申请/专利权人：深圳大学

申请日：2024-01-02

公开（公告）日：2024-03-29

公开（公告）号：CN117496562B

主分类号：G06V40/14

分类号：G06V40/14;G06V10/25;G06V10/774;G06V10/778;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2024.02.23#实质审查的生效;2024.02.02#公开

摘要：本发明公开了基于FV‑MViT的指静脉识别方法、装置及相关介质，该方法包括：获取多张指静脉训练图像；针对每一所述指静脉训练图像，使用限制对比度自适应直方图均衡化进行图像增强，并对增强后的图像提取Mini‑ROI区域特征；采用多个MobileViT2块、Mul‑MobileViT2块以及EnhancedMobileViT块构建得到FV‑MViT的指静脉识别模型；将所述Mini‑ROI区域特征输入至所述指静脉识别模型进行训练学习，并由所述指静脉识别模型输出对应的指静脉预测结果；通过软目标交叉熵损失函数和中心损失函数构建目标损失函数，并利用所述目标损失函数对所述指静脉识别模型进行网络参数更新，然后利用参数更新后的指静脉识别模型对指定的指静脉图像进行指静脉识别。本发明可有效提高对于指静脉识别的准确性和效率。

主权项：1.一种基于FV-MViT的指静脉识别方法，其特征在于，包括：获取多张指静脉训练图像；针对每一所述指静脉训练图像，使用限制对比度自适应直方图均衡化进行图像增强，并对增强后的图像提取Mini-ROI区域特征；采用多个MobileViT2块、Mul-MobileViT2块以及EnhancedMobileViT块构建得到FV-MViT的指静脉识别模型；将所述Mini-ROI区域特征输入至所述指静脉识别模型进行训练学习，并由所述指静脉识别模型输出对应的指静脉预测结果；通过软目标交叉熵损失函数和中心损失函数构建目标损失函数，并利用所述目标损失函数对所述指静脉识别模型进行网络参数更新，然后利用参数更新后的指静脉识别模型对指定的指静脉图像进行指静脉识别；所述针对每一所述指静脉训练图像，使用限制对比度自适应直方图均衡化进行图像增强，并对增强后的图像提取Mini-ROI区域特征，包括：获取每一所述指静脉训练图像对应的真值标签；按照下式，采用Mixup方法对所述Mini-ROI区域特征进行数据增强处理： ； ；其中，表示Mini-ROI区域特征的数据增强结果，和分别表示第i张指静脉训练图像的Mini-ROI区域特征和第j张指静脉训练图像的Mini-ROI区域特征，表示真值标签的数据增强结果，和分别表示第i张指静脉训练图像的真值标签和第j张指静脉训练图像的真值标签，表示随机参数；所述通过软目标交叉熵损失函数和中心损失函数构建目标损失函数，包括：按照下式，结合软目标交叉熵损失函数和中心损失函数相结合构建得到所述目标损失函数： ；其中，l表示目标损失函数，ls表示软目标交叉熵损失函数，lc表示中心损失函数，m表示一个批次Mini-ROI区域特征的数量，n表示Mini-ROI区域特征的特征向量维度，x表示Mini-ROI区域特征，y表示真值标签，表示Mini-ROI区域特征转换为归一化的概率分布，c表示真值标签的类别中心。

全文数据：

权利要求：

百度查询： 深圳大学 基于FV-MViT的指静脉识别方法、装置及相关介质

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