10.16526/j.cnki.11-4762/tp.2019.07.043
优化视觉聚焦点的手背静脉识别方法
传统的手背静脉身份识别研究对旋转,平移,尺度变化敏感,极大地影响了识别率;因此该文在非限定采集者手背姿势的情况下,将人类视觉注意力机制与神经网络结合,针对旋转,平移,尺度变化等问题提出了优化视觉聚焦点的循环神经网络模型;该模型自适应寻找手背静脉聚焦点,以聚焦点为中心,截取局部ROI区域,送人循环神经网络训练各局部区域的序列关联性;该文的优化方法如下:在选取聚焦点时,加入正态分布噪声;对聚集点的个数进行约束;截取多尺度局部ROI;训练时采用强化学习中的策略梯度下降法和最优化的无偏估计交叉熵损失函数;将该循环神经网络网络模型在多形态的手背静脉数据中进行实验验证,识别率达到99.3%,与传统的局部特征提取方法相比,极大的提高了手背静脉的识别率.
机器学习、视觉注意力机制、循环神经网络、强化学习、视觉图像处理
27
TP39(计算技术、计算机技术)
国家自然科学基金项目61673021
2019-08-07(万方平台首次上网日期,不代表论文的发表时间)
共5页
200-204