基于质量评价与特征提取网络的手指静脉识别

摘要：

在利用手指静脉信息进行个人身份识别认证的系统中,采集到的手指静脉图像质量的好坏以及图像特征提取算法的性能直接影响着系统识别的准确性.针对以上两个核心问题,提出了基于神经网络学习的手指静脉图像质量判断与特征提取技术,并将图像质量判断、特征提取与匹配集成为一个完整的识别系统.在采集手指静脉图像时,利用经过训练的轻量级的MobileNet-V2 网络,判断图像质量,仅保留质量较好的图像,将其用于后续个人身份识别与验证;对特征提取网络的设计,提出了基于平滑平均准确度损失函数的ResNet模型,提高了原网络的特征提取能力.最后,利用余弦相似度进行特征匹配,获得待识别人的身份信息.实验结果表明,所提出的方法在公开的山东大学和香港理工大学手指静脉数据库上分别得到 3.855%和3.699%的等误率值,比基于差分图像+VGG网络识别等方法至少降低了 1.311%.并且,所设计的识别系统对于自建手指静脉图像数据库,达到了 99.30%的识别率.

关键词：手指静脉识别、卷积神经网络、特征提取、质量判断

所属期刊栏目：40

分类号：TP391.4(计算技术、计算机技术)

资助基金：四川省科技计划;西南科技大学龙山学术人才科研支持计划;西南科技大学大学生创新基金项目

在线出版日期：2023-08-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：440-446