基于深度学习的掌纹识别技术研究

发布时间：2021-05-19 18:05

　　随着互联网技术的迅猛发展和移动终端的广泛普及,人们对应用系统的安全性、实用性和有效性提出了更高的要求。掌纹识别技术为部署更加安全可靠的访问控制系统、加强私有信息保护以及实现高性能的身份识别提供了新的思路,成为模式识别、计算机视觉和信息安全领域的研究热点,在民生、金融、安防、刑侦和反恐等领域得到了广泛应用。近些年来,掌纹识别的应用场景从高度约束的接触式系统向移动端和互联网应用转变,由此带来了一系列的低约束掌纹识别问题。由于图像采集不限定采集环境且不限制手的方向和姿态,掌纹图像中普遍存在旋转、尺度变化、运动模糊、噪声、光线条件不佳以及图像失真等问题,因此,低约束掌纹识别面临巨大的挑战。针对此问题,本文利用深度学习技术,对低约束条件下的在线掌纹识别和警用掌纹识别进行了研究,主要包括以下四个方面:（1）提出了一种掌纹感兴趣区（Region of Interest,简称ROI）提取方法,能够适应掌纹数据采集中的光照变化、手部运动等复杂环境。为了确定最适合手部区域分割的颜色通道,利用主成分分析和皮尔逊双峰指数查找最具有判别力的颜色分量,旨在保留图像的固有色度,减弱光照对图像分割的影响。其次,利用基... 

【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校

【文章页数】：129 页

【学位级别】：博士

【文章目录】：
致谢
摘要
ABSTRACT
主要符号对照表
1 绪论
    1.1 研究背景及意义
    1.2 低约束掌纹识别研究现状
        1.2.1 掌纹感兴趣区提取方法
        1.2.2 基于手工特征的掌纹识别方法
        1.2.3 基于深度特征的掌纹识别方法
    1.3 主要研究内容
    1.4 论文的组织结构
2 掌纹识别相关理论概述
    2.1 掌纹识别系统框架和评价指标
        2.1.1 系统框架
        2.1.2 评价指标
    2.2 低约束掌纹识别相关研究进展
        2.2.1 非接触式掌纹ROI提取方法
        2.2.2 基于手部图像的性别分类方法
        2.2.3 抗模糊和抗噪的掌纹识别方法
    2.3 掌纹识别模型相关网络层概述
    2.4 掌纹图像数据库
        2.4.1 公开的掌纹图像数据库
        2.4.2 自建的掌纹图像数据库
    2.5 本章小结
3 复杂场景下的掌纹感兴趣区提取
    3.1 算法框架
    3.2 手部区域分割
        3.2.1 颜色分量选择
        3.2.2 图像分割
    3.3 手部轮廓提取
    3.4 ROI图像提取
        3.4.1 凸包和凸缺陷
        3.4.2 手指间谷点定位
        3.4.3 ROI图像校准
    3.5 实验结果
        3.5.1 训练集和测试集的划分方案
        3.5.2 掌纹ROI提取方法的精度实验
        3.5.3 颜色分量的有效性评估实验
    3.6 本章小结
4 融合性别先验的在线掌纹识别
    4.1 相关工作
    4.2 基于掌纹的身份识别模型
    4.3 基于掌纹的性别分类模型
    4.4 融合性别先验的掌纹识别模型
    4.5 实验结果
        4.5.1 训练集和测试集的划分方案
        4.5.2 身份识别方法的精度实验
        4.5.3 性别分类方法的精度实验
        4.5.4 融合性别先验的掌纹识别方法的精度实验
        4.5.5 掌纹识别方法的计算时间实验
        4.5.6 性别分类方法的计算时间实验
    4.6 本章小结
5 鲁棒的非接触式掌纹识别
    5.1 相关工作
    5.2 运动模糊和噪声的数学建模
    5.3 基于残差网络的掌纹识别模型
    5.4 实验结果
        5.4.1 训练集和测试集的划分方案
        5.4.2 掌纹识别方法的精度实验
        5.4.3 掌纹识别方法的鲁棒性评估实验
    5.5 本章小结
6 开放环境下的端到端掌纹识别
    6.1 相关工作
    6.2 掌纹识别模型的网络模块
        6.2.1 手掌关键参考点定位
        6.2.2 图像空间变换器
        6.2.3 图像校准和特征提取网络
    6.3 端到端的掌纹识别模型
    6.4 掌纹识别模型的训练策略
        6.4.1 定位网络的训练策略
        6.4.2 FERnet的训练策略
        6.4.3 EE-PRnet的训练策略
    6.5 实验结果
        6.5.1 掌纹图像数据库的相关信息
        6.5.2 训练集和测试集的划分方案
        6.5.3 在NTU-PI-v1上训练策略和分类器的有效性评估实验
        6.5.4 在基准掌纹库上训练策略的有效性评估实验
        6.5.5 在五个掌纹库上掌纹识别方法的精度实验
    6.6 本章小结
7 总结与展望
    7.1 本文工作总结
    7.2 未来工作展望
参考文献
作者简历及攻读博士学位期间取得的研究成果
学位论文数据集


【参考文献】：
期刊论文
[1]一种改进的BDPCA掌纹识别方法[J]. 薛延学,刘一杰,刘超,白晓辉.  计算机工程与应用. 2014(15)
[2]掌纹识别算法综述[J]. 岳峰,左旺孟,张大鹏.  自动化学报. 2010(03)
[3]应用掌纹自动识别系统侦破11年前一起命案的思考[J]. 朱建华.  警察技术. 2009(02)
[4]基于快速C均值聚类算法的烧结断面图像分割[J]. 杜培明,李文丰,高尚义.  中国仪器仪表. 2008(03)
[5]基于Gabor滤波器和LBP的分级掌纹识别[J]. 练秋生,刘春亮.  计算机工程与应用. 2007(06)

博士论文
[1]基于多光谱和2D/3D掌纹的识别与融合方法研究[D]. 崔金荣.哈尔滨工业大学 2015
[2]非接触成像方式下手掌特征提取方法研究[D]. 李威.沈阳工业大学 2013

硕士论文
[1]基于DCT的多颜色通道融合的掌纹识别算法研究[D]. 周佳佳.北京交通大学 2009



本文编号：3196203