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！

龙图腾网获悉吉林大学申请的专利一种基于attention模块的多模态的生物识别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：CN115995121B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202211367427.6，技术领域涉及：G06V40/70；该发明授权一种基于attention模块的多模态的生物识别方法是由温泉;边钦;许秋阳;赵柏富;霍寅虎;栾星设计研发完成，并于2022-11-02向国家知识产权局提交的专利申请。

本一种基于attention模块的多模态的生物识别方法在说明书摘要公布了：本发明涉及一种基于attention模块的多模态的生物识别方法，属于计算机生物识别领域。包括数据采集和预处理阶段、神经网络模型训练和验证阶段、attention模块特征融合阶段和部署应用阶段。优点是采用多模态生物特征进行身份识别，弥补了单个模态上生物特征不充分和单模态生物特征不安全的问题，多模态之间进行相互影响，有助于提取到更加全面有效的生物特征，提取方法中采用arcloss函数作为损失函数，相较于softmaxloss损失函数，提升了模型识别率，基于特征层融合的过程中采用attention机制的思想，具有更好的特征融合性能，同时相较于传统的给每一个模态的特征学习一个权重，然后将特征进行加权级联，这样使每一个模态的特征都能更好的发挥作用。

本发明授权一种基于attention模块的多模态的生物识别方法在权利要求书中公布了：1.一种基于attention模块的多模态的生物识别方法，其特征在于，包括下列步骤： 1、数据采集，运用生物特征采集器，采集指纹、指静脉和指节纹共三个模态的生物特征； 2、数据预处理，对采集到的三个模态的生物特征的数据进行预处理，使其符合三个模态对应的模型的输入要求； 3、神经网络模型训练和验证阶段，对步骤2预处理后的多个模态的数据通过ResNet和DenseNet进行特征提取，ResNet和DenseNet的参数通过训练和验证得到； 4、attention模块特征融合，将提取出三个模态的特征向量进行级联形成一个总的特征向量，然后送往分类器进行特征分类，采用attention机制，首先根据三个模态级联形成的特征向量初始化Q、K、V矩阵，其中，K为attention机制计算中的键值key，Q表示查询query，K为键值key，然后根据初始化得到的Q，K，V，通过训练学习，计算加权求和得到最优权重，得到联合特征向量，送到分类器进行分类，从而达到较好的识别效果；其中： 1、attention模块训练步骤如下： 首先根据步骤3调整好的单模态特征提取模型，分别提取指纹训练集A1，指纹训练集B1，指纹测试集C1的单模态特征向量，将提取到的多个模态的数据特征分别初始化赋予一个权重，形成一个初始模态特征权重矩阵； ①将提取出的特征向量进行点积自注意力计算，得到动态加权后的向量，这里根据self-attention的计算公式可得，这里的激活函数选择relu2作为激活函数； ②attention模型中引入多头概念，以允许模型在每个位置学习H个不同的表示子空间，同时保持相同的计算效率，表示为带有参数化的输入； ③模型使用batch大小为32进行训练，并为了同一batch的一致性，在数据处理过程中，先将所有特征填充到batch中最长的序列；由于模态特征的维度大小不同，因此需要将它们映射到模型的内部空间中，内部空间的维度大小为1024维，模型基于Transformer，N为2层，H为4头；最终生成器的输出维度与描述词向量大小一致，为10172维；在最终loss计算标签平滑中使用γ=0.7，丢失概率p=0.1，使用的学习率为10-5的Adam优化器来训练描述生成器； 通过模型训练学习，得到每个模态的数据特征的最优权重；将所有模态的数据特征进行加权融合：先将每个模态的权重和其对应的模态的数据特征相乘，再将所有模态得到特征向量进行级联，所有模态得到的特征向量是指上文中经过ResNet模型得到的指纹特征向量、指静脉特征向量和经过DenseNet模型得到的指节纹特征向量，形成一个联合特征向量，最后送到分类器进行分类； 2、attention模块验证步骤如下： ①利用dataloader分别加载指纹训练集和指静脉验证集，以张量的方式存入指纹和指静脉验证数据库； ②将dataloader中加载的指纹和指静脉的验证数据库的张量开始先通过ResNet34和ResNet50进行特征提取，再通过attention模块进行权重配置，然后再进行特征融合，最后对匹配结果中概率最大的标签进行输出，即是图像所对应的身份信息，通过之前的训练不断调整参数，直至模型收敛； 5、部署应用，将训练好的算法部署应用到智能密码锁上，来访者提供所需的生物特征，智能密码锁根据数据库里的数据识别是否为有效用户。

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吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699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。