隨著信息技術(shù)和大數(shù)據(jù)技術(shù)不斷地融入到我們的生活,生物識(shí)別技術(shù)也獲得了蓬勃的發(fā)展。為了保護(hù)公民的個(gè)人隱私和信息安全,越來越多的生物識(shí)別技術(shù)出現(xiàn)在我們的視野中。指靜脈識(shí)別技術(shù),一種較為新穎的生物識(shí)別技術(shù),因其重復(fù)率極低、難以偽造、性狀穩(wěn)定以及需要活體檢測(cè)等特性脫穎而出,取得了長(zhǎng)足的進(jìn)步。指靜脈識(shí)別技術(shù)一般使用紅外攝像頭,依據(jù)手指血液吸收紅外光的原理,形成手指靜脈圖像,并以此為特征進(jìn)行身份驗(yàn)證。為了解決傳統(tǒng)指靜脈識(shí)別算法通常容易受設(shè)備成像質(zhì)量、手指形態(tài)改變或者光照條件的影響的問題,本文針對(duì)基于深度學(xué)習(xí)的指靜脈識(shí)別算法做了研究,主要的工作和貢獻(xiàn)如下所示:第一,提出了一個(gè)使用預(yù)訓(xùn)練網(wǎng)絡(luò)微調(diào)的指靜脈感興趣區(qū)域提取網(wǎng)絡(luò),以解決傳統(tǒng)感興趣區(qū)域提取方法魯棒性、遷移性過差的問題。同時(shí),通過分析對(duì)指靜脈圖像識(shí)別精度影響最大的因素,針對(duì)性的通過數(shù)據(jù)擴(kuò)增擴(kuò)大訓(xùn)練樣本數(shù)據(jù)集的規(guī)模并提高模型的魯棒性。第二,將本文提出的指靜脈感興趣區(qū)域選舉網(wǎng)絡(luò)作為區(qū)域選舉網(wǎng)絡(luò),構(gòu)建了一個(gè)指靜脈特征提取卷積神經(jīng)網(wǎng)絡(luò)（FVR-CNN）。并為了適應(yīng)指靜脈識(shí)別這一零樣本學(xué)習(xí)任務(wù),使用度量學(xué)習(xí)的方法學(xué)習(xí)指靜脈圖像語義,同時(shí)提出了自適應(yīng)感興趣區(qū)... 

【文章來源】：北京郵電大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：74 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－３手指靜脈采集方式圖示及典型的指靜脈圖像【５１??圖１－３?Ｕ）是光透射式采集設(shè)備

自適??應(yīng)感興趣區(qū)域損失函數(shù)與其他損失函數(shù)進(jìn)行了一系列比對(duì)，并做了有效性驗(yàn)證；對(duì)本文改??進(jìn)的難樣本挖掘策略、指靜脈特征提取網(wǎng)絡(luò)的分類分支做了有效性驗(yàn)證；與其他現(xiàn)有方法，??既包括傳統(tǒng)方法，也包括較新的深度學(xué)習(xí)方法，做了對(duì)比。第二大類實(shí)驗(yàn)為對(duì)輕量特征提??取網(wǎng)絡(luò)所做的實(shí)驗(yàn)。這其中包括對(duì)第四章所提出的卷積結(jié)構(gòu)改進(jìn)方法所做的實(shí)驗(yàn)；對(duì)模型??剪枝方法做的對(duì)比實(shí)驗(yàn)；對(duì)模型量化方法做的對(duì)比實(shí)驗(yàn)。同時(shí)，對(duì)以上實(shí)驗(yàn)結(jié)果做了分析。??最后一部分是對(duì)全部工作所做的總結(jié)，同時(shí)展望了未來的研究方向。??圖１－５展示了本文所提出的指靜脈特征提取網(wǎng)絡(luò)的流程圖。??特征圖????推理結(jié)果??＾Ｉ議?１?１１?推??輸入圖像?，?８＿?裔理??＾?＼ＫＫ］?＿＿＿ｓＪｊ�。�??＾—？圖細(xì)－化—＊區(qū)域選舉網(wǎng)絡(luò)—Ｈ坐躺量延側(cè)絡(luò)??｜訓(xùn)??－語義向墨：＾??損失函數(shù)＾???圖像分類??圖１－５指靜脈特征提取網(wǎng)絡(luò)流程圖??８??

區(qū)域提取網(wǎng)絡(luò)??感興取區(qū)域的提取是指靜脈識(shí)別系統(tǒng)中極為關(guān)鍵的環(huán)節(jié)，提取優(yōu)秀穩(wěn)定的感興趣區(qū)域??對(duì)于后續(xù)指靜脈識(shí)別系統(tǒng)的精度有著至關(guān)重要的影響。在傳統(tǒng)的指靜脈圖像感興趣區(qū)域提??取方法中，最為普遍的流程是先對(duì)手指靜脈圖像進(jìn)行邊緣檢測(cè)，獲得手指邊緣，然后根據(jù)??手指邊緣進(jìn)行角度校正。得到水平的手指之后將手指內(nèi)的像素值逐行疊加，尋找到亮度最??高的列作為手指關(guān)節(jié)處。最后，根據(jù)手指邊緣的長(zhǎng)度、寬度和手指關(guān)節(jié)的位置確定一個(gè)矩??形窗口作為最終的感興趣區(qū)域。傳統(tǒng)的指靜脈感興趣區(qū)域提取算法的流程如圖２－１所示。??這些傳統(tǒng)方法往往對(duì)于某一數(shù)據(jù)集具有不錯(cuò)的效果，但這些傳統(tǒng)方法的魯棒性和遷移性都??不如人意，無法適應(yīng)多數(shù)據(jù)集聯(lián)合訓(xùn)練。近年來，卷積神經(jīng)網(wǎng)絡(luò)在關(guān)鍵點(diǎn)回歸領(lǐng)域獲得了??越來越廣泛的應(yīng)用，其表現(xiàn)也被越來越多的圖像處理任務(wù)證明。由于卷積神經(jīng)網(wǎng)絡(luò)的定位??精度高、魯棒性好的特性，本文引入卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行指靜脈感興趣區(qū)域提取，提出了兩??種思路的網(wǎng)絡(luò)，通過實(shí)驗(yàn)最終確定使用回歸邊界框的方法，有效地提升了所提取的感興趣??區(qū)域的魯棒性和精度。??獲取圖像一邊緣提泉區(qū)域確定—目標(biāo)區(qū)域??是??角度校正???圖２－１傳統(tǒng)指靜脈感興趣區(qū)域提取算法流程圖??２．１指靜脈感興趣區(qū)域提取網(wǎng)絡(luò)設(shè)計(jì)??使用卷積神經(jīng)網(wǎng)絡(luò)提取感興趣區(qū)域有兩種思路：一種是使用邊界框選定感興趣區(qū)域的??范圍，并通過卷積神經(jīng)網(wǎng)絡(luò)以回歸的方式預(yù)測(cè)邊界框的位置；另一種是將感興趣區(qū)域的邊??界點(diǎn)視為關(guān)鍵點(diǎn)，通過卷積神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)圖上各點(diǎn)是關(guān)鍵點(diǎn)的概率。本節(jié)將介紹兩種思路??的網(wǎng)絡(luò)設(shè)計(jì)。由于指靜脈公開數(shù)據(jù)集的規(guī)模孝數(shù)量少，本文除了使用數(shù)據(jù)增強(qiáng)外還采用??對(duì)預(yù)訓(xùn)練模型進(jìn)行微調(diào)的方

【參考文獻(xiàn)】：
期刊論文
[1]基于擴(kuò)展卷積神經(jīng)網(wǎng)絡(luò)與度量學(xué)習(xí)的指靜脈識(shí)別[J]. 包曉安,涂小妹,徐璐,張娜,吳彪.  浙江理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020(02)
[2]生物特征識(shí)別技術(shù)綜述[J]. 鄭方,艾斯卡爾·肉孜,王仁宇,李藍(lán)天.  信息安全研究. 2016(01)

碩士論文
[1]基于深度學(xué)習(xí)的足球場(chǎng)關(guān)鍵點(diǎn)檢測(cè)[D]. 郭沖.北京郵電大學(xué) 2019
[2]基于深度學(xué)習(xí)的手指靜脈特征提取與防偽檢測(cè)算法研究[D]. 劉霞.重慶工商大學(xué) 2019
[3]深度學(xué)習(xí)的手指靜脈識(shí)別技術(shù)研究[D]. 熊遞恩.重慶理工大學(xué) 2019
[4]基于深度學(xué)習(xí)的指靜脈識(shí)別算法研究[D]. 唐溯.華南理工大學(xué) 2018
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的手指靜脈認(rèn)證算法研究[D]. 胡慧.華南理工大學(xué) 2018



本文編號(hào)：3228964