买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉大连民族大学申请的专利一种基于深度学习的手指部多模态身份认证方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114724259B 。

龙图腾网通过国家知识产权局官网在2025-11-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210108917.8，技术领域涉及：G06V40/70；该发明授权一种基于深度学习的手指部多模态身份认证方法是由张秀峰;吕赫;刘岩松设计研发完成，并于2022-01-28向国家知识产权局提交的专利申请。

本一种基于深度学习的手指部多模态身份认证方法在说明书摘要公布了：本发明公开了一种基于深度学习的手指部多模态身份认证方法，包括：S1：对原始的指节纹特征图片和指静脉特征图片进行采集和预处理；S2：构建指节纹特征识别神经网络模型，对预处理后的指节纹特征图片进行识别；S3：构建指静脉特征识别神经网络模型，对预处理后的指静脉特征图片进行识别；S4：将指节纹特征识别神经网络模型的识别结果与指静脉特征识别神经网络模型的识别结果相融合、匹配，匹配结果作为最终融合决策结果。本发明能有效提高身份认证的准确率、稳定性和抗攻击性。

本发明授权一种基于深度学习的手指部多模态身份认证方法在权利要求书中公布了：1.一种基于深度学习的手指部多模态身份认证方法，其特征在于，包括： S1：对原始的指节纹特征图片和指静脉特征图片进行采集和预处理； S2：构建指节纹特征识别神经网络模型，对预处理后的指节纹特征图片进行识别； 定义1*N的池化核，把对应的指节纹特征图片上位置的像素值求平均，作为池化的输出，随后经过卷积核为3的1D卷积对指节纹特征图片进行上下扩容，然后通过1×1的卷积与SeLU操作，SeLU激活函数的引入可以解决网络训练梯度消失的问题；将得到的指节纹特征图片与原始指节纹特征图片进行叠加，得到最终的输出结果； 所述将得到的指节纹特征图片与原始指节纹特征图片进行叠加，得到最终的输出结果，具体为：使用两个一样的神经网络进行特征提取，获取到一个多维特征，使用的特征提取网络为VGG16，然后使用flatten的方式将多维特征平铺到一维上，获得两个输入的指节纹特征图片的一维向量，赋予他们一样的权值，即权值共享；最后将这两个一维向量进行相减，再进行绝对值求和，相当于求取了两个特征向量插值的L1范数，再进行两次全连接，第二次全连接到一个神经元上，对这个神经元的结果取sigmoid，使其值在0-1之间，代表两个输入指节纹特征图片的相似程度；当两个输入指向同一个类型的图片时，此时标签为1；当两个输入指向不同类型的图片时，此时标签为0；然后将网络的输出结果和真实标签进行交叉熵运算，作为最终的loss；最后将测试集放入训练成熟的指节纹特征识别神经网络模型中，对指节纹图像进行身份识别，如果相似度为1则认为两张图片为同一人的指节纹，身份匹配成功，若为0则匹配失败，最终得到识别结果；在特征提取网络和比较网络中间加入冻结训练； S3：构建指静脉特征识别神经网络模型，对预处理后的指静脉特征图片进行识别； 所述指静脉特征识别神经网络模型为：在ResNet50残差网络分类模型中加入通道注意力机制，对卷积得到的指静脉特征图片进行压缩操作，得到通道级的指静脉全局特征，然后对指静脉全局特征进行激励操作，学习各个通道间的关系，得到不同通道的激活值，将各通道的激活值乘以原始指静脉特征图片得到最终特征； 所述压缩操作为：将一通道上整个空间特征编码为一个全局特征，采用全局平均池化来实现；所述激励操作采用包含两个全连接层的bottleneck结构，其中第一个全连接层起到降维的作用，降维系数为r是个超参数，然后采用SeLU激活函数激活，最后的全连接层恢复原始的维度；最后将学习到的各个通道的激活值乘以原始特征；将预处理过后的指静脉特征图片数据集导入指静脉特征识别神经网络模型中进行训练，用训练成熟的指静脉特征识别神经网络模型对指静脉图像进行身份识别，最终得到识别结果； S4：将指节纹特征识别神经网络模型的识别结果与指静脉特征识别神经网络模型的识别结果相融合、匹配，匹配结果作为最终融合决策结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连民族大学，其通讯地址为：116600 辽宁省大连市经济技术开发区辽河西路18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。