(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210210332.7 (22)申请日 2022.03.03 (71)申请人 湖南中科助英智能科技研究院有限 公司 地址 410000 湖南省长 沙市岳麓区桐梓坡 路96号 (72)发明人 谢剑斌　曹祺　 (74)专利代理 机构 长沙国科天河知识产权代理 有限公司 432 25 专利代理师 赵小龙 (51)Int.Cl. G06V 40/14(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于Gabor-Siamese网络的静脉识别方 法及装置 (57)摘要 本发明公开了一种基于Gabor ‑Siamese网络 的静脉识别方法， 包括： 采集手部静脉图像； 预处 理得到由若干静脉纹路图像构成的训练集； 将训 练集作为Gabor ‑Siamese网络 的输入， 利用无监 督学习方法训练Gabor ‑Siamese网络， 得到静脉 识别模型； 将待检测静脉图像与数据库中的已有 静脉图像进行比较来完成身份识别。 本发明应用 于生物识别领域， 采用无监督学习方法， 解决了 静脉识别中由于静脉图像数据量缺少导致模型 训练不足的问题， 并采用Siamese孪生网络对静 脉图像进行比较， 得到两个特征向量， 通过比较 特征向量的相似度完成静脉识别的功能， 在新用 户添加时不需要重新进行网络训练， 更方便现实 使用。 权利要求书2页 说明书6页 附图1页 CN 114973343 A 2022.08.30 CN 114973343 A 1.一种基于Gabor ‑Siamese网络的静脉识别方法， 其特 征在于， 包括如下步骤： 步骤1， 采集手部静脉图像； 步骤2， 对手部静脉图像进行 预处理， 得到由若干静脉纹路图像构成的训练集； 步骤3， 将训练集作为Gabor ‑Siamese网络的输入， 利用无监督学习方法训练Gabor ‑ Siamese网络， 得到静脉识别模型； 步骤4， 基于静脉识别模型将待检测静脉图像与数据库中的已有静脉图像进行比较来 完成身份识别。 2.根据权利要求1所述基于Gabor ‑Siamese网络的静脉识别方法， 其特征在于， 步骤3的 具体过程 为： 将训练集中相同手部的不同静脉纹路图像进行同一个编号， 将不同手部的不同静脉纹 路图像进行不同编号； 将任意两个编号相同与一个编号不同的三张静脉纹路图像作为Gabor ‑Siamese网络的 输入， 通过Gabor卷积层对静脉纹路图像进行特征提取， 输出三个静脉纹路图像的特征模 型； 将两个编号相同的静脉图像特征模型的距离记为dp， 将两个编号不同的静脉图像特征 模型的距离记为dn； 通过损失函数的计算将编 号相同的静脉图像之间的特征距离逐渐缩小， 不同静脉之间 的距离逐渐扩大， 再通过反向传递与随机梯度下降的方法对 模型进行优化。 3.根据权利要求2所述基于Gabor ‑Siamese网络 的静脉识别方法， 其特征在于， 所述损 失函数为： losses＝max(dp‑dn+margin,0) 式中， losses为损失函数， dp表示来自同一识别对 象两张静脉图像的特征距离， dn表示 来自不同识别对象两张静脉图像的特 征距离， margi n为了防止出现负值而造成梯度消失； 通过损失函数的计算， 相同识别对象的dp逐渐减小而不同识别图像的dn逐渐增大的时 候损失函数的值会慢慢下降， 再经过反向传递与梯度下降可以不断的优化静脉识别模型做 到准确识别静脉纹路。 4.根据权利要求1或2或3所述基于Gabor ‑Siamese网络的静脉识别方法， 其特征在于， 所述Gabor ‑Siamese网络的为权 重共享的孪生网络 。 5.根据权利要求1或2或3所述基于Gabor ‑Siamese网络的静脉识别方法， 其特征在于， 步骤1中， 所述采集手部静脉图像的途径包括网络开源的静脉 数据集与自采的静脉图像。 6.根据权利要求1或2或3所述基于Gabor ‑Siamese网络的静脉识别方法， 其特征在于， 步骤1中， 所述对手部静脉进行 预处理具体包括： 通过对手部静脉图像中的静脉纹路边缘检测得到静脉区域， 再通过边界上的特殊点坐 标来定位、 截取静脉纹路图像， 最后对静脉纹路图像进行图像增强处 理。 7.根据权利要求6所述基于Gabor ‑Siamese网络 的静脉识别方法， 其特征在于， 所述图 像增强处 理包括图像滤波、 灰度均衡、 直方图均衡。 8.一种基于Gabor ‑Siamese网络的静脉识别装置， 其特 征在于， 包括： 样本获取模块， 采集手部静脉图像； 图像处理模块， 用于对手部静脉图像进行图像预处理， 形成由若干静脉纹路图像构成权　利　要　求　书 1/2 页 2 CN 114973343 A 2的训练集； 模型训练模块， 用于利用训练集训练Gabor ‑Siamese网络， 得到训练完成的静脉识别模 型； 静脉识别模块， 用于获取待检测静脉图像， 并根据静脉识别模型对待检测静脉图像进 行识别。 9.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处理器执行所述计算机程序时实现权利要求 1至7中任一项 所述方法的部 分或全部 步骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1至7中任一项所述的方法的部分或全部步骤。权　利　要　求　书 2/2 页 3 CN 114973343 A 3