公开(公告)号：CN114299559A

公开(公告)日：2022-04-08

申请号：CN202111617415.X

申请日：2021-12-27

Applicant: 杭州电子科技大学

Inventor： 沈雷 ,  牟家乐 ,  徐文贵

IPC: G06V40/14 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本文公开了一种基于轻量级融合全局与局部特征网络的指静脉识别方法。1、构造数据集,并划分训练集和测试集；2、基于轻量级残差单元，设计轻量级融合全局与局部特征网络FGL‑MobileNet；3、设计基于融合全局与局部特征的FGL‑Net网络，包括基于改进残差网络的主干网络和全局特征与局部特征提取模块；4、设计网络损失函数；5、训练整个FGL‑MobileNet网络模型，直至迭代训练整个训练集若干次；6、将测试集图像输入训练好的FGL‑MobileNet网络模型中提取手指静脉特征并进行识别比对。本发明通过堆叠该单元搭建FGL‑MobileNet，使得网络能够快速有效的扩大指静脉特征的感受野从而获取更加丰富的指静脉细节特征，使得提取的指静脉特征更具区分力，同时网络参数量也得到大大降低。

公开(公告)号：CN114299559B

公开(公告)日：2025-02-07

申请号：CN202111617415.X

申请日：2021-12-27

Applicant: 杭州电子科技大学

Inventor： 沈雷 ,  牟家乐 ,  徐文贵

IPC: G06V40/14 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/096 ,  G06N3/045

Abstract: 本文公开了一种基于轻量级融合全局与局部特征网络的指静脉识别方法。1、构造数据集,并划分训练集和测试集；2、基于轻量级残差单元，设计轻量级融合全局与局部特征网络FGL‑MobileNet；3、设计基于融合全局与局部特征的FGL‑Net网络，包括基于改进残差网络的主干网络和全局特征与局部特征提取模块；4、设计网络损失函数；5、训练整个FGL‑MobileNet网络模型，直至迭代训练整个训练集若干次；6、将测试集图像输入训练好的FGL‑MobileNet网络模型中提取手指静脉特征并进行识别比对。本发明通过堆叠该单元搭建FGL‑MobileNet，使得网络能够快速有效的扩大指静脉特征的感受野从而获取更加丰富的指静脉细节特征，使得提取的指静脉特征更具区分力，同时网络参数量也得到大大降低。