-
公开(公告)号：CN114299560A
公开(公告)日：2022-04-08
申请号：CN202111617435.7
申请日：2021-12-27
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种真实人体指静脉检测方法。本发明具体包括如下步骤：1、制作数据集，本次数据集划分为训练集和测试集两部分，为了增加数据集的多样性，将训练集和测试集中添加正常清晰图像、模糊图像、脏污受损图像来模拟生活中常见图像类型；2、构建基于加权差分卷积与梯度方向残差单元的真实人体指静脉检测模型。本发明利用局部邻域关系挖掘指静脉图像中对环境变化鲁棒的细节纹理特征，增加特征稳定性，提升了算法的泛化性能。同时本发明对低质量的真实和虚假人体指静脉图像的梯度方向图进行分析，针对真伪样本材质细节纹理存在差异的特点，提出了梯度方向残差单元结构，通过水平梯度和垂直梯度获取梯度方向特征，增强网络梯度方向特征表达。
-
Patent Agency Ranking
公开(公告)号：CN112580590A
公开(公告)日：2021-03-30
申请号：CN202011593048.X
申请日：2020-12-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多语义特征融合网络的指静脉识别方法。首先采集指静脉图像，并进行数据增强，制作训练集、测试集；然后搭建特征提取网络，包括输入层、改进的残差模块、特征融合预处理模块、池化层和全连接层；再构建损失函数；通过训练集训练特征提取网络；最后将测试集中的待分类图像输入到训练好的特征提取网络模型中，获取待分类图像的图像特征，并且对特征进行匹配计算，获取识别结果。本发明方法有效得提升了指静脉图像识别率，与其他方法相比拒识率均有明显下降。
-
公开(公告)号：CN114299560B
公开(公告)日：2025-04-15
申请号：CN202111617435.7
申请日：2021-12-27
Applicant: 杭州电子科技大学
IPC: G06V40/14 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种真实人体指静脉检测方法。本发明具体包括如下步骤：1、制作数据集，本次数据集划分为训练集和测试集两部分，为了增加数据集的多样性，将训练集和测试集中添加正常清晰图像、模糊图像、脏污受损图像来模拟生活中常见图像类型；2、构建基于加权差分卷积与梯度方向残差单元的真实人体指静脉检测模型。本发明利用局部邻域关系挖掘指静脉图像中对环境变化鲁棒的细节纹理特征，增加特征稳定性，提升了算法的泛化性能。同时本发明对低质量的真实和虚假人体指静脉图像的梯度方向图进行分析，针对真伪样本材质细节纹理存在差异的特点，提出了梯度方向残差单元结构，通过水平梯度和垂直梯度获取梯度方向特征，增强网络梯度方向特征表达。
-
公开(公告)号：CN112580590B
公开(公告)日：2024-04-05
申请号：CN202011593048.X
申请日：2020-12-29
Applicant: 杭州电子科技大学
IPC: G06V40/14 , G06V10/82 , G06V10/80 , G06V10/774 , G06V10/74 , G06V10/764 , G06V10/40 , G06N3/045 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于多语义特征融合网络的指静脉识别方法。首先采集指静脉图像，并进行数据增强，制作训练集、测试集；然后搭建特征提取网络，包括输入层、改进的残差模块、特征融合预处理模块、池化层和全连接层；再构建损失函数；通过训练集训练特征提取网络；最后将测试集中的待分类图像输入到训练好的特征提取网络模型中，获取待分类图像的图像特征，并且对特征进行匹配计算，获取识别结果。本发明方法有效得提升了指静脉图像识别率，与其他方法相比拒识率均有明显下降。
-
公开(公告)号：CN112488935B
公开(公告)日：2024-02-06
申请号：CN202011350798.4
申请日：2020-11-26
Applicant: 杭州电子科技大学
IPC: G06T5/77 , G06T5/60 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06T7/11 , G06T7/41
Abstract: 本发明公开了一种基于纹理约束和泊松融合的生成对抗指静脉图像修复方法。本发明步骤如下：S1、利用初步修复卷积网络对受损指静脉图像进行初步修复，得到模糊指静脉图像；S2、基于泊松融合的图像重建，在重建中对指静脉受损区域与周围实际像素边界进行融合获得指静脉图像Ⅰ；S3、基于注意力机制的精确修复卷积网络对步骤S2获取的指静脉图像Ⅰ进行精确修复得到指静脉图像Ⅱ；S4、对步骤S3获取的指静脉图像Ⅱ再次进行图像重建，获得重建后指静脉图像Ⅲ；S5、计算指静脉图像Ⅲ的生成损失；S6、对步骤S5得到的损失进行结合，得到最终的损失函数；S7、判别器网络对重建后指静脉图像Ⅲ进行判决。本发明图像质量和识别率均有提升。
-
公开(公告)号：CN112488935A
公开(公告)日：2021-03-12
申请号：CN202011350798.4
申请日：2020-11-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于纹理约束和泊松融合的生成对抗指静脉图像修复方法。本发明步骤如下：S1、利用初步修复卷积网络对受损指静脉图像进行初步修复，得到模糊指静脉图像；S2、基于泊松融合的图像重建，在重建中对指静脉受损区域与周围实际像素边界进行融合获得指静脉图像Ⅰ；S3、基于注意力机制的精确修复卷积网络对步骤S2获取的指静脉图像Ⅰ进行精确修复得到指静脉图像Ⅱ；S4、对步骤S3获取的指静脉图像Ⅱ再次进行图像重建，获得重建后指静脉图像Ⅲ；S5、计算指静脉图像Ⅲ的生成损失；S6、对步骤S5得到的损失进行结合，得到最终的损失函数；S7、判别器网络对重建后指静脉图像Ⅲ进行判决。本发明图像质量和识别率均有提升。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
