买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜西南科技大学申请的专利基于轻量化双线性卷积网络的手指静脉图像识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115050063B 。

龙图腾网通过国家知识产权局官网在2025-04-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210677527.2，技术领域涉及：G06V40/14；该发明授权基于轻量化双线性卷积网络的手指静脉图像识别方法是由周颖玥;王欣宇;李佳阳;李小霞;杨阳;何宏森设计研发完成，并于2022-06-15向国家知识产权局提交的专利申请。

本基于轻量化双线性卷积网络的手指静脉图像识别方法在说明书摘要公布了：本发明公开了一种基于轻量化双线性卷积网络的手指静脉图像识别方法，包括以下步骤：S1：预处理公开数据集中的手指静脉图像；S2：构建一个轻量化的双线性卷积网络；S3：构造损失函数，利用S1构造的训练集训练S2构建的卷积网络；S4：建立本地注册人的手指静脉特征库；S5：提取待识别人的手指静脉特征向量；S6：求得S5提取的特征向量与S4中的特征向量之间的余弦相似度，从而判定待识别人身份。本发明的优点是：解决了传统双线性网络输出的特征维度大的缺点，进一步减少了网络中的参数量和计算量。提升了捕获手指静脉图像中细粒度差异的能力，从而提升了识别精度。减少了耗时和存储空间的损耗。

本发明授权基于轻量化双线性卷积网络的手指静脉图像识别方法在权利要求书中公布了：1.一种基于轻量化双线性卷积网络的手指静脉图像识别方法，其特征在于，包括以下步骤：S1：预处理公开数据集中的手指静脉图像，得到被分为高质量和低质量的手指静脉图像数据集，以及对应数据集的感兴趣区域数据集；S2：构建一个轻量化的双线性卷积网络，该网络的输出被分为质量识别分支和图像分类分支，将其命名为RQABS-NetRecognitionandQualityAssessmentBilinearSpindleNet；S2包括以下子步骤：S21基于MobileNet-V2的子结构：反转残差结构和线性瓶颈结构，构造了前半部分的特征图通道数c逐渐增加，后半部分的特征图通道数c逐渐减小的纺锤形卷积网络结构，将其命名为SpindleNet；其中，反转残差结构和线性瓶颈结构依靠深度可分离卷积对网络中的特征图进行升维和降维；S22基于SpindleNet构造成为一种轻量化的双线性结构RQABS-Net，将输入的224×224×3维的图像I经过13次的反转残差结构和线性瓶颈结构升维到14×14×96维，然后再重复6次的反转残差结构和线性瓶颈结构降维到7×7×16维；对此时的特征图进行双线性池化BilinearPool，得到协方差矩阵φIf，然后从左至右、从上到下展平φIf为256维，并对其进行归一化，得到细粒度特征向量z；在特征向量z后连接图像分类分支和图像质量识别分支，根据公开数据集中手指静脉图像类别的数量，设置图像分类分支的输出节点k的值，并设置图像质量识别分支输出节点为2，用以将手指静脉图像分为高质量、低质量图像；S3：利用S1构造的手指静脉图像数据集训练RQABS-Net的质量识别分支，利用S1构造的感兴趣区域数据集训练RQABS-Net的图像分类分支；在训练过程中采用多分类交叉熵损失函数和中心损失函数量化网络输出和标签之间的差距；S4：使用手指静脉图像采集装置获取实际注册人的手指静脉图像数据流，将数据流输入训练完备的RQABS-Net，根据RQABS-Net质量识别分支的结果，存储被判别为高质量图像的特征，然后建立多个注册人所组成的已注册人特征库；S5：使用手指静脉图像采集装置获取待识别人的手指静脉图像数据流，将数据流输入与S4步骤中同样的RQABS-Net，根据RQABS-Net质量识别分支的结果，决定是否采用RQABS-Net输出的特征向量z，在已注册人特征库中进行身份匹配；S6：使用RQABS-Net输出的特征向量z作为当前手指静脉图像的特征向量，与已注册人特征库中的特征向量求取余弦相似度，根据阈值决定输出匹配到的身份信息或判定待识别人为陌生人。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西南科技大学，其通讯地址为：621010 四川省绵阳市涪城区青龙大道59号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。