买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：圣点世纪科技股份有限公司

摘要：本发明涉及基于ArcFaceLoss和改进残差网络的指静脉身份验证方法，包括以下步骤：1采集若干手指的指静脉图像，对图像预处理；2构建卷积神经网络；3训练模型：使用ArcFaceLoss对卷积神经网络进行训练；4注册阶段：将注册图像增强后输入训练好的卷积神经网络中，得到特征向量并取平均值作为该手指的特征存储为注册特征库；5验证阶段：计算该特征向量与注册特征库中每一特征的余弦相似度，并依据其距离与阈值判断其是否对应到某一根手指。本发明对轻量级残差网络进行改进使其对指静脉特征的表达能力得到有效的提升，有效的提高了注册特征库的质量，整个方法简单易行鲁棒，有效的提升指静脉识别的准确率。

主权项：1.一种基于ArcFaceLoss和改进残差网络的指静脉身份验证方法，其特征在于：其包括以下步骤：1采集若干手指的指静脉图像，对图像预处理；2构建卷积神经网络：对轻量级残差网络ResNet18的每个卷积块进行改进，构建卷积神经网络，对轻量级残差网络进行改进的方式是将卷积块Conv2_x、Conv3_x、Conv4_x、Conv5_x中的激活函数由Relu改为PRelu，并在这些卷积块的空间和通道两个维度加上注意力机制，其具体步骤是：2.1在通道上，对每个特征层使用MaxPooling和AveragePooling，再将得到的2维特征经过双层感知机后进行加和操作，最后经过Sigmoid函数激活得到通道权重McF，通道权重McF的计算公式为：McF＝σMLPAvgPoolF+MLPMaxPoolF5；式中，F为特征层，AvgPool为平均池化，MaxPool为最大池化，MLP为双层感知机，σ为sigmoid激活函数；2.2将得到的通道权重与通道对应相乘对通道进行重新标定；2.3在空间上，对每一维度的空间特征使用MaxPooling和AveragePooling并对其进行连接操作，将得到的2维特征经过卷积降为一维，最后经过Sigmoid函数激活得到空间权重MsF，空间权重MsF的计算公式为：MsF＝σf7*7[AvgPoolF；MaxPoolF]6；式中，F为特征层，AvgPool为平均池化，MaxPool为最大池化，f7*7为卷积核大小为7*7的卷积，σ为sigmoid激活函数；2.4将得到的空间权重与空间特征对应相乘对空间特征进行重新标定；3训练模型：将预处理后的图像输入到卷积神经网络的模型中提取成多维的特征向量，并使用ArcFaceLoss对卷积神经网络进行训练；4注册阶段：将注册图像增强后输入训练好的卷积神经网络中，得到特征向量并取平均值作为该手指的特征存储为注册特征库；5验证阶段：设定相似度阈值，将验证图像增强后输入到训练好的卷积神经网络中得到该验证图像的特征向量，分别计算该特征向量与注册特征库中每一特征的余弦相似度，并依据其距离与阈值判断其是否对应到某一根手指。

全文数据：

权利要求：

百度查询： 圣点世纪科技股份有限公司 一种基于ArcFace Loss和改进残差网络的指静脉身份验证方法