基于静脉关键特征和AdaFace损失的轻量级指静脉识别算法

基于深度学习的指静脉识别方法通常需要大量的计算资源,限制了其在嵌入设备上的推广和普及,采用轻量级网络又面临模型参数减少导致准确率下降的问题,为此提出一种基于指静脉关键特征和AdaFace损失的轻量级识别算法。在MicroNet框架中,首先提出一种FMixconv卷积来替代原网络中的深度卷积,减少参数的同时可以获得静脉特征的多尺度信息;其次引入轻量级注意力模块CA模块,从空间和通道上聚焦于静脉特征的关键信息;最后在损失函数中加入AdaFace损失,通过特征范数对图像质量进行评价,以减少图像质量下降对训练的影响。该算法在SDUMLA-HMT、FV-USM和自建数据集上的识别准确率达到99.84%、99.39%和99.42%,而参数量仅有0.82 M。实验结果表明,该算法在准确率和参数量大小上均领先于其他方法。

基于深度残差网络的轻量级指静脉识别算法

提出一种基于深度残差网络的轻量级指静脉识别算法。首先,以ResNet34为基础,使用深度可分离卷积代替传统卷积,加入SE(Squeeze and Excitation)注意力机制模块来提取手指静脉空间域上的细节特征,并引入宽度缩放因子,进一步压缩网络;其次,在训练中引入教师-学生网络模式,对轻量级深度残差网络进行知识蒸馏训练,并使用知识蒸馏损失、CurricularFace和交叉熵损失对网络进行联合监督,解决了轻量级深度残差网络因学习参数量较少引起的性能下降问题。分别在FV-USM数据集、Lab-Normal数据集和Lab-Special数据集上进行仿真实验,结果表明,同基于轻量级网络MobileFaceNet的识别算法相比,提出的算法有效提高了零误识识别率和Top1排序性能。

面向跨数据集指静脉识别的可快速迁移模型

深度学习技术在手指静脉识别任务中展现出显著的性能优势和潜力.但是,由于其昂贵的训练开销以及不同数据集间存在的类别和分布差异,在某个数据集表现优异的模型可能难以高效应用到新数据或者在新数据上表现不佳.针对识别系统被应用到不同使用群体和设备的实际情景,为了实现模型在不同数据上的高效应用并保持其优良性能,文中提出面向跨数据集指静脉识别的可快速迁移模型,包含两个学习阶段的解决方案.首先,为了得到一个可以较好泛化到未见目标数据的深度模型,在第一阶段提出基于特征对齐和聚类的领域适应算法,引导网络提取有判别力且鲁棒的特征.然后,为了减小图像中由偏差场引起的数据集差异,提出一个偏差场校正网络,消除偏差,并调整潜在分布,使其更相似.最后,为了将模型高效迁移到目标数据并充分利用新数据的模版信息,在执行快速迁移的第二阶段中,设计具有更快学习速度的基于改进极限学习机的分类器,利用它的学习算法,加速模型的迁移训练.在四个公开指静脉数据库上的实验表明,文中模型能够在实现高效迁移的同时,取得与在目标任务上进行充分端到端训练的最佳方法同等的识别性能.对于常见的应用场景,能满足实时部署的需求,从而为深度学习技术在跨数据集指静脉识别应用提供一套可行的解决方案.

指静脉识别研究综述

指静脉识别因其独特的优势具有巨大的市场潜力,并得到了国内外各研究团体和工业界的高度关注。本文介绍了指静脉识别的主要研究内容及其研究现状,包括指静脉成像方法及图像增强技术、特征提取方法及与指静脉有关的多模态、多特征融合方法。其中详细介绍了指静脉特征提取方法,并将其划分为4类,即指静脉纹路特征、纹理特征、细节点特征及使用机器学习方法获得的特征。在此基础上进一步对指静脉识别及其应用面临的挑战性问题做了分析,这些问题主要包括降低采集设备价格、提高采集图像质量,及减小各种因素,如低质量图像、手指姿态变化、大规模用户群及室外采集等对识别性能的影响,这些问题为今后的指静脉识别的相关研究提供了思路和启迪。

基于分块LBP和分块PCA的指静脉识别方法

针对单独提取传统的局部二元模式(local binary pattern,LBP)指静脉特征识别率不高的问题,提出一种结合分块LBP和分块主成分分析(principal component analysis,PCA)的特征提取方法。首先对手指静脉感兴趣区域(region of interested,ROI)进行分块,提取分块LBP特征;然后,采用分块PCA对所提取特征进行降维除冗,得到一组新的降维后特征;最后计算欧氏距离并采用最近邻分类器进行分类。实验结果表明,论文提出方法识别率可达99.33%,等误率(equal error rate,EER)低至0.21%。与传统的3种算法进行比较,该方法的识别率有很大提高,且具有较好的稳定性和鲁棒性。

使用改进的方向滤波与修正的Hausdorff距离的指静脉识别方法

针对已有静脉识别方法存在的识别结果易受图像质量影响、计算量大的问题,提出一种使用改进的方向滤波与修正的Hausdorff距离技术的指静脉识别方法.根据指静脉图像具有的方向特性设计邻域方向模板及方向滤波器模板对图像进行滤波增强处理后,利用修正的Hausdorff距离模板匹配的思想,在距离变换空间内实现指静脉图像的匹配识别.实验结果表明,该方法对指静脉图像的匹配识别具有较好的准确率.

基于深度残差网络与离散哈希的指静脉识别方法

针对传统卷积神经网络提取的特征不够充分、自学习特征稀疏导致指静脉识别精度和识别速度不高的问题,提出了一种基于深度残差网络和离散哈希的二元特征指静脉识别方法。首先,在深度残差网络模型训练过程中提出将加性角边缘损失函数作为监督信号,扩大类间差,缩小类内差;其次,将归一化后的指静脉图像输入改进的深度残差模型进行特征提取;然后,提出采用监督式离散哈希模型对实值特征进行离散化,获得二值化特征替代原有的实值特征;最后,采用哈明距离计算二值化特征与指静脉库中的模板间的匹配分数确定识别结果。实验结果表明:在MMCBNU6000数据集上,指静脉识别准确率达96.59%,同时模板尺寸缩减为1024 bit,是常用的实值特征模板尺寸的1/16;在FV-USM数据集上,模板尺寸缩减为1024 bit时,指静脉识别准确率达到95.37%。

基于扩展卷积神经网络与度量学习的指静脉识别

针对在传统卷积神经网络(Convolutional neural networks,ConvNet)算法中由于提取的静脉特征信息不足而导致指静脉识别准确率不高的问题,提出了一种基于扩展卷积神经网络与度量学习的指静脉识别算法。该算法通过扩展卷积神经网络的宽度与深度来提高ConvNet的学习能力,并使用难样本采样三元组(Triplet hard loss with batch hard mining,TriHard)度量学习函数作为网络损失函数训练网络。此外,针对常用距离度量方法不能有效度量静脉特征之间的相似度的问题,在指静脉识别阶段采用了Wasserstein距离度量方法,以提高同源静脉间的相似度,降低异源静脉间的相似度。仿真实验结果表明:在FV-USM数据集上,指静脉识别准确率达98.33%,较使用ConvNet和常用距离度量方法准确率提高了3.56%;在MMCBNU6000数据集上,指静脉识别准确率达98.02%,较使用ConvNet和常用距离度量方法准确率提高了2.01%。

多方向卷积和CNN指静脉识别

针对提取的指静脉感兴趣区域图像特征不明显的问题,提出一种基于多方向卷积模板和卷积神经网络的指静脉识别算法,采用多方向卷积模板对预处理后的指静脉图像进行骨架提取获取初步特征图,再通过轻便型卷积神经网络进一步提取特征,最后通过softmax分类器对样本进行训练.实验结果表明,该算法比现有的多数算法更准确.

基于改进卷积神经网络的指静脉识别

针对深度学习的指静脉识别算法在训练样本较少以及训练次数较低时算法识别率降低问题,提出基于改进卷积神经网络的指静脉识别算法。通过增加卷积层数并使用LeaKy ReLU作为激活函数,提高网络泛化能力;使用改进的池化模型降低网络特征维度;反向传播调整权值时,引入判别信息作为约束条件。实验结果表明,该算法准确率在训练样本较少以及训练次数较低时明显优于其它指静脉识别算法。

基于RFID和指静脉识别的化学药品智能管理柜设计

为保障实验室中存放的药品安全,提出一种基于射频识别(RFID)和指静脉识别的化学药品智能管理柜.智能柜采用RFID、指静脉识别等物联网技术,通过用户身份认证,化学药品的自动识别、记录以及存储空间的智能控制,实现实验室化学药品的高效安全管理.样机实际测试结果表明,系统可以较好地通过指静脉识别对使用者的身份进行认证,也能够通过RFID快速识别化学药品;系统智能化程度高,各项功能完备,可显著提高实验室化学药品管理能力.

基于深度可分离卷积的指静脉识别算法

针对传统方法在指静脉轴向旋转情况下识别率低的问题,提出了基于深度可分离卷积的指静脉识别算法。首先,通过边缘检测、旋转矫正及图像裁剪等步骤对原始数据集进行了预处理,提取了指静脉图像感兴趣区域(ROI);然后,基于深度可分离卷积设计了不同参数量的三种指静脉识别模型,用以对比不同参数规模对于模型性能的影响;最后,使用预处理的数据集进行模型训练,对现有损失函数进行了改进并引入了在线困难样本挖掘策略,提高了模型在轴向旋转情况下的识别率。仿真实验结果表明,该指静脉识别模型Mobile3在测试集上的识别率达到了99.38%,比Gabor wavelet features方法的识别率提高了4.13个百分点,比Pseudo-elliptical transformer方法的识别率提高了1.7个百分点,验证了所提方法在解决指静脉轴向旋转问题上的有效性,同时平均每张图像的测试时间为22.5 ms,说明其识别率和实时性均满足实际应用需求。

基于深度学习的指静脉识别研究

提出了基于深度学习的指静脉识别算法。在指静脉图像采集过程中,由于受光照强度的影响,手指轮廓存在一定的模糊。为了获得良好的静脉区域图像,采用形态学算法对指静脉原始图像进行感兴趣的区域提取,并进一步使用高斯高通滤波器来增强图像。指静脉采集过程中,手指存在不同程度的旋转,为了消除该影响,使用角度修正算法对指静脉图像进行矫正。由于深度学习在图像分类上表现优异,尤其是AlexNet在ImageNet大赛中的杰出表现,因此采用基于AlexNet的深度神经网络对指静脉图像进行分类。为了加快训练速度,在AlexNet深度神经网络的基础上提出改进方案,主要包括改变卷积核大小和卷积层的构造,从而减少网络参数,降低网络复杂度,加速网络的训练。实验结果表明,利用深度学习对指静脉图像进行分类具有较好的效果。

指静脉识别技术研究综述

指静脉识别因其具有活体识别、高安全性、内部特征等技术优势,已成为生物特征识别领域的研究热点之一.文中首先阐述了指静脉识别技术的基本原理及研究现状,然后针对指静脉识别过程中的主要技术,包括图像采集、传统识别方法中的图像预处理、特征提取、特征匹配,以及基于深度学习的指静脉识别,结合相关理论研究逐阶段展开论述,并对代表性的识别算法进行了概括、分析和评述.此外,全面梳理并详细介绍了指静脉识别领域常用的公开数据集,以及识别系统的相关技术评价指标,总结了指静脉识别研究尚存的主要问题,并提出了可行的解决方案,最后对指静脉识别未来的研究方向进行了展望,为后续指静脉识别的发展提供研究思路.

基于Siamese卷积神经网络的指静脉识别

针对在指静脉识别中特征提取困难以及深度学习方法在添加新类别时需要重新学习的问题,提出使用Siamese卷积神经网络进行指静脉相似度计算的识别方法。首先利用Sobel算子对图像边缘检测,通过形态学处理提取感兴趣区域(ROI),获取识别图像;其次,构建卷积神经网络提取有效的特征编码,在Siamese网络中使用编码计算距离,并使用三元组损失函数定义目标函数。实验结果表明,在公开的指静脉数据库验证,提出的算法获得较高的识别准确率,在指静脉识别中具有一定的实用价值。

基于多模式LBP与深度森林的指静脉识别

深度森林(gc Forest)是基于深度模型提出的级联随机森林集合方法,以解决深度学习网络模型中对大样本训练数据和对设备要求过高的问题。深度森林不像深度神经网络那样具有很多的调节参数,对训练模型的选取需要耗费大量的时间与精力,gc Forest允许使用者可以根据设备的资源决定训练的耗费,且能自适应地调节训练模型层数。指静脉图像含有丰富的纹理信息,文中基于多模式LBP提取指静脉图像的基本LBP特征,统一模式LBP分块直方图特征并将它们与深度森林结合取得的识别率达到99.46%,训练时间大幅减少,并解决了gc Forest在旋转适应性方面的不足。与随机森林分类器(random forest)、KNN分类器、支持向量机分类器(SVM)、罗格斯特回归分类器(logistic regression)等进行比较,证明了深度森林识别器的有效性。

基于贝叶斯的指静脉识别算法及其FPGA实现

针对指静脉识别应用中异源手指匹配计算量大的问题,提出一种基于贝叶斯概率模型指导初步粗匹配的指静脉快速识别算法。首先,使用局部动态阈值法分割静脉纹路特征,并对静脉纹路特征进行形态学处理得到单像素静脉骨架;其次,提取能够有效表征静脉纹路信息的方向匹配点,在此基础上对图像特征分块粗匹配,使用贝叶斯概率模型计算粗匹配概率分布;然后,使用概率分布指导初步粗匹配;最后,使用平均Hausdorff计算指静脉特征距离,得到静脉的匹配结果。在FPGA开发平台实现了图像预处理硬件加速模块,并使用nios ii软核实现图像的特征提取和匹配识别。实验结果表明,所提出的方法能够显著的提高指静脉匹配速度。

指静脉识别技术研究

目的分析指静脉识别技术的发展现状,有助于相关学者快速把握该领域的发展动态。方法围绕指静脉识别技术流程展开,研究当下指静脉图像的采集方式、图像预处理方法、特征提取及匹配的相关算法,并分析各阶段面临的技术难点及可以突破的领域。从多视点融合、多实例融合、多算法融合、多模态融合角度深入分析了近年来兴起的指静脉融合技术,并指出当下指静脉融合技术面临的瓶颈。结论①图像增强领域,对比度和纹理增强研究已经很深入,细小静脉缺失研究还很初步,可以在此领域有所新突破,此外,ROI提取去除的手指静脉也包含着有效信息,目前没有得到有效的研究利用。②特征提取领域,纹理特征较几何分形特征具有较好的局部偏差容忍度,特征匹配领域,深度学习将会开启模式识别的新纪元。③指静脉相关融合技术是当下的研究热点,而其中的多模态融合技术将备受学者青睐。④数据库规模是目前限制指静脉识别技术及相关研究的主要因素。

基于多特征阈值融合的手指静脉识别算法

大部分手指静脉识别算法使用单个特征识别,识别的基本是静脉区域特征。研究发现背景区域对静脉识别也有辅助作用,为此,提出一种融合静脉曲率灰度特征、曲率细线特征及背景曲率灰度特征的阈值识别算法。用高斯模板对图像进行曲率特征提取和分解,得到背景曲率灰度特征和静脉曲率灰度特征,再通过提取曲率特征得到曲率细线特征,并用阈值融合算法将3种静脉图像特征融合起来进行识别。实验表明,所提算法的性能优于基于方向滤波提取细线特征的算法和基于Hessian矩阵提取细线特征的算法。训练样本中,认假率为10-6时,其拒真率最低降至9.13%,性能显著提高。

基于指静脉识别技术的电子护照管理系统设计

针对现有出入境验证系统已无法满足实际需求,根据国际生物特征电子护照技术的发展趋势,满足ICAO电子护照全球计划的要求,采用人脸识别技术和指静脉识别技术等生物特征技术作为电子护照的验证手段,设计电子护照管理系统,进一步提高身份认证的准确性,为以后实际的验证系统提供借鉴。