关键词:
生物特征识别
手掌静脉识别
非接触
近红外光图像
卷积神经网络(CNN)
摘要:
目的基于手掌静脉的身份识别需要在近红外光下采集手掌血管图像,安全性高。开放环境下的非接触式采集,相对于传统的将手掌放到采集箱体内固定栓上的采集方式更受用户欢迎。但开放环境带来的可见光干扰和非接触拍摄带来的图像旋转、平移、比例缩放、光照改变使得识别具有挑战性。针对以上两个难点,研究了一种基于非监督卷积神经网络的方法。方法在卷积层中结合主成分分析(principal component analysis,PCA)滤波器提取主元信息,减少由于可见光引起的噪声影响;以固定尺寸Gabor滤波器为多尺度自适应Gabor滤波器提供先验知识,克服图像因几何与光照改变对识别产生的干扰,用以增强掌脉稳定特征,提升识别性能,再以二值化方式降低数据量,最后使用自适应K近邻(K-nearest neighbors,KNN)的变体分类器进行分类识别。结果采用自建图库、同济图库和PolyU-NIR图库进行实验分析,在3个图库中的等误率分别为0.2899%、0.2113%和0.1586%,误拒率和误识率分别为0.0027和2.3188、0.0023和1.2821、0.0000和1.5962。结论与传统方法以及经典网络方法相比,该方法能有效提高识别准确率,适用于对安全性要求较高的场合进行身份识别,具有实用价值。