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：佛山科学技术学院;佛山市禅城区智信城市大数据技术研究院

摘要：本发明公开了一种基于NEPVR的手掌静脉识别方法及系统，该方法包括：获取手掌静脉图像并进行ROI提取处理，得到手掌静脉ROI区域；基于EfficientViT骨干网络，引入归一化注意力机制模块与级联注意力机制模块，构建手掌静脉识别模型（NEPVR）；基于手掌静脉识别模型，对手掌静脉ROI区域进行手掌静脉识别处理，得到手掌静脉识别结果。本发明实施例能够通过提高手掌静脉识别模型对图像重要信息的关注度以及减少模型参数的冗余性，进而提高手掌静脉识别模型的图像识别计算效率与图像识别精度。本发明作为一种基于NEPVR的手掌静脉识别方法及系统，可广泛应用于图像识别技术领域。

主权项：1.一种基于NEPVR的手掌静脉识别方法，其特征在于，包括以下步骤：获取手掌静脉图像并进行ROI提取处理，得到手掌静脉ROI区域；基于EfficientViT骨干网络进行改进处理，并引入归一化注意力模块与级联注意力模块，构建手掌静脉识别模型（NEPVR）；所述掌静脉识别模型具体包括重叠块嵌入层、第一改进的EfficientViT模块、第一EfficientViT子采样模块、第二改进的EfficientViT模块、第二EfficientViT子采样模块、第三改进的EfficientViT模块、平均池化层、批归一化层、L2标准化层、特征嵌入层和综合损失层，其中：所述第一改进的EfficientViT模块、第二改进的EfficientViT模块和第三改进的EfficientViT模块均包括第一令牌交互层、第一前馈神经网络、级联注意力模块、第二令牌交互层、第二前馈神经网络和归一化注意力模块；所述级联注意力模块包括若干多头注意力模块和连接投影层；所述归一化注意力模块包括通道注意力模块和空间注意力模块；将手掌静脉ROI区域输入至手掌静脉识别模型；基于手掌静脉识别模型的重叠块嵌入层，对手掌静脉ROI区域进行分解与转换处理，得到手掌静脉ROI区域的向量格式数据；将手掌静脉ROI区域的向量格式数据输入至手掌静脉识别模型的第一改进的EfficientViT模块；基于第一改进的EfficientViT模块的第一令牌交互层，对手掌静脉ROI区域的向量格式数据进行局部特征提取处理，得到第一手掌静脉ROI区域的局部特征数据；基于第一改进的EfficientViT模块的第一前馈神经网络，对第一手掌静脉ROI区域的局部特征数据进行非线性变换与映射处理，得到映射后的第一手掌静脉ROI区域的局部特征数据；将映射后的第一手掌静脉ROI区域的局部特征数据输入至第一改进的EfficientViT模块的级联注意力模块；基于级联注意力模块的若干多头注意力模块，对映射后的第一手掌静脉ROI区域的局部特征数据进行特征拆分与注意力计算处理，得到若干第一手掌静脉ROI区域的局部特征图；基于级联注意力模块的连接投影层，对若干第一手掌静脉ROI区域的局部特征图进行连接与投影处理，得到手掌静脉ROI区域的注意力特征值；基于第一改进的EfficientViT模块的第二令牌交互层，对手掌静脉ROI区域的注意力特征值进行局部特征提取处理，得到第二手掌静脉ROI区域的局部特征数据；基于第一改进的EfficientViT模块的第二前馈神经网络，对第二手掌静脉ROI区域的局部特征数据进行非线性变换与映射处理，得到映射后的第二手掌静脉ROI区域的局部特征数据；将映射后的第二手掌静脉ROI区域的局部特征数据输入至第一改进的EfficientViT模块的归一化注意力模块；基于归一化注意力模块的通道注意力模块，对映射后的第二手掌静脉ROI区域的局部特征数据进行通道注意力特征提取处理，得到第一手掌静脉ROI区域通道特征数据；基于归一化注意力模块的空间注意力模块，对映射后的第二手掌静脉ROI区域的局部特征数据进行空间注意力特征提取处理，得到第一手掌静脉ROI区域空间特征数据；整合第一手掌静脉ROI区域通道特征数据与第一手掌静脉ROI区域空间特征数据，得到第一手掌静脉ROI区域特征数据；基于手掌静脉识别模型的第一EfficientViT子采样模块，对第一手掌静脉ROI区域特征数据进行降维处理，得到降维后的第一手掌静脉ROI区域特征数据；基于手掌静脉识别模型的第二改进的EfficientViT模块，对降维后的第一手掌静脉ROI区域特征数据进行特征提取处理，得到第二手掌静脉ROI区域特征数据；基于手掌静脉识别模型的第二EfficientViT子采样模块，对第二手掌静脉ROI区域特征数据进行降维处理，得到降维后的第二手掌静脉ROI区域特征数据；基于手掌静脉识别模型的第三改进的EfficientViT模块，对降维后的第二手掌静脉ROI区域特征数据进行特征提取处理，得到第三手掌静脉ROI区域特征数据；基于手掌静脉识别模型的平均池化层，对第三手掌静脉ROI区域特征数据进行平均池化处理，得到手掌静脉ROI区域特征数据集；基于手掌静脉识别模型的批归一化层，对手掌静脉ROI区域特征数据集进行归一化处理，得到归一化后的手掌静脉ROI区域特征数据集；基于手掌静脉识别模型的L2标准化层，对归一化后的手掌静脉ROI区域特征数据集进行标准化处理，得到标准化后的手掌静脉ROI区域特征数据集；基于手掌静脉识别模型的特征嵌入层与手掌静脉识别模型的综合损失层，对标准化后的手掌静脉ROI区域特征数据集进行特征权重嵌入处理，得到手掌静脉识别结果；所述手掌静脉识别模型的综合损失层的损失函数包括交叉熵损失函数和三元组损失函数，所述综合损失层的损失函数的表达式具体如下所示： ；上式中，表示综合损失层的损失函数，表示交叉熵损失函数，表示三元组损失函数，表示交叉熵损失函数的权重参数，表示三元组损失函数的权重参数，表示训练批次大小，表示全连接层权重，表示输入的特征数据，表示第类的概率，和表示每个批次内样本的序号，表示锚点样本，表示正样本，表示负样本，表示边界参数。

全文数据：

权利要求：

百度查询： 佛山科学技术学院 佛山市禅城区智信城市大数据技术研究院 一种基于NEPVR的手掌静脉识别方法及系统