基于改进AlexNet卷积神经网络的手掌静脉识别算法研究

摘要：

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.

关键词：手掌静脉识别、AlexNet神经网络优化、图像特征提取、图像预处理、注意力机制应用、有效性验证

所属期刊栏目：43

分类号：TN911.73-34;TP391.4

资助基金：国家自然科学基金资助项目61403265;四川省重点研发计划资助项目2019YFG0409

在线出版日期：2020-04-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：52-56