[发明专利]一种基于Transformer的静脉认证方法

权利要求书

1.一种基于Transformer的静脉认证方法，其特征在于，包括以下步骤：

S1、将静脉图像进行预处理；

S2、将预处理后的静脉图像输入基于Transformer的静脉认证模型进行特征提取，输出待认证的静脉图像的特征；

S3、将待认证的静脉图像的特征与样本库里的静脉特征做相似度度量，大于设置的阈值时则认为认证成功，否则则认为认证不成功。

2.根据权利要求1所述的一种基于Transformer的静脉认证方法，其特征在于，所述预处理是将静脉图像平均分成多个小图块，并以小图块的形式将其输入至基于Transformer的静脉认证模型。

3.根据权利要求1所述的一种基于Transformer的静脉认证方法，其特征在于，基于Transformer的静脉认证模型的特征提取包括三个阶段，第一阶段包括两个VT模块，第二阶段和第三阶段分别包括一个VT模块；每个VT模块的结构相似，输入维度、图块数量、输出维度等参数不同；

在VT模块中，静脉图像的图块首先经过位置编码生成器生成对应的位置编码。位置编码与输入的图块做叠加后输送给扩展性多层感知机进行编码，每个图块被编码成三个特征，分别为第一特征Q、第二特征K和第三特征V；所有图块的Q、K、V特征再被送入多头注意力机制做进一步的特征提取；多头自注意力机制输出的特征再经过线性层后送给局部特征增强前向传播网络做特征提取，最后输出的图块特征经过深细结构的卷积神经网络层实现降维；

静脉图像依次经过四个VT模块后输出最终的静脉特征。

4.根据权利要求1所述的一种基于Transformer的静脉认证方法，其特征在于，在基于Transformer的静脉认证模型的训练过程中，静脉图像经过三个阶段共四个VT Block的编码，输出静脉特征；使用分类器和两个损失进行监督训练。

5.根据权利要求4所述的一种基于Transformer的静脉认证方法，其特征在于，所述两个损失为中心损失和NLL损失。

6.根据权利要求4所述的一种基于Transformer的静脉认证方法，其特征在于，在基于Transformer的静脉认证模型的训练过程中，所输出的静脉特征在进入分类器时，先对特征做随机丢弃50％信息量的处理；最后在使用两个损失进行监督训练，从而增加训练难度、提高特征的表达能力。

7.根据权利要求4所述的一种基于Transformer的静脉认证方法，其特征在于，在基于Transformer的静脉认证模型的训练过程中，静脉特征经过随机丢弃50％信息后，经过线性层将其映射到分类空间；分类空间的维度即NLL损失的分类维度。

8.根据权利要求7所述的一种基于Transformer的静脉认证方法，其特征在于，在基于Transformer的静脉认证模型的训练过程中，静脉特征经线性层被映射到分类空间后，再经激活层做非线性映射处理；从而将输出的非线性映射处理结果输入到NLL损失和中心损失进行监督训练。

9.根据权利要求3所述的一种基于Transformer的静脉认证方法，其特征在于，在基于Transformer的静脉认证模型的特征提取过程中，每个阶段的输入和输出的图块特征数量逐渐减少。

10.根据权利要求1～9任一项所述的一种基于Transformer的静脉认证方法，其特征在于，样本库里的静脉特征是用户注册时经基于Transformer的静脉认证模型提取得到，所有用户注册后保存下来的静脉特征构成样本库。