用户的指静脉图片进行像素归一化处理，输入训练好的网络得到特征，这些特征集合即为m；针对特征集合m中的每个指静脉特征t，利用保护算法为指静脉分配实值纠错码c，生...
【专利技术属性】
技术研发人员：郁瑜，孙力娟，郭剑，邹浩然，季洁，韩崇，
申请(专利权)人：南京邮电大学，
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。