- 1、本文档共7页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
第40卷第7期计算机仿真2023年7月
文章编号:1006-9348(2023)07-0440-07
基于质量评价与特征提取网络的手指静脉识别
王欣宇,周颖玥}2,李佳阳,孙蕾1
(1.西南科技大学信息工程学院,四川绵阳621010;
2.西南科技大学特殊环境机器人技术四川省重点实验室,四川绵阳621010)
摘要:在利用手指静脉信息进行个人身份识别认证的系统中,采集到的手指静脉图像质量的好坏以及图像特征提取算法的
性能直接影响着系统识别的准确性。针对以上两个核心问题,提出了基于神经网络学习的手指静脉图像质量判断与特征提
取技术,并将图像质量判断、特征提取与匹配集成为一个完整的识别系统。在采集手指静脉图像时,利用经过训练的轻量级
的MobileNet-V2网络,判断图像质量,仅保留质量较好的图像,将其用于后续个人身份识别与验证;对特征提取网络的设
计,提出了基于平滑平均准确度损失函数的ResNet模型,提高了原网络的特征提取能力。最后,利用余弦相似度进行特征
匹配,获得待识别人的身份信息。实验结果表明,所提出的方法在公开的山东大学和香港理工大学手指静脉数据库上分别
得到3.855%和3.699%的等误率值,比基于差分图像+VGG网络识别等方法至少降低了1.311%。并且,所设计的识别系统
对于自建手指静脉图像数据库,达到了99.30%的识别率。
关键词:手指静脉识别;卷积神经网络;特征提取;质量判断
中图分类号:TP391.4文献标识码:B
FingerVeinRecognitionBasedonQualityEvaluation
andFeatureExtractionNetwork
WANGXin-yu,ZHOUYing-yue-2,LIJia-yang,SUNLeil
(1.SchoolofInformationEngineering,SouthwestUniversityofScienceandTechnology,
MianyangSichuan621010,China;
2.SichuanProvincialKeyLaboratoryofRobotTechnologyUsedforSpecialEnvironment,
SouthwestUniversityofScienceandTechnology,MianyangSichuan621010,China)
ABSTRACT:Inasystemthatusesfingerveininformationforpersonalidentificationandauthentication,thequality
ofthefingerveinimageandtheperformanceoftheimagefeatureextractionalgorithmdirectlyaffecttheaccuracyof
thesystemrecognition.Inordertosolvethesetwoproblems,atechniqueoffingerveinimagequalityjudgmentand
featureextractionbasedonneuralnetworklearningwasproposed,andtheimagequalityjudgment,featureextract
文档评论(0)