基于深度学习的掌静脉特征融合识别方法

本发明公开了基于深度学习的掌静脉特征融合识别方法，具体为：对手掌静脉图像进行预处理，构成训练集和测试集；设计G‑DenseNet深度学习网络模型，去除Softmax分类层，构成G‑深度特征提取网络模型，分别对训练集中的掌心及大鱼际静脉图像进行特征提取，将特征向量串联融合后组成样本库的融合特征向量；采用G‑深度特征提取网络模型对测试集中的两类图像进行特征提取，将特征向量进行串联融合后，组成待识别的特征融合向量；通过SMV分类器对待识别的特征融合向量与样本库的融合特征向量进行分类识别，输出匹配结果。本发明的识别方法，解决了现有方法识别率受限、鲁棒性差的问题，适用于高精度、轻量化需求的掌静脉识别。