[发明专利]一种大规模分布式全掌脉络数据的闪速搜索比对方法

说明书

本发明涉及一种大规模分布式全掌脉络数据的闪速搜索比对方法，包括三个部分：对全掌脉络图像进行特征提取计算、构建特征数据库和搜索比对。本发明提供的技术方案，借鉴GIS的思路和网页搜索的方法，应用于掌脉数据的搜索比对上，能够在大规模、大流量和高频次的应用场景下实现海量掌脉数据闪速比对识别，解决了传统掌脉识别因速度慢而不能进行大规模大流量应用的技术难题。

技术领域

本发明属于生物特征识别领域，涉及计算机图像处理和模式识别技术领域，特别地涉及一种大规模分布式全掌脉络数据的闪速搜索比对方法。

背景技术

随着深度学习和其它人工智能技术的发展和应用，越来越多的生物特征识别技术得到开发和应用。目前，人脸识别的应用已经非常广泛，但由于在个体问的差异化特征不足，不管算法有多强大，也难以区分长相相近的两个人，如双胞胎。因此，人脸识别技术难以应用于超大规模人群的个体身份识别。掌脉识别是利用人体手掌内部的血管脉络分布特征进行身份识别的技术，属活体识别内部特征，无法仿冒伪造，安全等级高，且包含浩瀚的个体间差异化信息特征，可适用于大流量大规模的应用场景。

在过去，由于计算机计算性能不足及优秀人工智能算法不多等原因，如何应对大规模海量的掌脉数据瞬时比对成为掌脉识别技术发展的一个难题。传统的掌脉识别存在许多局限性，尽管识别精度很高，但识别速度缓慢，难以应付大流量高频次的使用需求。本发明提出一种大规模分布式全掌脉络数据的闪速搜索比对方法，不仅利用整个手掌的血管脉络分布特征，而且采用深度学习的全局特征向量索引和局部特征向量索引相结合的方法，引入在网络搜索引擎中广泛使用的倒排索引方法，用以克服传统掌脉识别的技术难点，突破比对速度缓慢的瓶颈。采用本技术方案，能够解决掌脉识别在大流量大规模应用场景下的识别速度缓慢问题，实现超大流量与超高精度的闪速识别。

发明内容

针对上述存在的问题，本发明提出一种大规模分布式全掌脉络数据的闪速搜索比对方法。借鉴GIS(Geographic Information System)的地图缩放级别(Map Zoom Level)的思路，地图缩放级别从0到8层，犹如金字塔形结构，顶层8只有最粗的脉络信息，层号减少，细节逐渐增多，从而形成一个序列；底层0的图像由于细节充分，因此需要进行分割，再将卷积神经网络分别应用于各层及分割的板块图像，得到全局和局部特征向量，采用聚类算法将这些向量分别进行分类，从而形成了全局特征向量索引和局部特征向量索引，以及全局与局部的倒排索引。类似于搜索引擎的网页多关键词搜索，Zoom level各层的向量以及底层局部板块的向量都各相当于一个网页关键词，候选目标网页是这些关键词搜索结果的交集和并集。因此，掌脉数据的搜索比对也相类似，只是比网页搜索引擎更复杂，与网页搜索的PageRank排名一样，掌脉数据比对也要根据相似度计算出分数，把相似度分数最高的作为最终匹配的目标。

为实现上述目的，本发明提出的一种大规模分布式全掌脉络数据的闪速搜索比对方法，具体实施步骤如下：

S1、对全掌脉络图像进行特征提取计算，具体为：

S1-1、构建多尺度脉络特征空间，令原始图像为L₀，构建其下采样图像金字塔序列S_p＝{L₀，L₁，...，L_n-1}，n为构建的图像总数量，其中降采样因子为c；

S1-2、脉络图像增强，对序列Sp每一层进行多尺度高斯滤波，然后对滤波后的图像进行脉络提取，再将各尺度核下的脉络图像进行融合，得到脉络图像序列{V₀，V₁，...，V_n-1}；

S1-3、对脉络图像序列进行全局和局部特征提取，再将全局特征与局部特征综合获得最终特征F；

S2、构建特征数据库，具体为：

S2-1、对特征数据集中全局特征部分进行桶划分，随机初始化z个桶，采用聚类算法将数据集中的每一个全局特征做分类；