申请/专利权人：大连海事大学

申请日：2021-07-28

公开（公告）日：2024-03-01

公开（公告）号：CN113673363B

主分类号：G06V10/74

分类号：G06V10/74;G06V40/10;G06V10/75;G06V10/764;G06T5/20;G06T5/40;G06T7/12;G06T7/13

优先权：

专利状态码：有效-授权

法律状态：2024.03.01#授权;2021.12.07#实质审查的生效;2021.11.19#公开

摘要：本发明提供了结合表观相似度与奇异点匹配个数的手指静脉识别方法及系统，包括：对用于手指静脉识别的数据集中的各幅图像进行预处理；基于空间重叠金字塔与正交局部保留投影降维分别得到测试图像与模板图像的特征，并基于特征计算测试图像与模板图像之间的表观相似度；计算测试图像与模板图像的奇异点匹配个数，并基于奇异点匹配个数计算测试图像和模板图像之间的奇异点匹配个数相似度；将测试图像与模板图像的表观相似度和奇异点个数相似度进行加权融合，得到加权匹配分数；对测试图像与各个模板图像的加权匹配分数值进行分类，分类结果所对应的图像标签即为识别结果。本发明能够有效解决由于指静脉采集时手指姿态不同导致识别率较低的问题。

主权项：1.一种结合表观相似度与奇异点匹配个数的手指静脉识别方法，其特征在于，所述方法包括：获取用于手指静脉识别的数据集，并对数据集中的各幅图像进行预处理；所述数据集中包括测试图像和多幅带有图像标签的模板图像；针对经过预处理的每幅模板图像：基于空间重叠金字塔与正交局部保留投影降维分别得到经过预处理的测试图像与所述模板图像的特征，并基于所述特征计算所述测试图像与所述模板图像之间的表观相似度；计算经过预处理的测试图像与所述模板图像的奇异点匹配个数，并基于所述奇异点匹配个数计算所述测试图像和所述模板图像之间的奇异点匹配个数相似度；将所述测试图像与所述模板图像的表观相似度和奇异点个数相似度进行加权融合，得到所述测试图像与所述模板图像的加权匹配分数；加权匹配分数score计算公式如下：score＝d×λ+1-pro×1-λ；其中λ为加权值；d为测试图像和模板图像的表观相似度，pro为测试图像和模板图像的奇异点匹配个数相似度；对所述测试图像与所有模板图像的加权匹配分数值进行分类，分类结果所对应的图像标签即为识别结果；其中，基于空间重叠金字塔与正交局部保留投影降维分别得到经过预处理的测试图像与所述模板图像的特征，并基于所述特征计算所述测试图像与所述模板图像之间的表观相似度，包括：采用多方向像素差矢量特征提取与学习方法分别对经过预处理的测试图像和所述模板图像进行特征提取与学习，得到所述测试图像和所述模板图像的映射矩阵W和码本D；分别构建所述测试图像和所述模板图像的空间重叠金字塔，得到所述测试图像和所述模板图像的直方图特征表示；使用正交局部保留投影分别对所述测试图像的直方图进行降维；计算所述测试图像和所述模板图像降维后的特征之间的余弦距离，将所述余弦距离作为所述测试图像与所述模板图像的表观相似度。

全文数据：

权利要求：

百度查询： 大连海事大学 结合表观相似度与奇异点匹配个数的手指静脉识别方法

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