1.基于特征交互融合网络的部分手指静脉识别方法,其特征在于,包括以下步骤;
获取部分手指静脉图像,提取不同尺度的特征;
分别对不同尺度的特征,利用至少两种其他尺度的特征生成信息交互矩阵,并基于矩阵乘法运算与信息交互矩阵进行特征交互,得到相对应尺度的交互后的特征,交互后的特征基于通道注意力机制强调具有区分性的通道信息;
基于空间权值矩阵和不同尺度的交互后的特征进行特征加权融合,得到融合后的特征,具体为:对交互后的特征进行求和,得到的结果沿着X轴方向和Y轴方向分别进行平均池化和最大池化,得到新的特征FSX和FSY,FSY经维度交换后与FSX沿着通道方向执行串联操作生成特征;
对生成的特征进行逐点卷积,得到,并分割成与,对分割出的两个特征分别使用逐点卷积,对特征通道数进行复原,通道数复原后的两个特征分别利用激活函数得到X轴方向的权重W1和Y轴方向的权重W2,两个权重相乘得到空间位置权重W;
空间位置权重分别与交互后的特征相乘,并对得到的所有乘积矩阵求和,得到融合后的特征;
融合后的特征基于交叉熵损失和中心损失,得到部分手指静脉识别结果。
2.如权利要求1所述的基于特征交互融合网络的部分手指静脉识别方法,其特征在于,提取不同尺度的特征,具体为:基于扩张率不同的网络分支,提取不同尺度的特征。
3.如权利要求1所述的基于特征交互融合网络的部分手指静脉识别方法,其特征在于,分别对不同尺度的特征,利用至少两种其他尺度的特征生成信息交互矩阵,具体为:将特征F1∈C*H*W进行重塑,生成新特征F1'∈C*N(N=H*W);其中,C为通道数,H为高度,W为宽度;
将特征F2∈C*H*W进行重塑后转置,生成新特征F2'∈N*C(N=H*W);
将特征F3∈C*H*W进行重塑,生成新特征F3'∈C*N(N=H*W);
对特征F2'和F3'进行矩阵乘法运算得到信息交互矩阵IIM∈N*N。
4.如权利要求1所述的基于特征交互融合网络的部分手指静脉识别方法,其特征在于,基于矩阵乘法运算与信息交互矩阵进行特征交互,得到相对应尺度的交互后的特征,具体为:将特征F1'与信息交互矩阵的乘积矩阵重塑成原始维度F1”(C*H*W);
将特征F1与F1”求和,得到与特征F1对应的交互后的特征FI1。
5.如权利要求1所述的基于特征交互融合网络的部分手指静脉识别方法,其特征在于,融合后的特征基于交叉熵损失和中心损失,得到部分手指静脉识别结果,具体为:对交叉熵损失和中心损失进行加权融合得到总的损失函数。
6.如权利要求5所述的基于特征交互融合网络的部分手指静脉识别方法,其特征在于,对交叉熵损失和中心损失进行加权融合得到总的损失函数,如下式所示:L=a1*L1+(1-a1)*L2;
其中,L1和L2分别表示交叉熵损失和中心损失,a1为加权的权重。
7.基于特征交互融合网络的部分手指静脉识别系统,其特征在于,包括:特征提取模块,被配置为:获取部分手指静脉图像,提取不同尺度的特征;
特征交互模块,被配置为:分别对所有尺度的特征,利用至少两种其他尺度的特征生成信息交互矩阵,并基于矩阵乘法运算与信息交互矩阵进行特征交互,得到相对应尺度的交互后的特征,交互后的特征基于通道注意力机制强调具有区分性的通道信息;
特征融合模块,被配置为:基于空间权值矩阵和不同尺度的交互后的特征进行特征加权融合,得到融合后的特征,具体为:对交互后的特征进行求和,得到的结果沿着X轴方向和Y轴方向分别进行平均池化和最大池化,得到新的特征FSX和FSY,FSY经维度交换后与FSX沿着通道方向执行串联操作生成特征;
对生成的特征进行逐点卷积,得到,并分割成与,对分割出的两个特征分别使用逐点卷积,对特征通道数进行复原,通道数复原后的两个特征分别利用激活函数得到X轴方向的权重W1和Y轴方向的权重W2,两个权重相乘得到空间位置权重W;
空间位置权重分别与交互后的特征相乘,并对得到的所有乘积矩阵求和,得到融合后的特征;
身份识别模块,被配置为:融合后的特征基于交叉熵损失和中心损失,得到部分手指静脉识别结果。
8.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,该程序被处理器执行时实现如权利要求1-6任一项所述的基于特征交互融合网络的部分手指静脉识别方法中的步骤。
9.一种计算机设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现如权利要求1-6任一项所述基于特征交互融合网络的部分手指静脉识别方法中的步骤。