CN112597812B 一种基于卷积神经网络和sift算法的手指静脉识别方法及系统 （西安国创防务科技有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN112597812B(45)授权公告日2025.07.11

(21)申请号202011407380.2

(22)申请日2020.12.03

(65)同一申请的已公布的文献号申请公布号CN112597812A

(43)申请公布日2021.04.02

(73)专利权人西安国创防务科技有限公司

地址710000陕西省西安市高新区博士路

60号阳光天地48号楼808室

(72)发明人严如强侯博瑞沈飞

(74)专利代理机构西安泛想力专利代理事务所(普通合伙)61260

专利代理师王焕巧

(51)Int.CI.

GO6V40/10(2022.01)

GO6V10/44(2022.01)

GO6V10/46(2022.01)

GO6V10/774(2022.01)

GO6V10/82(2022.01)

GO6N3/0464(2023.01)

GO6T5/50(2006.01)

(56)对比文件

CN108009520A,2018.05.08CN110390282A,2019.10.29

审查员孙宏

权利要求书3页说明书10页附图3页

(54)发明名称

一种基于卷积神经网络和SIFT算法的手指静脉识别方法及系统

(57)摘要

本发明提出了一种基于卷积神经网络和SIFT(尺度不变特征变换(Scale-invariant

CN112597812Bfeaturetransform,SIFT)算法的手指静脉识别方法及系统，其实现流程为：首先，通过数据采集获取待识别用户的手指静脉图像；其次，针对接收到的原始静脉图像信息进行预处理，并提取出图像的感兴趣区域；最后，通过神经网络并结合SIFI算法提取出待识别用户手指的静脉图像特征信息，并进一步对获取的待识别用户的手指静脉图像特征信息进行识别处理，达到识别出手指静脉信息对应身份信息的目的。本发明能够有效

CN112597812B

开始

获取待识别用户的的手指静脉图像

将所获取得所述手指静脉原始图像进行预处理，并提取图像ROI区域信息

通过卷积神经网络和SIFT算法对所述待识别用户的所述指静脉特征信息进行识别处理，识别所述待识别用户的身份信息

结束

CN112597812B权利要求书1/3页

2

1.一种基于卷积神经网络和SIFT算法的手指静脉识别方法，其特征在于，包括以下步

骤：

步骤一、通过指静脉信息采集设备获取待识别用户的手指静脉原始图像；

步骤二、接收待识别用户的手指静脉图像，并进行图像数据预处理；

步骤三、对预处理后的图像数据进行感兴趣区域的提取，并输入至卷积神经网络中进行手指静脉图像的深度特征信息提取，同时采用SIFT算法对接收到的手指静脉图像中的感兴趣区域进行手指静脉图像的SIFT特征提取，获得总的图像数据特征信息；所述卷积神经网络采用三元损失函数对网络提取特征能力的准确性进行训练；

步骤四、计算待识别用户指静脉图像的深度特征和数据库中用户的指静脉图像深度特征间的距离，选取其中余弦距离较小的前预定数量的特征对应的数据库用户，随后采用待识别用户指静脉图像的SIFT特征和筛选出的预定数量的数据库中用户的指静脉图像SIFT特征进行特征匹配，确定用户身份信息。

2.根据权利要求1所述的一种基于卷积神经网络和SIFT算法的手指静脉识别方法，其特征在于，所述步骤二进一步为接收步骤一中采集到的手指静脉图像，并通过灰度化、边缘提取、图像增强、曲线提取、图像融合、归一化操作对接收到的手指静脉图像数据进行预处理；

其中，所述灰度化进一步为对待识别用户的手指静脉原始图像进行灰度化；

所述边缘提取进一步为获取手指静脉原始图像中手指边缘区域，提取出手指静脉感兴趣区域图像；

所述图像增强进一步为通过对手指静脉原始图像进行曝光、滤波、对比度增强，增强原始图像中的手指静脉信息图像数据；其中滤波进一步包括高斯滤波、中值滤波和Gabor滤波；所述高斯滤波进一步为令：

G?=I*G

式中，G表示灰度图像，G。表示经过高斯低通降噪后的图像，I表示使用的二维高斯核，同

时满