1.基于注意力機(jī)制的bi-gru靜脈識別方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，特征編碼模塊中，令x1：t是一個多視角手指靜脈圖像序列x1，x2，...，xt，對于第t幅圖像xt∈rw×h，其中w表示寬度、h表示高度；
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，特征編碼模塊中，使用輸出通道為d、卷積核大小為p×p、步長為p的卷積對進(jìn)行卷積運(yùn)算得到n個特征向量，表示為其中n＝((w/2)×(h/2))/(p×p)；n個特征向量組合為一個矩陣
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述注意力gru模塊包含三個門控：重置門、選擇門和更新門；
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述注意力gru模塊中，取作為當(dāng)前時刻的輸入，令為第m個尺度上的前一個隱藏狀態(tài)的輸出，將通過多層感知機(jī)映射為三個矩陣和經(jīng)過多層感知機(jī)轉(zhuǎn)換為三個矩陣km、k′m和vm；
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，記t時刻的前向過程和后向過程的輸出分別為和將前向過程和后向過程的輸出進(jìn)行線性映射得如下：
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，利用非線性映射將每個尺度的輸出融合為如下：
8.根據(jù)權(quán)利要求1所述的方法，其特征在于，融合模塊中，特征子圖的計(jì)算過程如下：
9.根據(jù)權(quán)利要求1所述的方法，其特征在于，提取特征子圖間同一位置上得分最高的特征值點(diǎn)形成新的特征矩陣的過程如下所示：
10.根據(jù)權(quán)利要求1所述的方法，其特征在于，提取各時刻特征矩陣間同一位置上得分最高的特征值點(diǎn)形成便沿時間方向融合的特征矩陣y′的過程如下：