本发明涉及光射线检测智能识别,更具体地说,本发明涉及一种基于深度学习的掌纹数据识别方法及系统。
背景技术:
1、掌纹识别与掌静脉识别对于快速发展的智能识别非常重要;掌纹识别手掌纹理,利用静脉中的脱氧血红蛋白与其他生理组织对近红外光的吸收率差异,检测静脉数据;目前存在皮肤表面损伤、老化等因素影响检测识别精准度等问题;具体包括:如何检测各种状态掌心并精准获取基础掌纹信息数据及基础掌静脉检测数据、如何获取准确掌纹信息数据特征及掌静脉数据特征并构建掌纹掌静脉一体识别模型、如何训练模型并使掌纹掌静脉识别更精准、如何实时检测掌纹信息数据及掌静脉检测数据精准输出掌纹掌静脉一体识别结果并发现掌纹掌静脉识别异常及时示警等问题尚待解决;因此,有必要提出一种基于深度学习的掌纹数据识别方法及系统,以至少部分地解决现有技术中存在的问题。
技术实现思路
1、在
技术实现要素:
部分中引入了一系列简化形式的概念,这将在具体实施方式部分中进一步详细说明;本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征,更不意味着试图确定所要求保护的技术方案的保护范围。
2、为至少部分地解决上述问题,本发明提供了一种基于深度学习的掌纹数据识别方法,包括:
3、s100,通过近红外吸收可见光反射双光交替一体检测五指伸展开时掌心,获取基础掌纹信息数据及基础掌静脉检测数据;
4、s200,根据基础掌纹信息数据及基础掌静脉检测数据,建立掌纹掌静脉基础信息库,提取掌纹信息数据特征及掌静脉数据特征,构建掌纹掌静脉一体识别深度学习模型;
5、s300,根据掌纹掌静脉基础信息库,训练掌纹掌静脉一体识别深度学习模型,获取掌纹掌静脉一体识别深度学习精准模型;
6、s400,实时检测掌纹信息数据及掌静脉检测数据并输入掌纹掌静脉一体识别深度学习精准模型,输出掌纹掌静脉一体识别结果,并在掌纹掌静脉任一项识别异常时,触发掌纹掌静脉识别异常示警。
7、优选的,s100包括:
8、s101,采用近红外吸收可见光反射双光交替一体检测,设置近红外吸收双光交替一体检测器;
9、s102,分别通过近红外吸收双光交替一体检测器的可见光射线及近红外射线交替照射五指伸展开时掌心,分别通过可见光射线反射感应及近红外射线反射感应检测,获取基础掌纹信息数据及基础掌静脉检测数据。
10、优选的,s200包括:
11、s201,根据基础掌纹信息数据及基础掌静脉检测数据,建立掌纹掌静脉基础信息库;
12、s202,根据掌纹掌静脉基础信息库,提取掌纹信息数据特征及掌静脉数据特征;
13、s203,通过掌纹信息数据特征及掌静脉数据特征统计分析,进行掌纹掌静脉一体判定,构建掌纹掌静脉一体识别深度学习模型。
14、优选的,s300包括:
15、s301,根据掌纹掌静脉基础信息库,建立掌纹掌静脉训练集、掌纹掌静脉验证集及掌纹掌静脉测试集,训练掌纹掌静脉一体识别深度学习模型;
16、s302,通过训练掌纹掌静脉一体识别深度学习模型,直至掌纹掌静脉一体识别深度学习模型输出达到预设数据准确度,获取掌纹掌静脉一体识别深度学习精准模型。
17、优选的,s400包括:
18、s401,实时检测掌纹信息数据及掌静脉检测数据,手掌自然张开,掌心置于传感器上方5-10厘米,轻微摆动;获取实时检测掌纹信息数据及实时检测掌静脉检测数据;
19、s402,将实时检测掌纹信息数据及实时检测掌静脉检测数据输入掌纹掌静脉一体识别深度学习精准模型;
20、s403,掌纹掌静脉一体识别深度学习精准模型输出掌纹掌静脉一体识别结果;
21、s404,根据掌纹掌静脉一体识别结果,在掌纹掌静脉任一项识别异常时,触发掌纹掌静脉识别异常示警。
22、本发明提供了一种基于深度学习的掌纹数据识别系统,包括:
23、掌纹掌静脉基础检测模块,通过近红外吸收可见光反射双光交替一体检测五指伸展开时掌心,获取基础掌纹信息数据及基础掌静脉检测数据;
24、掌纹掌静脉一体识别架构模块,根据基础掌纹信息数据及基础掌静脉检测数据,建立掌纹掌静脉基础信息库,提取掌纹信息数据特征及掌静脉数据特征,构建掌纹掌静脉一体识别深度学习模型;
25、掌纹掌静脉识别模型训练模块,根据掌纹掌静脉基础信息库,训练掌纹掌静脉一体识别深度学习模型,获取掌纹掌静脉一体识别深度学习精准模型;
26、掌纹掌静脉实时一体识别模块,实时检测掌纹信息数据及掌静脉检测数据并输入掌纹掌静脉一体识别深度学习精准模型,输出掌纹掌静脉一体识别结果,并在掌纹掌静脉任一项识别异常时,触发掌纹掌静脉识别异常示警。
27、优选的,掌纹掌静脉基础检测模块,包括:
28、双光交替一体设置单元,采用近红外吸收可见光反射双光交替一体检测,设置近红外吸收双光交替一体检测器;
29、吸收反射双光交替检测单元,分别通过近红外吸收双光交替一体检测器的可见光射线及近红外射线交替照射五指伸展开时掌心,分别通过可见光射线反射感应及近红外射线反射感应检测,获取基础掌纹信息数据及基础掌静脉检测数据。
30、优选的,掌纹掌静脉一体识别架构模块,包括:
31、掌纹掌静脉基础信息库单元,根据基础掌纹信息数据及基础掌静脉检测数据,建立掌纹掌静脉基础信息库;
32、信息数据特征提取单元,根据掌纹掌静脉基础信息库,提取掌纹信息数据特征及掌静脉数据特征;
33、一体识别深度学习模型单元,通过掌纹信息数据特征及掌静脉数据特征统计分析,进行掌纹掌静脉一体判定,构建掌纹掌静脉一体识别深度学习模型。
34、优选的,掌纹掌静脉识别模型训练模块,包括:
35、深度学习模型训练单元,根据掌纹掌静脉基础信息库,建立掌纹掌静脉训练集、掌纹掌静脉验证集及掌纹掌静脉测试集,训练掌纹掌静脉一体识别深度学习模型;
36、深度学习精准模型单元,通过训练掌纹掌静脉一体识别深度学习模型,直至掌纹掌静脉一体识别深度学习模型输出达到预设数据准确度,获取掌纹掌静脉一体识别深度学习精准模型。
37、优选的,掌纹掌静脉实时一体识别模块,包括:
38、掌纹掌静脉实时检测单元,实时检测掌纹信息数据及掌静脉检测数据,手掌自然张开,掌心置于传感器上方5-10厘米,轻微摆动;获取实时检测掌纹信息数据及实时检测掌静脉检测数据;
39、检测数据输入单元,将实时检测掌纹信息数据及实时检测掌静脉检测数据输入掌纹掌静脉一体识别深度学习精准模型;
40、一体识别深度学习输出单元,掌纹掌静脉一体识别深度学习精准模型输出掌纹掌静脉一体识别结果;
41、掌纹掌静脉识别异常示警单元,根据掌纹掌静脉一体识别结果,在掌纹掌静脉任一项识别异常时,触发掌纹掌静脉识别异常示警。
42、上述技术方案有益效果包括:
43、本发明提供了一种基于深度学习的掌纹数据识别方法及系统,通过近红外吸收可见光反射双光交替一体检测五指伸展开时掌心,获取基础掌纹信息数据及基础掌静脉检测数据;根据基础掌纹信息数据及基础掌静脉检测数据,建立掌纹掌静脉基础信息库,提取掌纹信息数据特征及掌静脉数据特征,构建掌纹掌静脉一体识别深度学习模型;根据掌纹掌静脉基础信息库,训练掌纹掌静脉一体识别深度学习模型,获取掌纹掌静脉一体识别深度学习精准模型;实时检测掌纹信息数据及掌静脉检测数据并输入掌纹掌静脉一体识别深度学习精准模型,输出掌纹掌静脉一体识别结果,并在掌纹掌静脉任一项识别异常时,触发掌纹掌静脉识别异常示警;能够解决掌纹与掌静脉识别数据快速发展的高速智能识别问题;能够更精准的提取手掌纹理特征,解决皮肤表面损伤造成的脱氧血红蛋白与其他生理组织对近红外光的吸收率异常问题,对于皮肤老化等因素影响具有显著改善;能够检测各种状态掌心并精准获取基础掌纹信息数据及基础掌静脉检测数据;能够获取准确掌纹信息数据特征及掌静脉数据特征并构建掌纹掌静脉一体识别模型,模型精准度显著提高;可以训练模型并使掌纹掌静脉识别更精准;可实时检测掌纹信息数据及掌静脉检测数据精准输出掌纹掌静脉一体识别结果,能够及时发现掌纹掌静脉识别异常及时示警,检测掌纹信息及掌静脉检测实时精准度显著提升。
44、本发明一种基于深度学习的掌纹数据识别方法及系统,本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。