1.基于改进自动编码网络的指静脉识别方法,其特征在于,包括以下步骤:步骤1、用户注册阶段,具体包括:
步骤1-1、批量采集指静脉图片并进行像素归一化处理,对图片进行数据增强后,将所有图片保存为数据集;
步骤1-2、构建自动编码网络,并进行训练,得到训练好的自动编码网络;
步骤1-3、输入指静脉图片,获取指静脉特征,并采用实值纠错码进行特征加密,生成相应的加密模板,并存入系统数据库,用户注册完成;
步骤2、验证匹配阶段,具体包括:
步骤2-1、将请求指静脉图片进行像素归一化处理后,输入用户注册阶段训练好的自动编码网络,得到输入请求指静脉特征t';
步骤2-2、将请求指静脉特征和注册指静脉特征利用验证算法进行验证匹配,如果全部不匹配则失败,输出拒绝;如果匹配成功则停止比对,输出接受;
其中,构建改进的自动编码网络,包括编码器、嵌入层、解码器和损失函数;
所述编码器包括四个卷积层,分别具有16、32、64、128个滤波器,并且在每层中使用3×3的卷积核;在每次卷积运算后,有BN归一化模块和ReLU激活函数;
所述嵌入层包括全连接层和Dropout模块,编码器输出的特征经过嵌入层降维被送至解码器;
所述解码器包括四个反向卷积层,分别包括128、64、32、16个滤波器,并且在每层中使用3×3的卷积核;前三层反向卷积层中,每次反向卷积运算后,都有BN归一化模块和ReLU激活函数;在第四层反向卷积层中,反向卷积运算之后是Sigmoid激活函数,将像素值限制在0和1之间,还原指静脉图片的维度和特征,得到重构的输入图像;
所述损失函数的全部损失Ltotal由编码器解码器损失LAE和嵌入层损失Lembeding构成,LAE对编码器输入图像特征和解码器的重构图像特征进行计算,Lembeding在嵌入层进行计算,计算分别如式(2)、式(3)、式(4)所示:Ltotal = (1-α)LAE +αLembeding (2)其中,I、分别表示输入图像特征、重构图像特征;α为[0,1]区间上的可学习超参数;LAE为原始图像特征I与重构图像特征之间的差异,用均方误差MSE来表示,MSE在公式中用||||2符号表示;Lembeding是嵌入层的损失,其中Γα、Γp、Γn分别是锚点图像、正类图像和负类图像的特征。
2.根据权利要求1所述的基于改进自动编码网络的指静脉识别方法,其特征在于,步骤1-1中,对每张指静脉图片进行归一化处理,将图片的像素值缩放到[0,1]区间范围内,归一化计算方式如式(1)所示:x′=(x-min(x))/(max(x)-min(x)) (1)其中,x′为归一化后的像素,x为原始像素,min函数表示取数据中的最小值,max函数表示取数据中的最大值。
3.根据权利要求1所述的基于改进自动编码网络的指静脉识别方法,其特征在于,步骤1-1中,对数据集中的图片进行数据增强,每张图片随机选择应用下述的其中一种或多种变换,并将调整后的指静脉图片放入数据集中;
(1)旋转变换:使图片在[0°,7°]范围内进行随机的角度旋转;
(2)水平位置变换:使图片在[0,0.025×图片长度]范围内进行随机的水平方向平移;
(3)垂直位置变换:使图片在[0,0.025×图片高度]范围内进行随机的垂直方向平移;
(4)放缩变换:将图片在长或宽的方向,进行随机的放大或缩小变换,缩放参数在[0.95,1.05]区间内。
4.根据权利要求1所述的基于改进自动编码网络的指静脉识别方法,其特征在于,步骤1-3中,对注册用户的指静脉图片进行像素归一化处理,输入训练好的网络得到特征,这些特征集合即为M;针对特征集合M中的每个指静脉特征t,利用保护算法为指静脉分配实值纠错码c,生成相应的加密模板k,并存入系统数据库。
5.根据权利要求4所述的基于改进自动编码网络的指静脉识别方法,其特征在于,利用保护算法为指静脉分配实值纠错码c,生成相应的加密模板k,具体为:(1)调用均匀分布算法,为输入的指静脉特征分配实值纠错码c;
(2)生成旋转矩阵P,P=t-1·c;然后,对c应用SHA-256哈希函数加密,得到经过加密的实值纠错码r,即r=H(c),H为哈希函数;
(3)将r、P组合为模板(r,P),记为k,并输出。
6.根据权利要求4所述的基于改进自动编码网络的指静脉识别方法,其特征在于,假设每个指静脉特征长度为n,针对给定的随机正整数α,调用均匀分布算法生成一个实值纠错码c=(c1,...,ci,...,cn),1≤i≤n;c是由0、和构成的长度为n的单位向量,且恰好有α个非零项;具体为:(1)初始化c=(c1,...,cn),c1,...,cn均设置为0;
(2)生成α个[1,n]的随机数,放入集合J中;
(3)对于J中所有元素j,将cj随机设置为或
(4)输出c=(c1,...,cn)。
7.根据权利要求6所述的基于改进自动编码网络的指静脉识别方法,其特征在于,利用验证算法将请求指静脉特征和注册指静脉特征进行验证匹配;验证算法算法的输入为待检测特征t'和受保护的模板k=(r,P),输出是接受或者拒绝;具体为:(1)从受保护的模板k=(r,P)中取出r和P;
(2)调用解码算法,得到对应的实值纠错码的码字c';经过SHA-256哈希函数得到加密的码字,用r’表示,r'=H(c');
(3)如果r'=r成立,输出接受;否则,输出拒绝。
8.根据权利要求7所述的基于改进自动编码网络的指静脉识别方法,其特征在于,调用解码算法,对输入的请求指静脉特征t'和旋转矩阵P,计算并返回对应的实值纠错码c';具体为:(1)将t'和旋转矩阵P相乘,得到一个向量,记为u,u=(u1,...,un);
(2)从u=(u1,...,un)中选出α个绝对值最大的元素,记录这些元素的索引值,放入集合J;
(3)创建一个长度为n的向量c'=(c1,...,cn),如果j∈J,设置否则,cj=0;
(4)输出c’=(c1,...,cn)。