基于曲面类型与深度学习融合的三维掌纹识别技术
传统的2维掌纹识别在图像采集时容易受到干湿度、残影和压力等影响,使得其鲁棒性和准确性降低.为解决这些问题,3维掌纹识别技术应运而生.现有的3维掌纹身份认证技术需要将掌纹的特征提取与匹配识别分开进行,不仅延缓了识别时间,更增加了不同方法优化组合的难度.该文提出一种基于曲面类型(ST)与深度学习融合的3维掌纹识别方法.该方法利用ST图像表示3维掌纹特征,并将其作为卷积神经网络(CNN)的输入,实现网络的训练.测试图像可自行提取掌纹图像特征信息并在网络中直接完成识别.实验结果表明,该文方法在公开数据集上得到了99.43%的准确率和28?ms的识别时间,与传统3维掌纹识别方法相比均有提高,实现了3维掌纹的快速高精度识别.
3维掌纹识别、曲面类型、深度学习、卷积神经网络
44
TN911.73;TP391.4
国家自然科学基金;重大科学仪器设备开发重点专项
2022-04-24(万方平台首次上网日期,不代表论文的发表时间)
共7页
1469-1475