System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 身份一致性掌静脉图像生成方法及系统技术方案_技高网

身份一致性掌静脉图像生成方法及系统技术方案

技术编号:42904220 阅读:7 留言:0更新日期:2024-09-30 15:20
本申请提供了一种身份一致性掌静脉图像生成方法及系统,所述方法包括步骤:采集数量真实掌静脉图像并进行预处理,得到数量掌静脉样本图像;构造伪手掌轮廓并于每个伪手掌轮廓内随机构造若干伪静脉线条,得到掌静脉模板图像;构造掌静脉图像生成模型,并将掌静脉样本图像与掌静脉模板图像输入至掌静脉图像生成模型进行训练;将掌静脉模板图像输入至训练好的掌静脉图像生成模型,通过随机引入不同的噪声向量z与掌静脉模板图像进行特征融合生成伪掌静脉数据集样本。本申请的方法能够生成大量具备身份一致性且兼顾多样性的伪掌静脉数据集样本。

【技术实现步骤摘要】

本申请属于掌静脉识别,更具体地说,是涉及一种身份一致性掌静脉图像生成方法及系统


技术介绍

1、掌静脉识别技术是利用手掌内部静脉血管的独特性进行身份识别,掌静脉识别技术主要由图像采集、图像预处理、图像特征提取、特征匹配这几部分组成。掌静脉识别技术采用非接触式识别方式,用户只需将手掌放置在识别设备上方即可完成识别,无需与设备直接接触。非接触式的采集方式虽然避免了用户对隐私和卫生的顾虑,但因其需要高度配合和易受环境干扰的特点,短时间大量采集掌静脉图像数据是非常困难的。由于这样的原因,掌静脉数据集在公开场景中十分缺乏和少见,并且收集起来非常昂贵,这也进一步限制了掌静脉识别技术的发展。

2、在现有技术中,基于深度学习的图像生成模型主要以gan网络为主,并且已广泛应用于人脸识别场景,例如人脸图像生成、人脸图像增强和超分辨率、人脸属性编辑、人脸图像风格转换等多个领域。生成对抗网络虽然在人脸识别领域展现了强大的生成能力,但由于掌静脉图像数据比面部图像更为敏感,包含了复杂的纹理和细微的血管结构,由于缺乏大量真实场景的掌静脉数据,目前gan需要学习并精确地再现这些细节是无法做到的,但是这些细节对于身份识别又是至关重要。这就导致若过度拟合训练数据,则生成的样本局限于训练集中的特定模式,只能生成单一身份(id)的掌静脉图像,而不是真正产生新颖的多样化样本,多样化指的是姿态、倾斜角度、不同亮度、清晰度等,若注重泛化能力训练数据,则无法生成单一身份(id)的掌静脉图像。


技术实现思路

1、本申请实施例的目的在于提供一种身份一致性掌静脉图像生成方法及系统,以解决现有技术对掌静脉图像生成过程中存在的不能生成具备身份一致性且兼顾多样性的伪掌静脉数据集样本的技术问题。

2、为实现上述目的,本申请采用的技术方案是:提供一种身份一致性掌静脉图像生成方法,包括步骤:

3、采集数量真实掌静脉图像并进行预处理,得到数量掌静脉样本图像;

4、构造伪手掌轮廓并于每个伪手掌轮廓内随机构造若干伪静脉线条,得到掌静脉模板图像;

5、构造掌静脉图像生成模型,并将掌静脉样本图像与掌静脉模板图像输入至掌静脉图像生成模型进行训练;

6、对掌静脉样本图像进行下采样映射到高斯噪声域获取数量高维的样本特征编码,并建立特征编码损失将样本特征编码约束在从高斯空间域随机采样的噪声向量z;

7、将掌静脉模板图像分别与样本特征编码、噪声向量z进行特征融合对应生成伪掌静脉样本图像b’、伪掌静脉样本图像b”,并建立身份一致性损失约束伪掌静脉样本图像b’与伪掌静脉样本图像b”之间的余弦相似性;

8、将掌静脉模板图像输入至训练好的掌静脉图像生成模型,通过随机引入不同的噪声向量z与掌静脉模板图像进行特征融合生成伪掌静脉数据集样本。

9、在本申请另一个优选实施例中,所述掌静脉图像生成模型包括:

10、编码器f,用于对掌静脉样本图像进行下采样映射到高斯噪声域获取数量高维的样本特征编码;

11、生成器g,用于将掌静脉模板图像分别与样本特征编码、噪声向量z进行特征融合对应生成伪掌静脉样本图像b’、伪掌静脉样本图像b”;以及

12、识别模型d,用于提取伪掌静脉样本图像b’、伪掌静脉样本图像b”的身份特性。

13、在本申请另一个优选实施例中,将掌静脉模板图像与样本特征编码进行特征融合对应生成伪掌静脉样本图像b’的方法,包括步骤:

14、通过生成器g于下采样过程中逐渐降低掌静脉模板图像的空间维度;

15、于每个空间维度将掌静脉模板图像的模板图像特征图与随机的一个样本特征编码都进行特征融合得到低维的融合特征图;

16、通过上采样增加融合特征图的空间维度,生产伪掌静脉样本图像b’。

17、在本申请另一个优选实施例中,在构造掌静脉图像生成模型之前,还包括步骤:

18、构造识别模型d,并采用arcface作为损失函数;

19、在训练阶段,将掌静脉样本图像作为训练集输入至识别模型d,计算arcface损失函数使得不同类别的特征向量之间的角距更大,同类别的特征向量更加紧密;

20、在推理阶段,将掌静脉样本图像输入至训练好的识别模型d,得到掌静脉样本图像的特征向量,通过计算不同掌静脉样本图像的特征向量之间的余弦相似度来确定身份一致性。

21、在本申请另一个优选实施例中,所述特征编码损失的计算公式为:

22、

23、其中lfeature表示特征编码损失,x表示编码器f输出的高维的样本特征编码,z表示噪声向量,z~pgassion(z)表示噪声向量z服从高斯分布,x~pdata(x)表示样本特征编码x服从掌静脉样本图像的原始数据分布,ez~pgassion(z),x~pdata(x)表示基于样本特征编码x和噪声向量z之间联合分布的数学期望值,||z-x||表示样本特征编码x与噪声向量z之间的l1距离。

24、在本申请另一个优选实施例中,所述身份一致性损失的计算公式为:

25、

26、其中lid表示身份一致性损失,“·”表示矢量点积运算,“×”表示模的乘法运算,d(b’)和d(b”)是训练好的识别模型d分别从伪掌静脉样本图像b’、伪掌静脉样本图像b”提取的身份特征向量。

27、在本申请另一个优选实施例中,在将掌静脉模板图像分别与样本特征编码、噪声向量z进行特征融合对应生成伪掌静脉样本图像b’、伪掌静脉样本图像b”之后,还包括步骤:

28、建立图像内容损失约束生成器g生成的伪掌静脉样本图像b’保留掌静脉样本图像中的整体内容信息。

29、在本申请另一个优选实施例中,所述图像内容损失的计算公式为:

30、

31、其中lcontent表示图像内容损失,bi’表示伪掌静脉样本图像b’中的第i个像素值,bi表示掌静脉模板图像中的第i个像素值,n表示伪掌静脉样本图像b’与掌静脉样本图像中的像素总个数。

32、在本申请另一个优选实施例中,建立图像内容损失之后,还包括步骤:

33、计算掌静脉图像生成模型的总体损失,总体损失的计算公式如下:

34、

35、其中ltotal表示总体损失,λfeature、λcontent和λid分别是特征编码损失lfeature、图像内容损失lcontent和身份一致性损失lid的权重值。

36、本申请还提供一种掌静脉图像生成系统,所述掌静脉图像生成系统包括:

37、模板构造单元,用于构造伪手掌轮廓并于每个伪手掌轮廓内随机构造若干伪静脉线条,得到掌静脉模板图像;以及

38、图像生成单元,用于将掌静脉模板图像输入如上所述的掌静脉图像生成模型生成伪掌静脉数据集样本。

39、本申请提供的身份一致性掌静脉图像生成方法,与现有技术相比,通过构造伪手掌轮廓并于每个伪手掌本文档来自技高网...

【技术保护点】

1.一种身份一致性掌静脉图像生成方法,其特征在于,包括步骤:

2.如权利要求1所述的身份一致性掌静脉图像生成方法,其特征在于,所述掌静脉图像生成模型包括:

3.如权利要求2所述的身份一致性掌静脉图像生成方法,其特征在于,将掌静脉模板图像与样本特征编码进行特征融合对应生成伪掌静脉样本图像B’的方法,包括步骤:

4.如权利要求2所述的身份一致性掌静脉图像生成方法,其特征在于,在构造掌静脉图像生成模型之前,还包括步骤:

5.如权利要求2所述的身份一致性掌静脉图像生成方法,其特征在于,所述特征编码损失的计算公式为:

6.如权利要求5所述的身份一致性掌静脉图像生成方法,其特征在于,所述身份一致性损失的计算公式为:

7.如权利要求6所述的身份一致性掌静脉图像生成方法,其特征在于,在将掌静脉模板图像分别与样本特征编码、噪声向量z进行特征融合对应生成伪掌静脉样本图像B’、伪掌静脉样本图像B”之后,还包括步骤:

8.如权利要求7所述的身份一致性掌静脉图像生成方法,其特征在于,所述图像内容损失的计算公式为:

<p>9.如权利要求8所述的身份一致性掌静脉图像生成方法,其特征在于,建立图像内容损失之后,还包括步骤:

10.一种掌静脉图像生成系统,其特征在于,所述掌静脉图像生成系统包括:

...

【技术特征摘要】

1.一种身份一致性掌静脉图像生成方法,其特征在于,包括步骤:

2.如权利要求1所述的身份一致性掌静脉图像生成方法,其特征在于,所述掌静脉图像生成模型包括:

3.如权利要求2所述的身份一致性掌静脉图像生成方法,其特征在于,将掌静脉模板图像与样本特征编码进行特征融合对应生成伪掌静脉样本图像b’的方法,包括步骤:

4.如权利要求2所述的身份一致性掌静脉图像生成方法,其特征在于,在构造掌静脉图像生成模型之前,还包括步骤:

5.如权利要求2所述的身份一致性掌静脉图像生成方法,其特征在于,所述特征编码损失的计算公式为:

6.如权利要求5...

【专利技术属性】
技术研发人员:赖时伍李希罗富章欧阳一村付磊龚小龙
申请(专利权)人:盛视科技股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1