[发明专利]静脉识别模型的训练方法、装置和静脉图像识别装置

权利要求书

1.一种静脉识别模型的训练方法，其特征在于，包括：

采用第一训练样本训练第一神经网络模型，获取特征提取模型；

通过所述特征提取模型提取第二训练样本中的训练特征信息，采用所述训练特征信息训练第二神经网络模型，获取识别模型及所述识别模型的门限范围；

所述识别模型通过所述门限范围确定待识别样本的识别结果；

静脉识别模型包括所述特征提取模型和所述识别模型；

所述第一训练样本包括所述第二训练样本。

2.根据权利要求1所述的静脉识别模型的训练方法，其特征在于，所述采用第一训练样本训练第一神经网络模型，获取特征提取模型，包括：

采用所述第一训练样本训练所述第一神经网络模型，采用所述第一训练样本对训练后的所述第一神经网络模型进行迁移学习，删除所述第一神经网络模型中的至少一层全连接层，获取所述特征提取模型。

3.根据权利要求1所述的静脉识别模型的训练方法，其特征在于，所述通过所述特征提取模型提取第二训练样本中的训练特征信息，采用所述训练特征信息训练第二神经网络模型，获取识别模型及所述识别模型的门限范围，包括：

所述第二训练样本包括：第三训练样本和校验样本；

通过所述特征提取模型提取第三训练样本中的训练特征信息；

采用所述第三训练样本的训练特征信息训练所述第二神经网络模型，获取初始识别模型；

通过所述特征提取模型提取校验样本中的校验特征信息；

采用所述校验特征信息校验所述初始识别模型，获取识别模型及所述识别模型的门限范围。

4.根据权利要求1或3所述的静脉识别模型的训练方法，其特征在于，所述第二神经网络模型采用极限学习机。

5.根据权利要求3所述的静脉识别模型的训练方法，其特征在于，所述采用所述校验特征信息校验所述初始识别模型，获取识别模型及所述识别模型的门限范围，包括：

将所述校验特征信息输入所述初始识别模型的隐层节点进行训练，调节所述初始识别模型的权重参数，获取所述识别模型及所述识别模型的门限范围。

6.根据权利要求5所述的静脉识别模型的训练方法，其特征在于，所述门限范围为通过所述初始识别模型对所述校验特征信息识别，输出的类别识别概率的均值和标准差确定的门限范围。

7.一种利用静脉识别模型的静脉图像识别方法，其特征在于，包括：

接收输入的静脉图像；

采用特征提取模型对所述静脉图像进行特征提取，获取特征信息；

采用识别模块对所述特征信息进行识别，输出识别结果。

8.一种静脉识别模型的训练装置，其特征在于，包括：

第一训练单元，用于采用第一训练样本训练第一神经网络模型，获取特征提取模型；

第二训练单元，用于通过所述特征提取模型提取第二训练样本中的训练特征信息，采用所述训练特征信息训练第二神经网络模型，获取识别模型及所述识别模型的门限范围；所述识别模型通过所述门限范围确定待识别样本的识别结果；

静脉识别模型包括所述特征提取模型和所述识别模型；

所述第一训练样本包括所述第二训练样本。

9.一种利用静脉识别模型的静脉图像识别装置，其特征在于，包括：

接收单元，用于接收输入的静脉图像；

特征提取单元，用于采用特征提取模型对所述静脉图像进行特征提取，获取特征信息；

识别单元，用于采用识别模块对所述特征信息进行识别，输出识别结果。

10.一种计算机设备，其特征在于，所述计算机设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1至6的任一项所述的静脉识别模型的训练方法以及如权利要求7所述的利用静脉识别模型的静脉图像识别方法。