基于非对称对比融合的双模态生物特征识别方法及系统
摘要文本
本发明公开了一种基于非对称对比融合的双模态生物特征识别方法,涉及生物识别技术领域。本发明创新性地提出了基于非对称对比融合的双模态生物特征识别模型,在掌纹掌静脉融合网络的基础上,设计了一种新的非对称对比学习策略,在单模态的输入级和多模态融合的输出级进行互信息最大化和语义一致性信息的对比学习,该模型结合有监督和无监督的表征学习方法,可以更为灵活和充分地利用数据,减少模型训练对数据标注的依赖,减少任务相关信息的丢失,使模型学习鲁棒性的多模态特征表示,提高身份信息的识别精度。
申请人信息
- 申请人:中国矿业大学
- 申请人地址:221116 江苏省徐州市铜山区大学路一号
- 发明人: 中国矿业大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于非对称对比融合的双模态生物特征识别方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311521995.1 |
| 申请日 | 2023/11/15 |
| 公告号 | CN117523685A |
| 公开日 | 2024/2/6 |
| IPC主分类号 | G06V40/70 |
| 权利人 | 中国矿业大学 |
| 发明人 | 潘在宇; 徐家梦; 姜双天; 王军 |
| 地址 | 江苏省徐州市南郊翟山 |
专利主权项内容
1.一种基于非对称对比融合的双模态生物特征识别方法,其特征在于,包括以下步骤:步骤1、采集n个人的手掌图像,每个人分别采集2a幅掌纹图像和2a幅掌静脉图像,建立图像数据库,并将数据库分为训练集和测试集,训练集和测试集中的手掌图像数量比例为1 : 1,转入步骤2;步骤2、构建第一卷积神经网络E1和第二卷积神经网络E2,第一卷积神经网络E1用于提取掌纹图像的卷积特征图,第二卷积神经网络E2用于提取掌静脉图像的卷积特征图,转入步骤3;步骤3、构建深度融合网络,将掌纹图像的卷积特征图和掌静脉图像的卷积特征图输入深度融合网络,得到融合后的卷积特征图,并构建损失函数L,转入步骤4;CLS步骤4、构建掌纹的卷积特征图与融合后的卷积特征图对应的正样本对和负样本对,同时构建掌静脉的卷积特征图与融合后的卷积特征图对应的正样本对和负样本对,转入步骤5;步骤5、构建非对称对比模块,将构建的所有正样本对和负样本对输入非对称对比模块中,并对所有的正样本对和负样本对构建第一损失函数L,同时对所有的正样本对和负样本对构建第二损失函数L,得到整体网络模型,转入步骤6;ilcl步骤6、构建整体损失函数L,训练整体网络模型,得到训练好的的整体网络模型,转入步骤7;步骤7、将测试集输入训练好的整体网络模型,得到测试集准确度。