|本期目录/Table of Contents|

[1]张娜,陈春宇,徐璐,等.基于深度残差网络与离散哈希的指静脉识别方法[J].浙江理工大学学报,2020,43-44(自科四):549-556.
 ZHANG Na,CHEN Chunyu,XU Lu,et al.Finger vein recognition method based on deep residual network and discrete hashing[J].Journal of Zhejiang Sci-Tech University,2020,43-44(自科四):549-556.
点击复制

基于深度残差网络与离散哈希的指静脉识别方法()
分享到:

浙江理工大学学报[ISSN:1673-3851/CN:33-1338/TS]

卷:
第43-44卷
期数:
2020年自科四期
页码:
549-556
栏目:
出版日期:
2020-07-10

文章信息/Info

Title:
Finger vein recognition method based on deep residual network and discrete hashing
文章编号:
1673-3851 (2020) 07-0549-08
作者:
张娜陈春宇徐璐涂小妹包晓安吴彪
1.浙江理工大学信息学院,杭州 310018; 2.山口大学东亚研究科,日本山口 753-8514
Author(s):
ZHANG Na CHEN Chunyu XU Lu TU Xiaomei BAO Xiaoan WU Biao
1. School of Information Science and Technology, Zhejiang Sci-Tech University, Hangzhou 310018, China; 2. Department of East Asian Studies, Yamaguchi University, Yamaguchi 753-8514, Japan
关键词:
指静脉识别深度残差网络监督式离散哈希二值化特征哈明距离
分类号:
TP391-4
文献标志码:
A
摘要:
针对传统卷积神经网络提取的特征不够充分、自学习特征稀疏导致指静脉识别精度和识别速度不高的问题,提出了一种基于深度残差网络和离散哈希的二元特征指静脉识别方法。首先,在深度残差网络模型训练过程中提出将加性角边缘损失函数作为监督信号,扩大类间差,缩小类内差;其次,将归一化后的指静脉图像输入改进的深度残差模型进行特征提取;然后,提出采用监督式离散哈希模型对实值特征进行离散化,获得二值化特征替代原有的实值特征;最后,采用哈明距离计算二值化特征与指静脉库中的模板间的匹配分数确定识别结果。实验结果表明:在MMCBNU_6000数据集上,指静脉识别准确率达9659%,同时模板尺寸缩减为1024 bit,是常用的实值特征模板尺寸的1/16;在FVUSM数据集上,模板尺寸缩减为1024 bit时,指静脉识别准确率达到9537%。

参考文献/References:

[1] 黄静,岳梦婕.基于AES和RSA双向认证登录方案的研究[J].浙江理工大学学报(自然科学版), 2017, 37(2): 242-245.
[2] Jain A K, Ross A, Prabhakar S. An introduction to biometric recognition[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2004, 14(1): 4-20.
[3] Yang L, Yang G P, Yin Y L, et al. Finger vein recognition with anatomy structure analysis[J]. IEEE Transactions on Circuits and Systems for Vedio Technology, 2018, 28(8): 1892-1905.
[4] Mohsin A H, Zaidan A A, Zaidan B B, et al. Based medical systems for patient’s authentication: Towards a new verification secure framework using CIA standard[J]. Journal of Medical Systems, 2019, 43(7): 192.
[5] Lee E C, Jung H, Kim D. New finger biometric method using near infrared imaging[J]. Sensors, 2011, 11(3): 2319-2333.
[6] Lee H C, Kang B J, Lee E C, et al. Finger vein recognition using weighted local binary pattern code based on a support vector machine[J]. Journal of Zhejiang University: Science C, 2010, 11(7): 514-524.
[7] Song W, Kim T, Kim H C, et al. A fingervein verification system using mean curvature[J]. Pattern Recognition Letters, 2011, 32(11): 1541-1547.
[8] Peng J L, Wang N, Ellatlf A A A, et al. Fingervein verification using Gabor filter and SIFT feature matching[C]//2012 Eighth International Conference on Intelligent Information Hiding and Multimedia Signal Processing(IIHMSP). Piraeus: IEEE, 2012: 45-48.
[9] 杨文文, 毛建旭.基于分块LBP和分块PCA的指静脉识别方法[J].电子测量与仪器学报, 2016, 30 (7):1000-1007.
[10] 何鑫,陈讯. 基于改进卷积神经网络的指静脉识别[J]. 计算机工程与设计,2019, 40(2): 562-566.

相似文献/References:

[1]包晓安,涂小妹,徐璐,等.基于扩展卷积神经网络与度量学习的指静脉识别[J].浙江理工大学学报,2020,43-44(自科二):232.
 BAO Xiaoan,TU Xiaomei,XU Lu,et al.Finger vein recognition based on extended convolutional neural networks and metric learning[J].Journal of Zhejiang Sci-Tech University,2020,43-44(自科四):232.

备注/Memo

备注/Memo:
收稿日期:2019-12-23
网络出版日期: 2020-03-05
基金项目:浙江省自然科学基金青年基金项目(LQ20F050010);浙江省重点研发计划项目(2020C03094)
作者简介:张娜(1977-),女,浙江东阳人,副教授,硕士,主要从事智能信息处理方面的研究
通信作者:包晓安,baoxiaoan@zstu.edu.cn
更新日期/Last Update: 2020-07-06