一种基于深度学习与DS证据理论的可见光虹膜识别方法
授权
摘要
本发明提供了一种基于深度学习与DS证据理论的可见光虹膜识别方法，针对可见光下采集的虹膜图像噪声种类多以及单特征识别抗噪能力差等问题造成的低识别率低稳定性，本发明提出一种利用卷积神经网络结合支持向量机(SVM)和DS(Shafer‑Dempster)证据理论的多特征融合虹膜识别方法。首先从图像中定位眼睛区域；对定位后的虹膜图像进行预处理；搭建一个七层卷积神经网络；将虹膜图像送入网络进行训练并提取第四卷积层、第五和第六全连接层作为虹膜图像的3类特征；以3类单特征的SVM分类结果构造基本概率指派(BPA),并送入DS证据理论进行融合；根据融合结果及分类判决门限给出最终的识别结果。
基本信息
专利标题 ：
一种基于深度学习与DS证据理论的可见光虹膜识别方法
专利标题（英）：
暂无
公开（公告）号 ：
CN111401145A
申请号 ：
CN202010120383.1
公开（公告）日 ：
2020-07-10
申请日 ：
2020-02-26
授权号 ：
CN111401145B
授权日 ：
2022-05-03
发明人 ：
孙水发陈俊杰汪方毅吴义熔徐义春刘世焯
申请人 ：
三峡大学
申请人地址 ：
湖北省宜昌市大学路8号
代理机构 ：
江苏圣典律师事务所
代理人 ：
胡建华
优先权 ：
CN202010120383.1
主分类号 ：
G06K9/00
IPC分类号 ：
G06K9/00 G06K9/34 G06K9/62 G06N3/04
相关图片
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06K
数据识别；数据表示；记录载体；记录载体的处理
G06K9/00
用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置
法律状态
2022-05-03 ：
授权
2020-08-04 ：
实质审查的生效
IPC(主分类) : G06K 9/00
申请日 : 20200226
申请日 : 20200226
2020-07-10 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
1、
CN111401145A.PDF
PDF下载
