基于改进AlexNet卷积神经网络的手掌静脉识别算法研究

发布时间：2021-05-16 23:08

　　在手掌静脉图像采集的过程中易受手掌摆放姿势、光源条件等外界因素的影响,造成识别准确度欠佳。为了提高手掌静脉图像识别的精准度和鲁棒性,提出一种基于改进AlexNet深度卷积神经网络的手掌静脉识别方法。该方法首先通过图像分割、指根关键点定位、感兴趣区域图像提取等三个阶段对采集的手掌静脉图像进行预处理;其次,针对人体手掌静脉识别的应用场景,通过适当调整经典的AlexNet卷积神经网络的结构并对卷积层的输出进行批标准化操作,同时,将深度学习理论中的注意力机制应用到该网络中,进而优化AlexNet神经网络,使用优化后的AlexNet神经网络对预处理后的图像自动进行特征提取、分类和识别;最后,在公开的Polyu和CASIA多光谱掌纹数据集上进行大量的实验,达到的最佳识别率分别为99.93%和99.51%,实验验证了所提方法的有效性。 

【文章来源】：现代电子技术. 2020,43(07)北大核心

【文章页数】：5 页

【文章目录】：
0 引言
1 手掌静脉图像预处理
    1.1 手掌图像分割
    1.2 关键点定位
    1.3 ROI提取
2 改进的AlexNet卷积神经网络
    2.1 AlexNet神经网络
    2.2 注意力机制
    2.3 AlexNet神经网络的改进
3 实验
    3.1 数据集
    3.2 评价指标
    3.3 实验环境和参数设置
    3.4 实验结果和分析
4 结语


【参考文献】：
期刊论文
[1]基于生物特征识别的统一身份认证系统研究[J]. 张富友,王琼霄,宋利.  信息网络安全. 2019(09)
[2]基于Gabor小波和NBP算法的手掌静脉识别[J]. 林森,徐天扬,王颖.  激光与光电子学进展. 2017(05)
[3]基于HOG与改进的SVM的手掌静脉识别算法[J]. 徐笑宇,姚鹏.  计算机工程与应用. 2016(11)

硕士论文
[1]掌纹和静脉特征融合算法的研究[D]. 杨晓凤.北京交通大学 2017



本文编号：3190583