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：杭州名光微电子科技有限公司

摘要：本申请公开了一种融合人脸和活体掌静脉的对象识别系统及其方法，其通过采集用户的人脸检测图像和掌静脉血管分布图像，并在后端引入图像处理和分析算法来进行这两者图像的特征分析，以融合人脸和活体掌静脉的特征分布信息来进行用户是否授权的识别判断。这样，能够结合人脸识别和掌静脉识别两种生物识别方式，通过多模式的特征融合和判断，提高了识别的准确性和安全性，同时提供了更便捷和可靠的身份验证方式，为用户带来更好的使用体验。

主权项：1.一种融合人脸和活体掌静脉的对象识别系统，其特征在于，包括：图像数据采集模块，用于获取待验证用户的人脸检测图像和掌静脉血管分布图像；图像多尺度特征提取模块，用于通过基于深度神经网络模型的图像特征提取器分别对所述待验证用户的人脸检测图像和所述掌静脉血管分布图像进行图像多尺度特征提取以得到人脸检测特征图和掌静脉血管分布特征图；图像特征强化模块，用于分别对所述人脸检测特征图和所述掌静脉血管分布特征图进行特征增强和全感知处理以得到人脸检测全感知特征向量和掌静脉血管分布全感知特征向量；特征交互融合模块，用于对所述人脸检测全感知特征向量和所述掌静脉血管分布全感知特征向量进行特征交互融合以得到人脸-掌静脉交互特征；授权用户检测模块，用于基于所述人脸-掌静脉交互特征，确定待验证用户是否为授权用户；其中，还包括用于对基于深度神经网络模型的图像特征提取器、双重注意力模块、基于全连接层的全感知模块、特征间注意力层和分类器进行训练的训练模块；其中，所述训练模块，包括：训练数据采集模块，用于获取训练数据，所述训练数据包括：待验证用户的训练人脸检测图像和训练掌静脉血管分布图像；训练图像多尺度特征提取模块，用于通过基于深度神经网络模型的图像特征提取器分别对所述待验证用户的训练人脸检测图像和所述训练掌静脉血管分布图像进行图像多尺度特征提取以得到训练人脸检测特征图和训练掌静脉血管分布特征图；训练双重注意力特征增强单元，用于将所述训练人脸检测特征图和所述训练掌静脉血管分布特征图分别通过双重注意力模块以得到训练注意力增强人脸检测特征图和训练注意力增强掌静脉血管分布特征图；训练特征全感知强化单元，用于将所述训练注意力增强人脸检测特征图和所述训练注意力增强掌静脉血管分布特征图分别通过基于全连接层的全感知模块以得到训练人脸检测全感知特征向量和训练掌静脉血管分布全感知特征向量；训练特征交互融合模块，用于使用特征间注意力层来融合所述训练人脸检测全感知特征向量和所述训练掌静脉血管分布全感知特征向量以得到训练人脸-掌静脉交互特征向量；训练授权用户检测模块，用于将所述训练人脸-掌静脉交互特征向量通过分类器以得到分类损失函数值；训练单元，用于基于所述分类损失函数值并通过梯度下降的反向传播来对所述基于深度神经网络模型的图像特征提取器、所述双重注意力模块、所述基于全连接层的全感知模块、所述特征间注意力层和所述分类器进行训练，其中，在每次所述训练人脸-掌静脉交互特征向量通过分类器进行分类回归的迭代时，对所述训练人脸-掌静脉交互特征向量进行优化；其中，在每次所述训练人脸-掌静脉交互特征向量通过分类器进行分类回归的迭代时，对所述训练人脸-掌静脉交互特征向量进行优化，包括： ；其中，表示训练人脸-掌静脉交互特征向量，表示向量的转置，表示自关联矩阵，和表示所述自关联矩阵的第和第行向量，表示权重矩阵，表示权重矩阵的第位置的矩阵值，表示自关联矩阵的高度，表示实数集合，表示矩阵乘法，表示点乘，表示优化的训练人脸-掌静脉交互特征向量。

全文数据：

权利要求：

百度查询： 杭州名光微电子科技有限公司 融合人脸和活体掌静脉的对象识别系统及其方法