双重降维HOG结合SVM的快速手指静脉识别

• 作者: 褚洪佳 陈光化 汪凯旋
• 来源期刊: 红外技术
• 学科: 工学
• 关键词: 手指静脉识别 方向梯度直方图 特征选择 主成分分析 支持向量机
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 图像处理与仿真|IMAGE PROCESSING AND SIMULATION
• 页码范围: 262-267
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文

摘要

为减少手指静脉识别时间,提出一种双重降维方向梯度直方图特征(Histogram of Oriented Gradient,HOG)结合支持向量机(Support Vector Machine,SVM)分类的手指静脉识别方法.针对传统HOG算法特征维数高的问题,首先通过Fisher准则衡量梯度方向区间HOG特征的分类能力,然后使用序列前向选择法挑选出分类能力较优异的梯度方向区间构建部分方向区间HOG特征,最后使用主成分分析(Principal Component Analysis,PCA)降维.在公开的手指静脉数据库FV-USM和THU-FV上使用SVM多分类器进行分类识别,实验结果表明:双重降维HOG方法相较于HOG+PCA方法提取的特征维数降低了40％,识别时间减少了29.85％,识别准确率分别为99.17％和100％,等误率分别为1.07％和0.01％.