[发明专利]一种基于长期递归卷积神经网络的手指静脉认证方法

摘要

本发明提供了一种基于长期递归卷积神经网络的手指静脉认证方法，首先手指静脉图像进行标记、创建标签序列，然后训练长期递归卷积神经网络，对手指静脉分隔进行纹理标识和空间依赖性表示；对概率支持向量机进行训练，以计算对应的像素点属于静脉的概率；最后通过增强的汉明距离对同一样本的任意两幅图像在不同空间位移时的非重叠区域进行计算，从而对所有增强图像进行两两匹配。该方法可以快速、高效地对手指静脉进行记录和识别，能有效提高手指静脉认证的准确性。

主权项

1.一种基于长期递归卷积神经网络的手指静脉认证方法，其特征在于，包括如下步骤：S1：对输入的手指静脉样本图像进行二值化，根据像素值从手指静脉样本二值图像的所有像素点中筛选出静脉像素点和背景像素点，并分别进行标记；在所述手指静脉样本二值图像中，筛选出若干像素点，并分别沿指定的C个方向θ提取多个子块构建训练集，每个像素点构建C个标签序列，其中C为不小于2的自然数；S2：通过训练长期递归卷积神经网络LRCNN，以学习对手指静脉纹理的表示和空间依赖性表示；S3：根据所述标签序列，分别为每个所述训练集生成C个训练数据集，并分别用每个所述训练数据集单独训练一个LRCNN，输出一个C维向量作为特征向量；S4：通过所述特征向量对概率支持向量机P‑SVM进行训练，以计算对应的所述像素点属于所述静脉像素点的概率；S5：分别根据每个所述训练集生成一个增强图像，并对将增强图像进行二值化的函数进行优化；S6：利用优化的函数计算任意两幅图像在不同空间位移时的非重叠区域，从而对所有所述增强图像进行两两匹配。