手指靜脈識(shí)別技術(shù)是一種新興的生物特征識(shí)別技術(shù),其醫(yī)學(xué)依據(jù)是人類血液可吸收特定波長(zhǎng)的光線,利用特定波長(zhǎng)的光照射手指,可以清晰地成像手指靜脈。目前手指靜脈識(shí)別技術(shù)已經(jīng)進(jìn)入成熟階段,但在實(shí)際運(yùn)用中還是存在缺陷,常見的儀器會(huì)隨著匹配人數(shù)的增加而使識(shí)別速度下降,或遇環(huán)境溫度較低、較高,同樣也會(huì)導(dǎo)致反應(yīng)速度變緩。為解決這一現(xiàn)象,只能打破常規(guī),不采用硬件配套設(shè)施,轉(zhuǎn)為通過網(wǎng)絡(luò)進(jìn)入服務(wù)器運(yùn)算。如此一來就不再受到硬件內(nèi)存容量的限制,也不會(huì)受到環(huán)境溫度的改變而導(dǎo)致設(shè)備反應(yīng)遲緩。國(guó)內(nèi)外基于深度學(xué)習(xí)提出了各種網(wǎng)絡(luò)的手指靜脈分類算法,但常見的卷積神經(jīng)網(wǎng)絡(luò)在空間上存在信息丟失的缺陷。為此,本文提出了一種基于膠囊網(wǎng)絡(luò)改進(jìn)的手指靜脈識(shí)別算法。論文進(jìn)行的手指靜脈識(shí)別算法研究,以改進(jìn)手指靜脈識(shí)別性能為目標(biāo),其主要研究?jī)?nèi)容如下:（1）針對(duì)采集手指靜脈數(shù)據(jù)集耗時(shí)情況,提出了一種改進(jìn)后的極坐標(biāo)徑向變換增大樣本的算法,即自適應(yīng)極坐標(biāo)徑向變換,該算法通過以循環(huán)第一非零像素點(diǎn)為零坐標(biāo)將圖像轉(zhuǎn)換為極坐標(biāo)圖像,打破隨機(jī)極坐標(biāo)引起的變換圖像重合的問題。通過這種方式,一副圖像可增至像素點(diǎn)倍數(shù)。通過mnist數(shù)據(jù)集在AlexNet中訓(xùn)練的實(shí)驗(yàn)... 

【文章來源】：重慶理工大學(xué)重慶市

【文章頁(yè)數(shù)】：80 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題研究的背景和意義
    1.2 手指靜脈識(shí)別及深度學(xué)習(xí)的國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 手指靜脈研究狀況
        1.2.2 深度學(xué)習(xí)發(fā)展歷程
    1.3 數(shù)據(jù)集人工增大技術(shù)的研究現(xiàn)狀
    1.4 論文主要研究?jī)?nèi)容
    1.5 論文的章節(jié)安排
    1.6 本章小結(jié)
2 深度學(xué)習(xí)及手指靜脈識(shí)別理論基礎(chǔ)
    2.1 深度學(xué)習(xí)
        2.1.1 深度學(xué)習(xí)概述
        2.1.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.1.3 反卷積可視化
    2.2 手指靜脈圖像預(yù)處理
        2.2.1 指靜脈采集裝置
        2.2.2 指靜脈圖像增強(qiáng)與裁剪
        2.2.3 One-Hot獨(dú)熱編碼
    2.3 評(píng)價(jià)標(biāo)準(zhǔn)
    2.4 本章小結(jié)
3 手指靜脈圖像數(shù)據(jù)增強(qiáng)方法的研究
    3.1 Keras下的ImageDataGenerator
    3.2 極坐標(biāo)空間中的徑向變換
    3.3 自適應(yīng)極坐標(biāo)空間的徑向變換
    3.4 實(shí)驗(yàn)對(duì)比
    3.5 本章小結(jié)
4 基于深度學(xué)習(xí)的手指靜脈識(shí)別方法分析
    4.1 AlexNet的手指靜脈識(shí)別分析
        4.1.1 AlexNet原理
        4.1.2 實(shí)驗(yàn)結(jié)果
    4.2 VGGNet的手指靜脈識(shí)別分析
        4.2.1 VGGNet原理
        4.2.2 實(shí)驗(yàn)結(jié)果
    4.3 GoogLeNet的手指靜脈識(shí)別分析
        4.3.1 GoogLeNet原理
        4.3.2 實(shí)驗(yàn)結(jié)果
    4.4 ResNet是手指靜脈識(shí)別分析
        4.4.1 ResNet原理
        4.4.2 實(shí)驗(yàn)結(jié)果
    4.5 CapsNets的手指靜脈識(shí)別分析
        4.5.1 膠囊
        4.5.2 動(dòng)態(tài)路由
        4.5.3 網(wǎng)絡(luò)結(jié)構(gòu)
        4.5.4 實(shí)驗(yàn)結(jié)果
    4.6 本章小結(jié)
5 卷積膠囊網(wǎng)絡(luò)手指靜脈識(shí)別方法
    5.1 卷積層可視化
    5.2 卷積膠囊網(wǎng)絡(luò)
    5.3 實(shí)驗(yàn)結(jié)果及分析
    5.4 本章小結(jié)
6 總結(jié)和展望
    6.1 論文總結(jié)
    6.2 不足及展望
致謝
參考文獻(xiàn)
個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文及取得的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于膠囊網(wǎng)絡(luò)的指靜脈識(shí)別研究[J]. 余成波,熊遞恩.  電子技術(shù)應(yīng)用. 2018(10)
[2]手指靜脈身份識(shí)別技術(shù)綜述[J]. 湯露.  信息系統(tǒng)工程. 2015(07)
[3]基于靜脈識(shí)別的身份認(rèn)證方法研究[J]. 王科俊,丁宇航,王大振.  科技導(dǎo)報(bào). 2005(01)
[4]基于遺傳算法的指紋圖匹配算法及應(yīng)用[J]. 漆遠(yuǎn),田捷,readchina.com,鄧翔.  軟件學(xué)報(bào). 2000(04)

碩士論文
[1]基于遷移學(xué)習(xí)和深度卷積神經(jīng)網(wǎng)絡(luò)的車標(biāo)識(shí)別方法研究[D]. 李全杰.廣東工業(yè)大學(xué) 2018
[2]基于深度學(xué)習(xí)的多姿態(tài)人臉識(shí)別算法研究[D]. 田桐.重慶理工大學(xué) 2018
[3]基于深度學(xué)習(xí)的人臉識(shí)別技術(shù)研究[D]. 錢程.西南交通大學(xué) 2017
[4]深度無監(jiān)督學(xué)習(xí)算法研究[D]. 岳永鵬.西南石油大學(xué) 2015
[5]手指靜脈身份識(shí)別智能系統(tǒng)的研究[D]. 楊數(shù)強(qiáng).重慶理工大學(xué) 2009



本文編號(hào)：3162033