基于FV-MViT的指静脉识别方法、装置及相关介质
申请人信息
- 申请人:深圳大学
- 申请人地址:518000 广东省深圳市南山区粤海街道南海大道3688号
- 发明人: 深圳大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于FV-MViT的指静脉识别方法、装置及相关介质 |
| 专利类型 | 发明授权 |
| 申请号 | CN202410000951.2 |
| 申请日 | 2024/1/2 |
| 公告号 | CN117496562B |
| 公开日 | 2024/3/29 |
| IPC主分类号 | G06V40/14 |
| 权利人 | 深圳大学 |
| 发明人 | 李雄军; 冯晋; 蔡继林; 林国文 |
| 地址 | 广东省深圳市南山区南海大道3688号 |
摘要文本
本发明公开了基于FV‑MViT的指静脉识别方法、装置及相关介质，该方法包括：获取多张指静脉训练图像；针对每一所述指静脉训练图像，使用限制对比度自适应直方图均衡化进行图像增强，并对增强后的图像提取Mini‑ROI区域特征；采用多个MobileViT2块、Mul‑MobileViT2块以及Enhanced MobileViT块构建得到FV‑MViT的指静脉识别模型；将所述Mini‑ROI区域特征输入至所述指静脉识别模型进行训练学习，并由所述指静脉识别模型输出对应的指静脉预测结果；通过软目标交叉熵损失函数和中心损失函数构建目标损失函数，并利用所述目标损失函数对所述指静脉识别模型进行网络参数更新，然后利用参数更新后的指静脉识别模型对指定的指静脉图像进行指静脉识别。本发明可有效提高对于指静脉识别的准确性和效率。
专利主权项内容
1.一种基于FV-MViT的指静脉识别方法，其特征在于，包括：获取多张指静脉训练图像；针对每一所述指静脉训练图像，使用限制对比度自适应直方图均衡化进行图像增强，并对增强后的图像提取Mini-ROI区域特征；采用多个MobileViT2块、Mul-MobileViT2块以及Enhanced MobileViT块构建得到FV-MViT的指静脉识别模型；将所述Mini-ROI区域特征输入至所述指静脉识别模型进行训练学习，并由所述指静脉识别模型输出对应的指静脉预测结果；通过软目标交叉熵损失函数和中心损失函数构建目标损失函数，并利用所述目标损失函数对所述指静脉识别模型进行网络参数更新，然后利用参数更新后的指静脉识别模型对指定的指静脉图像进行指静脉识别；所述针对每一所述指静脉训练图像，使用限制对比度自适应直方图均衡化进行图像增强，并对增强后的图像提取Mini-ROI区域特征，包括：获取每一所述指静脉训练图像对应的真值标签；按照下式，采用Mixup方法对所述Mini-ROI区域特征进行数据增强处理：
<
<其中，表示Mini-ROI区域特征的数据增强结果， />和/>分别表示第i张指静脉训练图像的Mini-ROI区域特征和第j张指静脉训练图像的Mini-ROI区域特征，/>表示真值标签的数据增强结果， />和/>分别表示第i张指静脉训练图像的真值标签和第j张指静脉训练图像的真值标签，/>表示随机参数；所述通过软目标交叉熵损失函数和中心损失函数构建目标损失函数，包括：按照下式，结合软目标交叉熵损失函数和中心损失函数相结合构建得到所述目标损失函数：
；其中，l表示目标损失函数，l表示软目标交叉熵损失函数，l表示中心损失函数，m表示一个批次Mini-ROI区域特征的数量，n表示Mini-ROI区域特征的特征向量维度，x表示Mini-ROI区域特征，y表示真值标签，表示Mini-ROI区域特征转换为归一化的概率分布，c表示真值标签的类别中心。sc