申请/专利权人：一脉通(深圳)智能科技有限公司

申请日：2023-11-25

公开（公告）日：2024-02-09

公开（公告）号：CN117542090A

主分类号：G06V40/12

分类号：G06V40/12;G06V40/14;G06V10/764;G06V10/80;G06V10/82;G06N3/0464;G06N3/08;G06N20/10

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.01#实质审查的生效;2024.02.09#公开

摘要：本发明涉及，机器学习图像识别领域，具体为基于融合网络及SIF特征的掌纹静脉识别方法，相较于以往的单一识别与模板匹配方式，本发明将掌纹与静脉识别两种方法进行统合分析，并采集主要且明显特征的融合特征以降低对设备的要求。本发明提出一种全SIF掌纹静脉特征方式，能够完全避免因手掌采集图片的角度缩放大小导致的算法网络模型检测失败。一种基于融合网络的掌纹静脉识别方式，通过竞争合作原理，抉择出更适合当前检测环境的算法模型，并且引入时间与准确率之间的平衡考量，进而能够使得整体网络检测速度更快，对设备要求更低的，但准确性能够得到充足保证。

主权项：1.基于融合网络及SIF特征的掌纹静脉识别方法，其特征在于，包括以下步骤：1图像采集首先使用采集设备对数据进行收集和表征，包括掌纹图片和静脉图片，整体区域为手掌，在图像采集过程中，着重捕获掌纹以及静脉部位的分支点，而并不需要对多个角度或者多种放大倍数的手掌图像进行采集；2区域划分对采集到的图像进行预处理操作，首先，对采集到的掌部图片进行灰度处理操作，将彩色图像转换为灰度图像，并采用CannyEdgeDetector过滤算法作为掌纹特征初步提取；3掌纹SIF特征提取步骤2中，完成对于细微掌纹的过滤，以及主掌纹的初步过滤，主掌纹存在着离散噪声点，采用向量化降噪优化方法，并采用浅层VGG网络对噪声优化后的图像进行主掌纹数目分类任务，在完成主掌纹数目的预测评估的算法网络搭建后，对于主掌纹之间的长度比，各主掌纹本身的像素弧度值，进行表征，其中在表征具体特征前，需要对主掌纹之间其上的像素点按照间隔公式以及归类公式分别进行间隔取样与归类，此外分别采用主掌纹长度比公式，像素弧度值计算公式以及细微掌纹长度比提取公式进行掌纹SIF特征提取；4静脉特征提取图本步骤中完成对于静脉SIF特征的提取，对于静脉特征采集只需要其能够辨别出掌部的分支点即可，对于分叉点，细微脉路不予要求；5融合网络判定本步骤中首先采用SVM多分类分别对掌纹SIF以及静脉SIF特征进行多分种类操作，其中目标映射值为数据库中检测人员的ID编码，并采用SoftMax将对各个标签的概率值进行输出，并采用平衡公式将两种结果进行权衡，此外再得到单一特征的最佳结果后输出。

全文数据：

权利要求：

百度查询： 一脉通(深圳)智能科技有限公司 基于融合网络及SIF特征的掌纹静脉识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD