近年来,生物特征识别技术取得了快速的发展,从单一模态下身份识别逐渐演变为融合多模态特征的身份识别。其中基于掌纹和掌静脉的身份识别技术是一大研究热点,如何实现实时非接触式手掌识别仍然存在挑战。本文中我们采用双目相机同时获...近年来,生物特征识别技术取得了快速的发展,从单一模态下身份识别逐渐演变为融合多模态特征的身份识别。其中基于掌纹和掌静脉的身份识别技术是一大研究热点,如何实现实时非接触式手掌识别仍然存在挑战。本文中我们采用双目相机同时获取可见光和近红外光手掌图像,基于手掌关键点检测来定位感兴趣区域,并设计了一个融合Log-Gabor卷积的掌纹和掌静脉网络(Log-Gaborconvolution Palmprint and Vein Network,LogPVNet),该网络采用双支路并行特征提取结构,并设计了参数自适应Log-Gabor卷积以及多感受野特征融合模块,显著提升了双模态图像纹理特征的提取能力。在CASIA-PV和TJU-PV两个公开的掌纹和掌静脉数据集和自建数据集——SWUST-PV上进行方法测试,实验结果表明:所提出的方法在保证识别精度达到99.9%以上,等误率值低至0.0012%或以下的情况下,模型参数量与基础模型相比降低76%,浮点计算量降低81%,实现了模型的轻量化。展开更多
文摘近年来,生物特征识别技术取得了快速的发展,从单一模态下身份识别逐渐演变为融合多模态特征的身份识别。其中基于掌纹和掌静脉的身份识别技术是一大研究热点,如何实现实时非接触式手掌识别仍然存在挑战。本文中我们采用双目相机同时获取可见光和近红外光手掌图像,基于手掌关键点检测来定位感兴趣区域,并设计了一个融合Log-Gabor卷积的掌纹和掌静脉网络(Log-Gaborconvolution Palmprint and Vein Network,LogPVNet),该网络采用双支路并行特征提取结构,并设计了参数自适应Log-Gabor卷积以及多感受野特征融合模块,显著提升了双模态图像纹理特征的提取能力。在CASIA-PV和TJU-PV两个公开的掌纹和掌静脉数据集和自建数据集——SWUST-PV上进行方法测试,实验结果表明:所提出的方法在保证识别精度达到99.9%以上,等误率值低至0.0012%或以下的情况下,模型参数量与基础模型相比降低76%,浮点计算量降低81%,实现了模型的轻量化。
