[发明专利]指静脉识别训练方法、测试方法及相关装置

说明书

本发明公开了一种指静脉识别训练方法、测试方法及相关装置，应用于图像处理领域，指静脉识别训练方法包括：获取多个指静脉图像训练集；获取轻量级多源域适应网络；将源域指静脉图像训练集输入源域分支进行预训练；将目标域指静脉图像训练集输入目标域分支进行预训练；将目标域指静脉图像训练集输入主干分支进行训练，并在主干分支训练过程中通过分支中间层特征迁移模块在主干分支进行特征迁移，得到迁移训练模型；通过域迁移损失转换器计算迁移训练模型完成训练时对应的域迁移损失；根据域迁移损失对主干分支进行优化，并将优化后的主干分支作为指静脉识别模型。该指静脉识别训练方法进一步改善了指静脉识别模型的识别能力和识别效率。

技术领域

本发明涉及图像处理领域，尤其涉及一种指静脉识别训练方法、测试方法及相关装置。

背景技术

随着人们对安全系统的需求不断增长，生物特征识别引起了越来越多的关注，并成为信息安全中最关键和最具挑战性的任务之一。其中，指静脉识别技术由于具有活体识别、防伪性强等特点，在信息安全、网络支付等领域得到了广泛的应用。相关技术中，指静脉识别技术的泛化能力较差，使得指静脉识别系统对于不同的使用者识别率有较大差异，极大程度地降低了指静脉识别系统的安全性。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本申请实施例提供一种指静脉识别训练方法、测试方法及相关装置，能够提高指静脉识别技术的泛化能力，提高指静脉系统的识别能力。

第一方面，本发明提供一种指静脉识别训练方法，包括：

获取多个指静脉图像训练集，其中，多个所述指静脉图像训练集包括多个源域指静脉图像训练集和目标域指静脉图像训练集；

获取轻量级多源域适应网络，所述轻量级多源域适应网络包括多个源域分支、一个主干分支、一个目标域分支、分支中间层特征迁移模块和域迁移损失转换器；

将所述源域指静脉图像训练集输入所述源域分支进行预训练，得到第一特征数据；

将所述目标域指静脉图像训练集输入所述目标域分支进行预训练，得到第二特征数据；

将所述目标域指静脉图像训练集输入所述主干分支进行训练，并在所述主干分支训练过程中通过所述分支中间层特征迁移模块在所述主干分支对所述第一特征数据、所述第二特征数据进行特征迁移，得到迁移训练模型；

通过所述域迁移损失转换器计算基于所述迁移训练模型完成主干分支训练时对应的域迁移损失；

根据所述域迁移损失对所述主干分支进行优化，并基于优化后的主干分支，得到指静脉识别模型。

根据本发明第一方面提供的指静脉识别训练方法，至少具有如下有益效果：该指静脉识别训练方法获取指静脉图像训练集，指静脉图像训练集包括多张指静脉训练图像，可用于对指静脉识别模型进行训练；根据获取到的轻量级多源域适应网络对指静脉识别模型进行训练，轻量级源域适应网络包括多个源域分支、一个主干分支、一个目标域分支、分支中间层特征迁移模块和域迁移损失转换器，将源域指静脉图像训练集输入源域分支进行预训练，将目标域指静脉图像训练集输入所述目标域分支进行预训练，使得源域分支和目标域分支的性能达到最佳，接着，通过分支中间层特征迁移模块和域迁移损失转换器对主干分支进行优化，使得主干分支的性能得到改善，得到指静脉识别模型，该指静脉识别训练方法提高了指静脉识别技术的泛化能力，提升了指静脉识别模型对于目标域图像的提取效果，进一步改善了指静脉识别模型的识别能力和识别效率，提升了用户的使用体验。

根据本发明的一些实施例，所述第一特征数据和所述第二特征数据均包括多个特征图；所述将所述目标域指静脉图像训练集输入所述主干分支进行训练，并在所述主干分支训练过程中通过所述分支中间层特征迁移模块在所述主干分支对所述第一特征数据、所述第二特征数据进行特征迁移，得到迁移训练模型，包括：