Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于滑动窗口变换器的深浅特征融合的掌纹识别方法 

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!

申请/专利权人:浙江工业大学

摘要:本发明公开了一种基于滑动窗口变换器的深浅特征融合的掌纹识别方法,包括获取预处理后的掌纹图像,并输入至训练好的掌纹识别模型中,得到掌纹图像的特征;将掌纹图像的特征分别与数据库中所有参考掌纹图像的特征进行比对,将比对成功的参考掌纹图像筛选出作为匹配成功的掌纹。结合SwinTransformer网络和多尺度特征增强模块,实现了对掌纹图像的高效特征提取和自适应融合,将SwinTransformer网络中的第一阶段模块、第二阶段模块和第四阶段模块的输出,经过多尺度特征增强模块不仅将深层信息和浅层特征信息进行融合,而且强化了各层特征的空间信息,以提高对低分辨率掌纹图像的适应能力,从而实现更高的掌纹识别准确率。

主权项:1.一种基于滑动窗口变换器的深浅特征融合的掌纹识别方法,其特征在于:所述基于滑动窗口变换器的深浅特征融合的掌纹识别方法,包括:获取预处理后的掌纹图像,并输入至训练好的掌纹识别模型中,得到掌纹图像的特征;所述掌纹识别模型包括SwinTransformer网络、第一多尺度特征增强模块和第二多尺度特征增强模块,将掌纹图像输入至所述SwinTransformer网络中得到三个输出特征,其中SwinTransformer网络的第一输出特征经过第一多尺度特征增强模块后与SwinTransformer网络的第二输出特征进行融合得到第一融合特征,第一融合特征再经过第二多尺度特征增强模块后与SwinTransformer网络的第三输出特征进行融合得到第二融合特征,第一融合特征、第二融合特征和第一输出特征再进行融合后经过输出模块得到掌纹图像的特征;将掌纹图像的特征分别与数据库中所有参考掌纹图像的特征进行比对,将比对成功的参考掌纹图像筛选出作为匹配成功的掌纹;所述SwinTransformer网络包括由数据输入至输出依次设置的PatchPartition层、线性嵌入LinearEmbedding层、第一阶段模块、第二阶段模块、第三阶段模块和第四阶段模块,且第四阶段模块的输出即为SwinTransformer网络的第一输出特征,第二阶段模块的输出即为SwinTransformer网络的第二输出特征,第一阶段模块的输出即为SwinTransformer网络的第三输出特征;所述第一阶段模块、第二阶段模块和第三阶段模块均包括由数据输入至输出依次设置的SwinTransformerBlock层和PatchMerging层,所述第四阶段模块为SwinTransformerBlock层;在各所述多尺度特征增强模块中,各多尺度特征增强模块的输入特征先经过三个并行的膨胀卷积分支操作,输出的结果分别并行通过批归一化层和激活层后,进行通道维度融合得到第三融合特征,然后第三融合特征再进行上采样线性插值操作得到各多尺度特征增强模块的输出特征;所述将掌纹图像输入至所述SwinTransformer网络中得到三个输出特征后,所述第一输出特征经过第一多尺度特征增强模块后得到第四输出特征,所述第二输出特征经过第一卷积层后,再与第四输出特征进行融合得到所述第一融合特征;所述第一融合特征再经过第二多尺度特征增强模块后得到第五输出特征,所述第三输出特征经过第二卷积层后,再与第五输出特征进行融合得到所述第二融合特征;同时所述第一融合特征再经过第一自适应池化层得到第六输出特征,所述第二融合特征再经过第二自适应池化层得到第七输出特征,然后第六输出特征、第七输出特征和第一输出进行融合得到第八输出特征,最后第八输出特征经过所述输出模块得到掌纹图像的特征。

全文数据:

权利要求:

百度查询: 浙江工业大学 一种基于滑动窗口变换器的深浅特征融合的掌纹识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。