摘要
本发明涉及静脉识别技术领域,具体涉及一种基于注意力机制的Bi‑GRU静脉识别方法。包括:建立基于注意力机制的Bi‑GRU模型,主要由下采样层、特征编码模块、时间注意力模块、尺度注意力模块和融合模块组成;下采样层将多视角手指静脉图像序列中的图像均映射为多个尺度的特征谱,特征编码模块将每个特征谱均被划分为N个特征块并转换为特征向量;时间注意力模块中学习同一尺度下的特征谱之间的时间依赖关系;尺度注意力模块中学习尺度关系依赖,融合模块中将特征谱从尺度和时间两个维度进行融合。步骤2:利用训练好的基于注意力机制的Bi‑GRU模型进行静脉图像的分类识别。解决现有技术中基于多视角手指静脉图像序列的识别方法的精确度有待提升的问题。
技术关键词
手指静脉图像
编码模块
静脉识别方法
注意力机制
矩阵
GRU模型
非线性
序列
特征谱特征
多层感知机
静脉识别技术
特征值
双曲正切函数
视角
时序
采样方法
系统为您推荐了相关专利信息
测试线束
信号
噪声功率密度
线束检测技术
工况参数
螺栓连接件
损伤预测方法
复合材料层合板
分层缺陷
纤维
动态时间规整算法
语义
动态规划算法
跨模态
注意力