买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜南京航空航天大学申请的专利一种基于三元组损失和轻量级网络的指静脉识别方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN110263659B 。

龙图腾网通过国家知识产权局官网在2023-09-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：201910445146.X，技术领域涉及：G06V40/13；该发明授权一种基于三元组损失和轻量级网络的指静脉识别方法及系统是由刘宁钟;徐成路;孙涵;梁栋设计研发完成，并于2019-05-27向国家知识产权局提交的专利申请。

本一种基于三元组损失和轻量级网络的指静脉识别方法及系统在说明书摘要公布了：本发明公开了一种基于三元组损失和轻量级网络的指静脉识别方法及系统，该方法包括：对数据库中的指静脉样本图像进行预处理；构建小型轻量级网络模型结构，在训练集中选择三元组A，P，N并进行网络训练；将训练集作为待录入指静脉数据库的人物信息，读取训练集内图像并输入模型中，得到embeddings向量库；将某个样本图像输入所述网络模型中，若样本图像与训练集中的样本图像之间的相似度大于阈值，则该人不在该数据库中；反之，选取符合阈值范围内的距离最小值，识别为相似度最高的人。本发明引入三元组损失结合轻量级网络，训练模型，实现静脉特征的空间映射，避免数据库动态变化时需要多次训练网络模型，最终有效提升指静脉识别的精度和效率。

本发明授权一种基于三元组损失和轻量级网络的指静脉识别方法及系统在权利要求书中公布了：1.一种基于三元组损失和轻量级网络的指静脉识别方法，其特征在于，该方法包括以下步骤：1对数据库中的指静脉样本图像进行预处理，并划分测试集和训练集；2构建小型轻量级CNN网络模型结构，在训练集中选择三元组A，P，N并使用TripletLoss训练网络进行训练，其中，A表示目标，P为正样本，N为负样本；3根据A与P之间的距离、A与N之间的距离以及正则化损失计算损失函数total_loss，采用梯度下降算法计算梯度并更新优化模型参数；4将所述训练集作为待录入指静脉数据库的人物信息，读取训练集内图像并输入已训练好的CNN模型中，生成相应的特征向量并保存，得到embeddings向量库，所述embeddings向量库存储了数据库中所有样本的特征信息；5将所述测试集中的某个样本图像输入已训练好的所述网络模型中，生成对应的静脉embedding数组，计算所述embedding数组与embeddings向量库中的各个embedding之间的距离，得到所述样本图像与所述训练集中的样本图像之间的相似度，若相似度大于设定的阈值，则认为该人不在该数据库中；反之，则选取符合阈值范围内的距离最小值，识别为相似度最高的人，得出最终识别结果；所述步骤2中，构造三元组A，P，N具体包括：21从所述训练集中抽样一组图片，通过所述小型轻量级CNN模型计算这组图片的embedding向量并保存于数组emb_array中；22遍历设定的批次batch中第i类样本的每个样本，计算其与其他所有样本图像的欧氏距离distance并存入数组neg_dist_sqr，将同类中的样本之间组成A，P样本对，计算A，P之间的距离并记作pos_dist_sqr；23遍历所述A，P对，并将i类样本图片对应索引位置的neg_dist_sqr值设定为无穷大；24把所有满足neg_dists_sqr-pos_dist_sqralpha且pos_dist_sqrneg_dists_sqr条件的样本记录下来，并从中随机选择一个样本与上述已有的A，P对结合，即组成三元组A，P，N，其中，alpha为预设的常数；所述步骤3中，损失函数total_loss表示为：triplet_loss＝dA,P-dA,N+alpha；total_loss＝triplet_loss+regulation_losses其中，regulation_losses为正则化损失，dA,P为A与P之间的距离，dA,N为A与N之间的距离；所述步骤2中，构建小型轻量级CNN网络模型结构，具体包括：SqueezeNet中的FireModule网络模块替换原来的卷积与池化操作，FireModule网络模块是由两部分构成：sequeeze以及后面连接的enpand，其中，sequeeze部分是卷积核为1*1的卷积层，expand部分是由1*1以及3*3的两个卷积层共同构成，并推迟下采样。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。