基于多特征融合和深度学习的轻量级掌静脉识别方法

本发明提供一种基于多特征融合和深度学习的轻量级掌静脉识别方法，包括获取掌静脉数据集，并将掌静脉数据集划分为训练数据集和测试数据集；提取掌静脉图像的ROI图像和静脉纹理图；使用深度可分离卷积和残差块构建轻量级模型；使用轻量级模型提取ROI图像和静脉纹理图的特征；采用高斯混合模型在决策层上面对轻量级模型提取的特征进行特征融合，获得最终的分数；通过分数进行判断两张掌静脉图像是否来自同一个手。本发明使用深度可分离卷积和残差构建轻量级的网络，从而能够在嵌入式系统中高效运行，而且通过深度可分离卷积来减少参数量和计算量，并通过残差连接加速训练收敛和提高网络稳定性；而且模型更小、参数更少、提取速度快。