本發(fā)明屬于手指靜脈識別，具體涉及一種單樣本手指靜脈識別方法。

背景技術(shù)：

1、隨著信息化的發(fā)展，信息安全是信息化時代的一個關(guān)鍵問題。通過生物特征技術(shù)準(zhǔn)確鑒定用戶的身份，是保護(hù)個人信息安全的重要途徑，因此誕生了如指紋識別、人臉識別等生物特征識別技術(shù)，并廣泛用于信息安全領(lǐng)域。手指靜脈識別技術(shù)是一種新型的生物特征識別技術(shù)，其原理是通過人的手指中靜脈血管分布情況，用于鑒別個人。手指靜脈識別技術(shù)采用紅外波照射手指獲得靜脈血管圖像，再對圖像進(jìn)行處理，得到生物特征，最后將生物特征與數(shù)據(jù)庫進(jìn)行匹配，確定用戶身份。與其他生物特征識別不同，手指靜脈是在人的血液流動時，才能通過特定波長光線照射成像而得到手指靜脈的清晰圖像，難以偽造，這在很大程度上提升了信息安全等級。

2、現(xiàn)有的手指靜脈識別技術(shù)需要較多的樣本作為訓(xùn)練數(shù)據(jù)來訓(xùn)練模型，才能使得模型達(dá)到較高的識別精度。但獲取大量訓(xùn)練數(shù)據(jù)耗時費(fèi)力，且用戶可能不配合，使得獲取數(shù)據(jù)時存在一定的阻力，因此這樣的方法效率較低。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明公開了單樣本手指靜脈識別方法，用于手指靜脈的識別。本方法每個用戶只需要采集一張訓(xùn)練圖像就能訓(xùn)練出識別效率較高的識別模型，從而減少采集訓(xùn)練樣本的工作，提高效率。

2、本發(fā)明中的單樣本手指靜脈識別方法，包括：

3、步驟1，利用每位用戶的單個手指靜脈圖像訓(xùn)練樣本以及該訓(xùn)練樣本的多尺度、多方向變換結(jié)果，通過生成網(wǎng)絡(luò)g和判別網(wǎng)絡(luò)d的對抗訓(xùn)練用于生成的生成網(wǎng)絡(luò)g；

4、步驟2，對抗訓(xùn)練用于手指靜脈圖像的識別模型，包括

5、首輪訓(xùn)練時，向訓(xùn)練好的生成網(wǎng)絡(luò)g輸入隨機(jī)噪聲z得到偽樣本，以偽樣本和真實(shí)訓(xùn)練樣本共同形成訓(xùn)練樣本集，并以此訓(xùn)練手指靜脈圖像識別網(wǎng)絡(luò)；

6、當(dāng)前訓(xùn)練過程中識別網(wǎng)絡(luò)的偏差loss如下：

7、

8、其中，x表示識別網(wǎng)絡(luò)的分類輸出，class表示真實(shí)的分類標(biāo)簽；

9、再用loss調(diào)整識別模型的參數(shù)，同時對噪聲z進(jìn)行更新，loss對識別模型的調(diào)整采用最大梯度下降法，loss對噪聲z的調(diào)整如下公式：

10、znext＝z+(z-z′)/(loss-loss′)

11、其中，znext是下一輪訓(xùn)練時輸入生成網(wǎng)絡(luò)的噪聲，z是當(dāng)前訓(xùn)練使用的噪聲，z′是上一輪訓(xùn)練時使用的噪聲，loss′是上一次訓(xùn)練時識別網(wǎng)絡(luò)的偏差；

12、且隨后的訓(xùn)練中持續(xù)更新znext作為下一輪訓(xùn)練時輸入生成網(wǎng)絡(luò)的噪聲，并重復(fù)訓(xùn)練過程直至網(wǎng)絡(luò)收斂，得到訓(xùn)練好的識別網(wǎng)絡(luò)，且隨后的訓(xùn)練中；

13、步驟3，利用步驟2中訓(xùn)練好的手指靜脈圖像識別網(wǎng)絡(luò)識別手指靜脈圖像。

14、進(jìn)一步的，步驟1中采用singan模型進(jìn)行網(wǎng)絡(luò)g和網(wǎng)絡(luò)d的對抗訓(xùn)練。

15、進(jìn)一步的，步驟1中單個手指靜脈圖像訓(xùn)練樣本通過多尺度、多方向變換得到原圖、原圖旋轉(zhuǎn)90度，原圖縮小1/2、原圖縮小1/2+旋轉(zhuǎn)90度四個不同的圖像。

16、進(jìn)一步的，所述識別網(wǎng)絡(luò)為殘差網(wǎng)絡(luò)。

17、進(jìn)一步的，生成網(wǎng)絡(luò)g的對抗訓(xùn)練針對以下目標(biāo)進(jìn)行網(wǎng)絡(luò)參數(shù)的優(yōu)化：

18、

19、lrec(g)＝||g(z)-x||2，

20、其中g(shù)，d分別表示gan的生成網(wǎng)絡(luò)和判別網(wǎng)絡(luò)，ladv(g,d)表示樣本x采樣塊的分布和生成塊的分布的差異，α為固定系數(shù)，優(yōu)化采用但不限于梯度下降法，利用adam優(yōu)化器來實(shí)施。

21、本發(fā)明通過所提出的循環(huán)神經(jīng)網(wǎng)絡(luò)-擴(kuò)散模型，能夠生成高質(zhì)量的數(shù)據(jù)，由此增加訓(xùn)練樣本，進(jìn)而在手指靜脈圖像識別網(wǎng)絡(luò)的訓(xùn)練過程中，每個用戶只需要提供一個訓(xùn)練樣本即可訓(xùn)練出識別精度較高的模型；通過本發(fā)明所提出的模型可以減少訓(xùn)練數(shù)據(jù)的需求，訓(xùn)練識別模型時產(chǎn)生的loss用于調(diào)整識別模型參數(shù)，同時該loss也用于調(diào)整噪聲z，從兩個方面促進(jìn)識別網(wǎng)絡(luò)的訓(xùn)練，從而簡化采集用戶數(shù)據(jù)，提高整體識別率，并提高模型的效率。

技術(shù)特征：

1.一種單樣本手指靜脈識別方法，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，步驟1中采用singan模型進(jìn)行網(wǎng)絡(luò)g和網(wǎng)絡(luò)d的對抗訓(xùn)練。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，步驟1中單個手指靜脈圖像訓(xùn)練樣本通過多尺度、多方向變換得到原圖、原圖旋轉(zhuǎn)90度，原圖縮小1/2、原圖縮小1/2+旋轉(zhuǎn)90度四個不同的圖像。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述識別網(wǎng)絡(luò)為殘差網(wǎng)絡(luò)。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，生成網(wǎng)絡(luò)g的對抗訓(xùn)練針對以下目標(biāo)進(jìn)行網(wǎng)絡(luò)參數(shù)的優(yōu)化：

技術(shù)總結(jié)
本發(fā)明屬于手指靜脈識別技術(shù)領(lǐng)域，具體涉及一種單樣本手指靜脈識別方法。步驟1，利用每位用戶的單個手指靜脈圖像訓(xùn)練樣本以及該訓(xùn)練樣本的多尺度、多方向變換結(jié)果，通過生成網(wǎng)絡(luò)G和判別網(wǎng)絡(luò)D的對抗訓(xùn)練用于生成的生成網(wǎng)絡(luò)G；步驟2，對抗訓(xùn)練用于手指靜脈圖像的識別模型，包括首輪訓(xùn)練時，向訓(xùn)練好的生成網(wǎng)絡(luò)G輸入隨機(jī)噪聲Z得到偽樣本，以偽樣本和真實(shí)訓(xùn)練樣本共同形成訓(xùn)練樣本集，并以此訓(xùn)練手指靜脈圖像識別網(wǎng)絡(luò)，訓(xùn)練中調(diào)整識別模型的參數(shù)，同時對噪聲Z進(jìn)行更新，步驟3，利用步驟2中訓(xùn)練好的手指靜脈圖像識別網(wǎng)絡(luò)識別手指靜脈圖像。通過本發(fā)明所提出的模型可以減少訓(xùn)練數(shù)據(jù)的需求，提高模型的效率。

技術(shù)研發(fā)人員：劉崇文,秦華鋒,楊開元
受保護(hù)的技術(shù)使用者：重慶工商大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9