首页> 中文期刊> 《信号处理》 >基于CNN和VLAD的指静脉描述子提取方法

基于CNN和VLAD的指静脉描述子提取方法

         

摘要

为了提高指静脉描述子的鲁棒性同时降低网络参数量,通过修改VGGFace-Net并引入局部聚合描述子向量(Vector of Locally Aggregated Descriptors,VLAD)得到参数量仅0.3M的指静脉图像描述子提取网络,VLAD编码过程实现了局部描述子的聚类和重组,使描述子对手指姿势变化更加鲁棒;由于公开的指静脉训练数据库规模通常不够大,提出基于三元组和难分负样本挖掘策略进行网络的训练,并针对三元组损失没有约束样本对距离的类内方差的问题,提出一种样本对中心约束损失函数,通过将正负样本对视为两个类别,进一步促使其靠近各自的类中心,从而增大类内紧凑程度.在三个公开数据库FV-USM,SDUMLA,MMCBNU上的指静脉验证结果表明,所提取的描述子在基于欧氏距离进行匹配的情况下,指静脉验证的结果均优于现有方法,且在图像发生随机平移时具有更好的鲁棒性.

著录项

  • 来源
    《信号处理》 |2020年第9期|1489-1496|共8页
  • 作者单位

    华南理工大学电子与信息学院 广东广州510640;

    中新国际联合研究院 广东广州510700;

    华南理工大学电子与信息学院 广东广州510640;

    中新国际联合研究院 广东广州510700;

    中新国际联合研究院 广东广州510700;

    华南理工大学电子与信息学院 广东广州510640;

    中新国际联合研究院 广东广州510700;

    华南理工大学自动化学院 广东广州510640;

    广电运通金融电子股份有限公司 广东广州510663;

  • 原文格式 PDF
  • 正文语种 chi
  • 中图分类 数字处理;
  • 关键词

    指静脉识别; 卷积神经网络; 局部聚合描述子向量; 三元组损失;

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号