基于卷积神经网络与图神经网络融合的掌心图像识别方法及系统

本发明公开了一种基于卷积神经网络与图神经网络融合的掌心图像识别方法及系统，属于生物特征识别与人工智能交叉技术领域。针对现有技术中局部纹理特征与全局拓扑关系割裂、动态场景适应性差、多模态特征未充分融合等问题，提出以下解决方案：1）设计双路径混合网络架构（DPHGCN），通过轻量化CNN提取多尺度局部纹理特征，同时利用动态图生成器（DGG）构建自适应图结构，结合图注意力网络建模关键点间拓扑关系；2）开发跨模态特征对齐模块（GIPL），实现CNN特征图与图节点嵌入的维度映射与语义对齐；3）提出分层注意力融合机制，结合空间注意力、拓扑注意力及交叉模态注意力动态加权融合异构特征。本发明在公开数据集上实现98.7%的识别准确率，推理速度达32ms/帧，在50%遮挡场景下仍保持76.2%的鲁棒性，可广泛应用于金融支付身份认证、医疗掌纹病理分析及安防实时验证等领域。