發(fā)布時(shí)間：2020-03-27 11:18

【摘要】：掌紋識別成為近年來生物識別技術(shù)的熱潮,掌紋紋理具有穩(wěn)定性,且掌紋的紋理信息豐富、分類性強(qiáng),采集方式比較容易。因此,研究掌紋識別技術(shù)有了重要的價(jià)值與意義。傳統(tǒng)掌紋識別方法是通過計(jì)算法來進(jìn)行特征提取,然后對特征進(jìn)行分類,特征提取時(shí)消耗的時(shí)間多,計(jì)算的過程中的誤差導(dǎo)致識別率不高。為了簡單有效地識別掌紋,避免掌紋特征提取與識別的缺點(diǎn),結(jié)合卷積神經(jīng)網(wǎng)絡(luò)(CNN)的特點(diǎn),本文提出了一種基于現(xiàn)有神經(jīng)網(wǎng)絡(luò)下的直接在掌紋原圖像上進(jìn)行特征提取的掌紋識別算法。這種方法選取現(xiàn)有的卷積神經(jīng)網(wǎng)絡(luò),對掌紋的特征進(jìn)行提取,通過修改網(wǎng)絡(luò)提升訓(xùn)練速度及識別率。本文選取現(xiàn)有的掌紋數(shù)據(jù)庫,分別對三個(gè)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行修改訓(xùn)練。主要研究工作如下:1)、ConvNet-1網(wǎng)絡(luò),是對標(biāo)準(zhǔn)的MobileNet網(wǎng)絡(luò)進(jìn)行修改:略過平均池化層(7×7),最后一層卷積層直接與全連接層連接。2)、ConvNet-2網(wǎng)絡(luò),對標(biāo)準(zhǔn)的DenseNet網(wǎng)絡(luò)進(jìn)行修改:省略了平均池化層(7×7)。3)、ConvNet-3網(wǎng)絡(luò),對標(biāo)準(zhǔn)的ReseNet網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行以下修改:最后一層卷積層之后直接與全連接層連接,即省略了平均池化層(1×1)。文中三個(gè)卷積神經(jīng)網(wǎng)絡(luò)模型的建立對掌紋庫進(jìn)行識別,結(jié)合1)、2)及3)中提出的修改可以進(jìn)行有效的掌紋識別。其中三種網(wǎng)絡(luò)的識別率分別為:99.94%、99.98%、99.83%。對本文所獲取的結(jié)果進(jìn)行分析對比,對其他使用本文掌紋數(shù)據(jù)集實(shí)現(xiàn)的典型代表性的掌紋識別算法進(jìn)行對比,并把近五年來研究的典型代表性的傳統(tǒng)算法實(shí)現(xiàn)掌紋識別率最高的算法與本文中掌紋識別最高的方法進(jìn)行比對。同時(shí),與現(xiàn)有的基于卷積神經(jīng)網(wǎng)絡(luò)下的掌紋識別比對,本文的方法,訓(xùn)練速度快,訓(xùn)練的時(shí)間減少,識別率提高。
【圖文】：

以使網(wǎng)絡(luò)的訓(xùn)練更容易一些。逡逑２．１．１神經(jīng)元逡逑神經(jīng)元是最基本的單元結(jié)構(gòu)，，如圖２．１所示：逡逑Ｘ，：逡逑Ｘ；邋？邋ｗ，邐ｂ＇逡逑？邐—＿——逡逑ｘ逡逑ｎ逡逑圖２．１神經(jīng)元模型逡逑其中：Ｘ，表示輸入信號；表示輸入信號與神經(jīng)元連接的權(quán)重值；／）表逡逑示偏置值：％為神經(jīng)元的輸出。輸出與輸入之間的關(guān)系為：逡逑ｙ；邋＝邋／Ｋ？Ｚ（ｘ－＊ＷＪ）逡逑／0表示激活函數(shù)，表達(dá)式如下：逡逑崩（２－２）逡逑１邋＋邋ｒ逡逑５逡逑

邐隱藏層〖邐隱藏層２逡逑圖２．２多層感知器（有兩個(gè)隱含層）逡逑圖２．２中箭頭的連接是信號傳輸?shù)姆较蚝蜕窠?jīng)元，神經(jīng)元是通過權(quán)值連接。逡逑隱含層和輸出層中的神經(jīng)元的輸入是輸出值的加權(quán)和。其表達(dá)式為：逡逑（２＿３）逡逑／＝１逡逑＝ｆｋ．）邐（２－４）逡逑其中：Ｖ表示／層ｍ個(gè)神經(jīng)元的輸入；逡逑ｍ逡逑ｙ表示神經(jīng)元輸出值；逡逑ｍ逡逑Ｖ表示偏置：逡逑ｍ逡逑表示神經(jīng)元的權(quán)值。逡逑２．１．３反向傳播算法逡逑反向傳播算法是目前常用于訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)的有效算法，主要思想是：逡逑（１）
【學(xué)位授予單位】：云南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP391.41;TP183

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 高強(qiáng);靳其兵;程勇;;基于卷積神經(jīng)網(wǎng)絡(luò)探討深度學(xué)習(xí)算法與應(yīng)用[J];電腦知識與技術(shù);2015年13期

2 劉進(jìn)鋒;;一種簡潔高效的加速卷積神經(jīng)網(wǎng)絡(luò)的方法[J];科學(xué)技術(shù)與工程;2014年33期

3 呂國豪;羅四維;黃雅平;蔣欣蘭;;基于卷積神經(jīng)網(wǎng)絡(luò)的正則化方法[J];計(jì)算機(jī)研究與發(fā)展;2014年09期

4 吳春生;馮才剛;遲學(xué)斌;;刑偵領(lǐng)域高分辨率掌紋識別技術(shù)及快速匹配方法[J];中國科學(xué)院大學(xué)學(xué)報(bào);2014年04期

5 朱英宏;李俊山;郭莉莎;余寧;;基于LBP的尺度不變特征的描述和匹配算法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2011年10期

6 張佳康;陳慶奎;;基于CUDA技術(shù)的卷積神經(jīng)網(wǎng)絡(luò)識別算法[J];計(jì)算機(jī)工程;2010年15期

7 馮慧君,陶素娟,李隆;基于雙線性插值算法的圖像放縮技術(shù)與實(shí)現(xiàn)[J];計(jì)算機(jī)應(yīng)用與軟件;2004年07期

8 李文新,張大鵬,許卓群;基于傅立葉變換的掌紋識別方法(英文)[J];軟件學(xué)報(bào);2002年05期

相關(guān)碩士學(xué)位論文 前2條

1 謝寶劍;基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類方法研究[D];合肥工業(yè)大學(xué);2015年

2 萬琛;基于Gabor濾波的掌紋識別研究[D];中南民族大學(xué);2011年

本文編號：2602892