基于卷积神经网络的手指静脉采集识别系统

• 作者: 孙蕾 李小霞 吴艳玮 郭艳玲 杨峻一
• 来源期刊: 科学技术创新
• 学科: 工学
• 关键词: 手指静脉 采集 识别模块 卷积神经网络 AlexNet网络
• 年，卷（期）: 2022,（12）
• 所属期刊栏目: 信息技术
• 页码范围: 83-86
• 页数: 4页
• 分类号: TP391.4|TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1673-1328.2022.12.021

摘要

手指静脉采集识别技术是一种新的生物特征识别技术,因其活体性、高稳定性、高安全性等优点,具有广阔的市场应用前景,但现今市场已有的手指静脉采集识别设备存在着识别准确率不高、采集效果不佳等问题,无法达到快速准确识别的要求.本文提出了一种基于卷积神经网络的手指静脉识别系统,系统分为采集和识别两大模块.基于血红蛋白对近红外光的吸收特性制作了新型的手指静脉图像采集装置,预处理采用Canny算子提取手指静脉图像边缘,并采用中线拟合矫正方式修正了图像旋转问题;基于U-Net网络优化设计手指静脉识别技术,提出基于AlexNet网络的深度学习方法,对采集模块获取的自建图片数据集进行识别分析,实验结果表明,本文方法的识别准确率可达到96.65％,相比U-Net网络提升了2.17％,同时软硬件一体化设计使得系统的稳定性得到提升.