基于深度学习的虹膜识别算法研究与实现

发布时间：2021-06-22 11:45

　　生物特征识别技术是通过分析研究不同生物个体之间的生理特征或者行为特征区别,从而实现身份认证的一种技术。虹膜识别技术由于其唯一性、稳定性、防伪性等优点,被认为是最有发展前景的生物识别技术。本文针对虹膜识别中的虹膜区域定位、虹膜真伪鉴别、虹膜特征匹配三个方面遇到的问题和相关算法进行分析、研究。主要工作总结如下:（1）针对现有虹膜定位算法容易受到光斑和眼镜边缘等信息干扰,导致虹膜定位失败的问题,提出了改进的边缘定位算法。通过对Hough变换结果进行加权处理,同时建立权值计算模型,从而降低无关边缘信息对定位过程的影响;有效地克服瞳孔光斑和眼镜干扰,提高虹膜定位准确率。（2）针对不法分子伪造虹膜信息欺骗虹膜识别系统的问题,提出了一种多分块阈值分类卷积神经网络虹膜真伪鉴别模型。通过对虹膜数据子块分割,分别对每个子块进行真伪性判断,然后根据阈值结合子块真伪判断结果对虹膜进行真伪鉴别。在一定程度上提升神经网络模型的鉴别准确率。（3）针对虹膜特征匹配问题,提出了基于卷积神经网络的虹膜特征自动学习模型。通过ROI信息提取减少神经网络训练成本,训练得到可以自动学习虹膜特征的网络模型,结合Euclidean距... 

【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

ROC曲线示意图

法简介初，人们就希望利用计算机计算速度快、计算结果准确、重特定的任务。比如，统计一本书里每个单词出现的次数或者着计算机使用的不断深入，出现了一些人类解决很简单但是括自然语言的翻译、语音识别、图像识别等。想要让计算机往需要巨量的先验知识来让计算机可以枚举各种可能的情况因此在人工智能发展初期，应用场景被严格限制，在某些特智能，比如击败国际象棋大师卡斯帕罗夫的深蓝。为了解决和深度学习的概念应运而生。法一般包含若干个不同层次神经元，这些神经元按照作用不同个输出层。输入层主要负责数据的输入，隐藏层作用是对输输出层主要用于输出神经网络的计算结果。图 2-3 展示了输入层 隐藏层 输出层

第二章 相关技术介绍层。卷积层是网络结构中最为重要的部分，卷积层的本质是一个数据过器将当前层数据的一个子矩阵转化成一个单位节点矩阵，单位节点矩阵不限的矩阵。常见的过滤器尺寸有3 3或5 5，对于层次靠前的卷积层而更快的提取图像特征。对于靠近输出层的卷积层，此时处理数据为维息，一般指定较小的卷积核从而尽可能的保留整体纹理信息。前向传播过程即为通过子矩阵卷积计算得到单位节点矩阵的过程。首先器卷积计算，然后对卷积结果加上一个偏置量便得到卷积层数据。其过 n n 1nj i ij ni jX f X w b 是网络层数，w 为卷积滤波器参数，nb 为偏置量， f ( x) 为激活函数。图，卷积过程中将 的原始信息经过2 2的卷积核，最终得到 的8 16

【参考文献】：
期刊论文
[1]基于矢量场卷积的虹膜定位[J]. 马义德,周丽君,李园.  红外与激光工程. 2014(10)
[2]基于改进粒子群的虹膜定位算法[J]. 邹德旋,王鑫,陈传虎,段纳.  光学精密工程. 2014(04)

博士论文
[1]虹膜定位和识别算法的研究[D]. 陈英.吉林大学 2014

硕士论文
[1]基于深度学习的虹膜图像加密与活体检测算法研究[D]. 张庆.中国矿业大学 2017



本文编号：3242779