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！

龙图腾网恭喜吉林大学申请的专利基于对比知识驱动的虹膜与眼周对抗自适应融合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：CN114596622B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202210264824.4，技术领域涉及：G06V40/18；该发明授权基于对比知识驱动的虹膜与眼周对抗自适应融合识别方法是由刘元宁;周智勇;朱晓冬;董立岩;李沅峰;刘煜;张天悦;刘帅;崔靖威;张亚星;孙野;袁一航;董楠;杨恩斌;张少强设计研发完成，并于2022-03-17向国家知识产权局提交的专利申请。

本基于对比知识驱动的虹膜与眼周对抗自适应融合识别方法在说明书摘要公布了：本发明公开了一种基于对比知识驱动的虹膜与眼周对抗自适应融合识别方法，其方法为：步骤一、建立数据集并划分为训练集和测试集；步骤二、得到模型架构；步骤三、训练模型架构；步骤四、得到卷积编码部分；步骤五、将目标检测模型定位虹膜与眼周区域；步骤六、训练结束后去除最后一层全连接层得到眼周特征提取模型Eper；步骤七、使用虹膜可见光图像训练集和人员身份标签训练；步骤八、将不同模态的特征分布在低维子空间中进行配准；步骤九、设置两个可学习的参数；步骤十、得到模型特征提取器；步骤十一、确定双模态融合识别模型的决策机制。有益效果：提高了系统的可靠性与安全性；提高了小样本数据集上的识别性能；能够提高最终的识别性能。

本发明授权基于对比知识驱动的虹膜与眼周对抗自适应融合识别方法在权利要求书中公布了：1.基于对比知识驱动的虹膜与眼周对抗自适应融合识别方法，其特征在于：其方法包括如下步骤：步骤一、建立眼睛可见光图像数据集、虹膜与眼周目标检测数据集、虹膜可见光图像数据集和眼周可见光图像数据集，并划分为训练集和测试集，训练集用来训练虹膜与眼周区域检测网络模型和虹膜与眼周特征融合模型，测试集用来评估模型的精度；步骤二、初始化三个MobileNetV3深度卷积神经网络，每一个网络模型都去除最后一层全连接层的MobileNetV3作为编码层，编码层后面添加一个投影层，投影层后面添加一个预测层，得到三个初始化的模型架构；步骤三、使用步骤一采集的眼睛可见光图像训练集使用一种对比知识驱动的算法训练步骤二获得的三个初始化模型架构；步骤四、去除训练好的三个模型架构的投影层和预测层，得到三个训练过的MobileNetV3的卷积编码部分；步骤五、在步骤四对比知识驱动训练得到的MobileNetV3卷积编码部分作为骨架backbone构建IrisPer_YoloV3目标检测模型，冻结MobileNetV3卷积编码部分，将虹膜与眼周目标检测训练集来训练IrisPer_YoloV3目标检测模型定位虹膜与眼周区域；步骤六、在步骤四对比知识驱动训练得到的MobileNetV3卷积编码部分在其后添加多层感知机作为分类器，冻结MobileNetV3卷积编码部分，使用眼周可见光图像训练集和人员身份标签训练，训练结束后去除最后一层全连接层得到眼周特征提取模型Eper；步骤七、在步骤四对比知识驱动训练得到的MobileNetV3卷积编码部分在其后添加多层感知机作为分类器，冻结MobileNetV3卷积编码部分，使用虹膜可见光图像训练集和人员身份标签训练，训练结束后去除最后一层全连接层得到虹膜特征提取模型Eiris；步骤八、构建一个分类与判别器集成全连接神经网络C，将步骤六、步骤七得到的虹膜特征提取模型Eiris和眼周提取模型Eper与分类与判别器集成全连接神经网络C一起使用虹膜可见光训练集和眼周可见光训练集与身份类别标签进行联合对抗训练，目的将不同模态的特征分布在低维子空间中进行配准；步骤九、设置两个可学习的参数，使用经过步骤八对抗训练得到的虹膜特征提取器Eiris与眼周特征提取器Eper，再添加一个多层感知机作为融合分类器F来构建虹膜与眼周融合模型，冻结虹膜特征提取模型和眼周特征提取模型，使用虹膜可见光训练集和眼周可见光训练集训练整个融合识别模型，优化融合分类器F的多层感知机；步骤十、步骤九得到的虹膜与眼周融合模型与步骤五得到的虹膜眼周同步检测模型IrisPer_YoloV3目标检测模型联合训练，并去除最后一层神经网络，得到最终的虹膜与眼周区域检测与融合识别模型特征提取器；步骤十一、使用一种多阶段决策策略协同的方案作为训练好的的虹膜与眼周双模态融合识别模型的决策机制。

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”。