【摘要】：掌紋識別成為近年來生物識別技術的熱潮,掌紋紋理具有穩(wěn)定性,且掌紋的紋理信息豐富、分類性強,采集方式比較容易。因此,研究掌紋識別技術有了重要的價值與意義。傳統(tǒng)掌紋識別方法是通過計算法來進行特征提取,然后對特征進行分類,特征提取時消耗的時間多,計算的過程中的誤差導致識別率不高。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,結(jié)合卷積神經(jīng)網(wǎng)絡(CNN)的特點,本文提出了一種基于現(xiàn)有神經(jīng)網(wǎng)絡下的直接在掌紋原圖像上進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,對掌紋的特征進行提取,通過修改網(wǎng)絡提升訓練速度及識別率。本文選取現(xiàn)有的掌紋數(shù)據(jù)庫,分別對三個卷積神經(jīng)網(wǎng)絡進行修改訓練。主要研究工作如下:1)、ConvNet-1網(wǎng)絡,是對標準的MobileNet網(wǎng)絡進行修改: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,對標準的DenseNet網(wǎng)絡進行修改:省略了平均池化層(7×7)。3)、ConvNet-3網(wǎng)絡,對標準的ReseNet網(wǎng)絡結(jié)構(gòu)進行以下修改: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)。文中三個卷積神經(jīng)網(wǎng)絡模型的建立對掌紋庫進行識別,結(jié)合1)、2)及3)中提出的修改可以進行有效的掌紋識別。其中三種網(wǎng)絡的識別率分別為:99.94%、99.98%、99.83%。對本文所獲取的結(jié)果進行分析對比,對其他使用本文掌紋數(shù)據(jù)集實現(xiàn)的典型代表性的掌紋識別算法進行對比,并把近五年來研究的典型代表性的傳統(tǒng)算法實現(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行比對。同時,與現(xiàn)有的基于卷積神經(jīng)網(wǎng)絡下的掌紋識別比對,本文的方法,訓練速度快,訓練的時間減少,識別率提高。
【圖文】：

以使網(wǎng)絡的訓練更容易一些。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系為：逡逑ｙ；邋＝邋／Ｋ？Ｚ（ｘ－＊ＷＪ）逡逑／0表示激活函數(shù)，表達式如下：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和。其表達式為：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練人工神經(jīng)網(wǎng)絡的有效算法，主要思想是：逡逑（１）
【學位授予單位】：云南大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.41;TP183

【參考文獻】

相關期刊論文 前8條

1 高強;靳其兵;程勇;;基于卷積神經(jīng)網(wǎng)絡探討深度學習算法與應用[J];電腦知識與技術;2015年13期

2 劉進鋒;;一種簡潔高效的加速卷積神經(jīng)網(wǎng)絡的方法[J];科學技術與工程;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)絡的正則化方法[J];計算機研究與發(fā)展;2014年09期

4 吳春生;馮才剛;遲學斌;;刑偵領域高分辨率掌紋識別技術及快速匹配方法[J];中國科學院大學學報;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];計算機輔助設計與圖形學學報;2011年10期

6 張佳康;陳慶奎;;基于CUDA技術的卷積神經(jīng)網(wǎng)絡識別算法[J];計算機工程;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與實現(xiàn)[J];計算機應用與軟件;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];軟件學報;2002年05期

相關碩士學位論文 前2條

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

2 萬琛;基于Gabor濾波的掌紋識別研究[D];中南民族大學;2011年

本文編號：2602892