基于CNN掌纹识别技术在智慧电网的应用研究

摘要：

目前智慧电网的信息安全隐患较大,本文提出一种基于CNN的掌纹识别模型,如AlexNet,ResNet等,将其与智慧电网相融合,可以改善或解决智慧电网信息系统的诸多安全问题.生物特征识别被认为是一种强大而有效的监视和安全应用技术.具有代表性的生物特征包括掌纹,指纹,虹膜等,不仅包含有效且稳定的特征,还包含丰富的纹理特征,引起了很多关注.由于其低成本、用户友好和强健的属性,基于掌纹的识别已逐渐应用于许多民用应用.深度学习方法被认为是计算机视觉领域的一大突破,在包括生物特征识别在内的许多领域都得到了成功的应用,掌纹识别以较高的可接受性被接受.本研究将深度学习方法,卷积神经网络引入掌纹识别中,利用Hausdorff距离来匹配特征向量,以获得更好的识别效果.实验结果表明,与传统的识别方法(如PCA、LBP)相比,基于卷积神经网络的掌纹识别率更高.

关键词：掌纹识别、CNN、Alexnet、Hausdorff距离、智慧电网

所属期刊栏目：10

分类号：TP391.4(计算技术、计算机技术)

资助基金：中小企业创新基金;专利优势示范企业基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;黑龙江省自然科学联合引导基金;中国博士后科学基金;黑龙江省基础科研科技创新基金;黑龙江省基础科研青年创新团队基金

在线出版日期：2020-11-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：92-97