[发明专利]一种基于轻量神经网络的指静脉验证方法及系统

权利要求书

1.一种基于轻量神经网络的指静脉验证方法，其特征在于，包括下述步骤：

提取指静脉图像的感兴趣区域；

构建用于指静脉特征提取的轻量神经网络；

在每个训练批次中随机选择多类手指，在每类手指中随机选择多张感兴趣区域图像构建成批次图像；

将所述批次图像进行实时数据扩增后输入所述轻量神经网络；

构建用于指静脉特征分类的分类部件，将所述轻量神经网络的输出特征输入到所述分类部件；

构建批量硬损失函数构建标签平滑正则化后的交叉熵损失函数得到整体的损失函数为：

所述构建批量硬损失函数具体公式为：

其中，F表示轻量神经网络的输出特征，表示第y类手指的第x张图像的特征，下标a、p、n分别表示三元组的锚点、正样本点和负样本点，m表示正样本对和负样本对间的最小间隔，D表示距离度量函数；

所述构建标签平滑正则化后的交叉熵损失函数具体公式为：

其中，l表示真实概率分布，q表示预测概率分布，M表示指静脉训练集的类别总数，l_v表示对于第v类的真实概率，q_v表示对于第v类的预测概率，r表示图像的真实标签，ε表示一个常数；

训练轻量神经网络，根据损失值更新轻量神经网络权重，训练完成后保存当前轻量神经网络的权重；

所述训练轻量神经网络，将训练次数阈值设为e＝500，采用Adam优化器作为训练优化器，学习率采用渐进的预热策略，具体设置为：

其中，lr(t)表示学习率，t表示迭代轮次；

将更新权重后的轻量神经网络进行特征提取，计算特征之间的余弦相似度，输出指静脉验证结果。

2.根据权利要求1所述的基于轻量神经网络的指静脉验证方法，其特征在于，所述提取指静脉图像的感兴趣区域，具体步骤包括：

采用扩展Prewitt边缘检测算子检测图像的上边缘和下边缘，将检测上边缘和下边缘的掩膜分别记为Mask_u和Mask_d，具体公式为：

采用最小二乘法拟合上下边缘的中线，并根据中线的偏转角度对指静脉图像进行旋转矫正，最后提取旋转后边缘线的外切矩形作为感兴趣区域图像，将得到的感兴趣区域图像采用双线性插值统一图像大小。

3.根据权利要求1所述的基于轻量神经网络的指静脉验证方法，其特征在于，所述构建用于指静脉特征提取的轻量神经网络，采用神经网络ShuffleNet V2去除第一层最大池化层后的神经网络作为轻量神经网络。

4.根据权利要求1所述的基于轻量神经网络的指静脉验证方法，其特征在于，所述将所述批次图像进行实时数据扩增后输入所述轻量神经网络，所述实时数据扩增包括随机亮度变化、随机裁剪、随机旋转和随机擦除步骤；

所述随机亮度变化步骤采用随机因子调整指静脉图像的感兴趣区域的亮度；

所述随机裁剪步骤采用固定尺寸的裁剪框在图像的指定范围进行随机裁剪；

所述随机旋转步骤将图像在设定角度阈值内进行随机角度旋转，并将随机角度旋转后的图像采用双线性插值统一图像大小；

所述随机擦除步骤设置擦除块对图像各个位置进行随机擦除。

5.根据权利要求1-4任一项所述的基于轻量神经网络的指静脉验证方法，其特征在于，所述训练轻量神经网络，在轻量神经网络训练初始阶段调用ImageNet数据集训练的网络权重进行轻量神经网络权重初始化。