JP2021533493A - 指静脈照合方法、装置、コンピュータ機器、及び記憶媒体 - Google Patents

Abstract

指静脈照合方法、装置、コンピュータ機器、及び記憶媒体であって、人工知能分野に関する。該指静脈照合方法は、単一チャネル画像である２枚の被照合指静脈画像を取得する（Ｓ１０）と、２枚の被照合指静脈画像に対して画像チャネルの融合を行って、１枚の二チャネルのターゲット被照合指静脈画像を得る（Ｓ２０）と、ターゲット被照合指静脈画像を特徴抽出器に入力し、特徴抽出器でターゲット被照合指静脈画像の特徴ベクトルを抽出し、ここで、特徴抽出器は、二チャネル畳み込みニューラルネットワークを用いて訓練されたものである（Ｓ３０）と、ターゲット被照合指静脈画像の特徴ベクトルを二値分類器に入力して、二値分類結果を得る（Ｓ４０）と、二値分類結果に基づいて、２枚の被照合指静脈画像が同じ指に由来するか否かを決定する（Ｓ５０）と、を含む。該指静脈照合方法を用いて現実生活場面において指静脈の照合を行う時に高い正確率を有する。【選択図】図１

Description

（関連出願の相互参照）
本願は、２０１９年４月３日に提出された、出願番号が２０１９１０２６３８６６．４であり、名称が「指静脈照合方法、装置、コンピュータ機器、及び記憶媒体」である中国特許出願を基礎として、その優先権を主張する。

本発明は、人工知能分野に関し、特に、指静脈照合方法、装置、コンピュータ機器、及び記憶媒体に関する。

指静脈認識技術とは、指を近赤外線で透過した静脈きめ映像を利用して個人認識を行う生体認識技術である。様々な生体認識技術において、指静脈認識技術は、外部から見えない生体内部特徴を利用して認識する技術であるため、高い偽造防止性を有する。しかしながら、現在、指静脈認識に関する研究は、殆どクローズドセット認識に留まっている。現実的には、全ての人の指静脈画像を得てネットワーク訓練を行うことが不可能であるため、このようなクローズドセット認識のネットワークは、現実生活では指静脈照合を行う場面に適用されず、現実生活場面では指静脈照合を行う正確率が低い。

これに鑑みて、本発明の実施例は、現在、現実生活場面における指静脈の照合正確率が低いという問題を解決するために、指静脈照合方法、装置、コンピュータ機器、及び記憶媒体を提供する。

第１態様では、本発明の実施例は、指静脈照合方法を提供する。該方法は、単一チャネル画像である２枚の被照合指静脈画像を取得するステップと、前記２枚の被照合指静脈画像に対して画像チャネルの融合を行って、１枚の二チャネルのターゲット被照合指静脈画像を得るステップと、前記ターゲット被照合指静脈画像を特徴抽出器に入力し、前記特徴抽出器で前記ターゲット被照合指静脈画像の特徴ベクトルを抽出するステップであって、前記特徴抽出器は、二チャネル畳み込みニューラルネットワークを用いて訓練されたものであるステップと、前記ターゲット被照合指静脈画像の特徴ベクトルを二値分類器に入力して、二値分類結果を得るステップと、前記二値分類結果に基づいて、前記２枚の被照合指静脈画像が同じ指に由来するか否かを決定するステップと、を含む。

第２態様では、本発明の実施例は、指静脈照合装置を提供する。該装置は、単一チャネル画像である２枚の被照合指静脈画像を取得するための第１取得モジュールと、前記２枚の被照合指静脈画像に対して画像チャネルの融合を行って、１枚の二チャネルのターゲット被照合指静脈画像を得るための第２取得モジュールと、前記ターゲット被照合指静脈画像を特徴抽出器に入力し、前記特徴抽出器で前記ターゲット被照合指静脈画像の特徴ベクトルを抽出するための第３取得モジュールであって、前記特徴抽出器は、二チャネル畳み込みニューラルネットワークを用いて訓練されたものである第３取得モジュールと、前記ターゲット被照合指静脈画像の特徴ベクトルを二値分類器に入力して、二値分類結果を得るための第４取得モジュールと、前記二値分類結果に基づいて、前記２枚の被照合指静脈画像が同じ指に由来するか否かを決定するための決定モジュールと、を含む。

第３態様では、メモリと、プロセッサと、前記メモリに記憶され、前記プロセッサで実行可能なコンピュータ読取可能な命令とを含むコンピュータ機器であって、前記プロセッサが、前記コンピュータ読取可能な命令を実行するとき、上記指静脈照合方法のステップを実現する。

第４態様では、本発明の実施例は、コンピュータ不揮発性読取可能な記憶媒体を提供する。該記憶媒体は、プロセッサによって実行されるとき、上記指静脈照合方法のステップを実現するコンピュータ読取可能な命令を含む。

本発明の実施例では、まず、２枚の単一チャネルの画像の被照合指静脈画像を取得し、かつ２枚の被照合指静脈画像に対して画像チャネルの融合を行って、１枚の二チャネルのターゲット被照合指静脈画像を得て、画像チャネルの融合により１枚の画像だけで２枚の被照合指静脈画像を表示し、かつ、画像チャネルの融合後に２枚の被照合指静脈画像間の類似度に関する深層特徴を備え、該深層特徴に基づいて２枚の被照合指静脈画像が同じ指に由来するか否かを決定し、次に、ターゲット被照合指静脈画像を特徴抽出器に入力し、前記特徴抽出器でターゲット被照合指静脈画像の特徴ベクトルを抽出し、該抽出した特徴ベクトルは該ターゲット被照合指静脈画像の深層特徴を体現することができ、基礎となる該特徴ベクトルは、被照合指静脈画像を照合し、かつ、正確な指静脈照合結果を得ることに役立ち、最後にターゲット被照合指静脈画像の特徴ベクトルを二値分類器に入力して、二値分類結果を得て、かつ、二値分類結果に基づいて被照合指静脈画像が同じ指に由来するか否かを決定し、二値分類器を用いることにより被照合指静脈画像の深層特徴の角度から、ターゲット被照合指静脈画像の特徴ベクトルを正確に区別して、正確な指静脈照合結果を得ることができる。

本発明の実施例の技術的解決手段をより明確に説明するために、実施例を説明するのに必要な添付の図面を以下で簡単に紹介するが、明らかに、以下の説明において添付の図面は単に本発明のいくつかの実施例であり、当業者であれば、創造的な労力を要することなく、これらの図面に基づいて他の図面を得ることもできる。
本発明の一実施例に係る指静脈照合方法のフローチャートである。 本発明の一実施例に係る指静脈照合装置の概略図である。 本発明の一実施例に係るコンピュータ機器の概略図である。

本発明の技術的解決手段をよりよく理解するために、以下、図面を参照しながら本発明の実施例を詳細に説明する。

なお、説明された実施例は、本発明の一部の実施例に過ぎず、全ての実施例ではない。本発明の実施例によれば、当業者であれば創造的な労力を要さずに想到し得る他の実施例は、いずれも本発明の保護範囲に属する。

本発明の実施例において使用される用語は、本発明を制限することを意図するものではなく、特定の実施例のみを説明するためのものである。本発明の実施例及び添付の特許請求の範囲に記載された単数形の「１つ」、「前記」、及び「該」は、他の意味を有することが文脈から明白ではない限り、複数形をも含む。

本明細書において使用される用語「及び／又は」は、関連対象を記述する同じフィールドに過ぎず、３つの関係が存在可能であることを示し、例えば、Ａ及び／又はＢは、Ａのみが存在し、ＡとＢが同時に存在し、Ｂのみが存在するという３つの場合を示すことができると理解すべきである。また、本明細書において符号「／」は、一般的に前後の関連対象が「又は」の関係であることを示す。

本発明の実施例において第１、第２、及び第３などの用語を用いて所定範囲などを説明する可能性があるが、これらの所定範囲は、これらの用語に制限するものではないと理解すべきである。これらの用語は、単に所定範囲を互いに区別するために用いられる。例えば、本発明の実施例の範囲から逸脱することなく、第１所定範囲が第２所定範囲と呼ばれてもよく、同様に、第２所定範囲が第１所定範囲と呼ばれてもよい。

文脈に応じて、本明細書で使用される単語「と」は、「…とき」、又は「…際に」、又は「決定に応答する」又は「検出に応答する」と解釈されてもよい。同様に、文脈に応じて、フレーズ「決定されると」又は「（陳述した条件又は事象）と検出されると」が、「決定されるとき」又は「決定に応答する」又は「（陳述した条件又は事象）と検出されるとき」又は「（陳述した条件又は事象）の検出に応答する」と解釈されてもよい。

図１は、本実施例に係る指静脈照合方法のフローチャートを示す。該指静脈照合方法は、指静脈照合システムへの適用が可能であり、指静脈画像が同じ指に由来するか否かを判定するとき、該指静脈照合システムを用いて実現することができる。該指静脈照合システムは、具体的に、コンピュータ機器に適用することができ、ここで、該コンピュータ機器は、ユーザとマンマシンインタラクションを行うことが可能な機器であり、コンピュータ、スマートフォン、及びタブレットなどの機器を含むが、これらに限定されるものではない。図１に示すように、該指静脈照合方法は、以下のステップを含む。

Ｓ１０、単一チャネル画像である２枚の被照合指静脈画像を取得する。

ここで、被照合指静脈画像とは、指静脈照合を行う指静脈画像である。照合した２枚の被照合指静脈画像の仕様が同じであり、例えば２枚の被照合指静脈画像の仕様がいずれも１２８＊２５６であることが理解すべきである。指静脈採取機器を用いて指静脈画像を採取するとき、採取を許可する指静脈画像の仕様が異なり、その際には、サイズ変換などの処理により、採取された指静脈画像の仕様を一致させることができ、それにより、指静脈の照合をより正確に行うことができる。

ここで、照合した２枚の被照合指静脈画像が単一チャネル画像であり、理解すべきものとして、指静脈照合の効率を向上させるために、指静脈採取機器を用いて指静脈画像を採取した後に、指静脈画像の仕様を統一するだけでなく、採取された指静脈画像を前処理して、前処理後の指静脈画像が少ないデータ量で指静脈画像の特徴を表すことができる。採取された指静脈画像を単一チャネル画像に変換するのは、そのうち１つの方法であり、ここで、画像のチャネルがその符号化方式に相関し、画像をＲＧＢ（ｒｅｄ、ｇｒｅｅｎ、ｂｌｕｅ）という３つの成分に分解して表すと、三チャネルになり、画像がグレースケール画像であれば、１つのチャネルである。具体的には、本実施例では、採取された指静脈画像をグレースケール画像に統一して変換し、この時に採取された指静脈画像が単一チャネル画像である。被照合指静脈画像が単一チャネル画像であると、指静脈画像の照合効率を向上させることができ、被照合指静脈画像に基づいて指静脈照合結果をリアルタイムに得ることができる。

一実施例では、指静脈採取機器で採取された指静脈画像に対して画像前処理することにより、単一チャネルの２枚の被照合指静脈画像を取得することができる。

Ｓ２０、２枚の被照合指静脈画像に対して画像チャネルの融合を行って、１枚の二チャネルのターゲット被照合指静脈画像を得る。

ここで、画像チャネルの融合とは、画像のチャネルの重ね合わせであり、例えば、１枚の赤色チャネルの画像、１枚の緑色チャネルの画像、及び１枚の青色チャネルの画像に対して画像チャネルの融合を行い、赤色チャネル、緑色チャネル及び青色チャネルを含む画像を１枚得る。

一実施例では、２枚の被照合指静脈画像に対して画像チャネルの融合を行い、即ち２枚の被照合指静脈画像のチャネルを重ね合わせて、２枚の被照合指静脈画像のそれぞれに対応する単一チャネルを同時に含む指静脈画像を１枚得て、該指静脈画像は、二チャネルであり、ターゲット被照合指静脈画像と呼ばれる。該ターゲット被照合指静脈画像とは、２枚の被照合指静脈画像の本来の単一チャネルの情報を同時に含み、かつ画像チャネルの融合後に、２枚の被照合指静脈画像間の類似度に関する深層特徴を備え（理解すべきものとして、チャネル融合後の同じ指からの被照合指静脈画像とチャネルの融合後の異なる指からの被照合指静脈画像について、２枚の被照合指静脈画像間の類似度に関する深層特徴が異なる）、該深層特徴に基づいて２枚の被照合指静脈画像が同じ指に由来するか否かを決定することができる。

さらに、ステップＳ２０で、２枚の被照合指静脈画像に対して画像チャネルの融合を行って、１枚の二チャネルのターゲット被照合指静脈画像を得ることは、具体的には以下を含む。

Ｓ２１、１枚目の被照合指静脈画像の単一チャネル画素マトリクスを取得する。

Ｓ２２、２枚目の被照合指静脈画像の単一チャネル画素マトリクスを取得する。

画像は、画素で構成され、画素マトリクスの方式で表すことができると理解すべきである。具体的には、単一チャネルの画像は、単一チャネル画素マトリクスで表される。

一実施例では、１枚目の被照合指静脈画像の単一チャネル画素マトリクスと、２枚目の被照合指静脈画像の単一チャネル画素マトリクスとを取得して、画像チャネルの融合を行う。

Ｓ２３、１枚目の被照合指静脈画像の単一チャネル画素マトリクスと２枚目の被照合指静脈画像の単一チャネル画素マトリクスにおける対応位置の画素値に対して画像チャネルの融合を行って、ターゲット被照合指静脈画像を得る。

理解すべきものとして、画像チャネルの融合とは、画像のチャネルの重ね合わせであり、ここで、画素は、画像上の画素の位置及び画素値を含み、本実施例では、２枚の被照合画像の仕様が同じであるため、画像融合を行う時に画素位置毎に対応して融合する必要があり、融合後の２つのチャネル内の画素は互いに独立し、１枚の画像に対して２つのチャネルの画素で示すことに相当する。

ステップＳ２１〜Ｓ２３では、画像チャネルの融合により１枚の画像だけで２枚の被照合画像を示すことができ、これは、指静脈の照合効率の向上に役立ち、また、画像チャネルの融合後にターゲット被照合指静脈画像は、２枚の被照合指静脈画像間の類似度に関する深層特徴を備え、該深層特徴に基づいて２枚の被照合指静脈画像が同じ指に由来するか否かを決定することができる。

Ｓ３０、ターゲット被照合指静脈画像を特徴抽出器に入力し、特徴抽出器でターゲット被照合指静脈画像の特徴ベクトルを抽出し、ここで、特徴抽出器は、二チャネル畳み込みニューラルネットワークを用いて訓練されたものである。

ここで、二チャネル畳み込みニューラルネットワークとは、二チャネル画像を認識するための畳み込みニューラルネットワークであり、二チャネル画像を抽出する特徴ベクトルに対して良い効果を達成する。二チャネル畳み込みニューラルネットワークを用いて訓練された特徴抽出器は、二チャネル画像から特徴ベクトルを抽出することができ、該特徴ベクトルは、二チャネル画像の深層特徴を正確に表現することができる。

一実施例では、特徴抽出器で入力されたターゲット被照合指静脈画像の特徴ベクトルを抽出し、該特徴抽出器が二チャネル畳み込みニューラルネットワークを用いて訓練されたものであるため、ターゲット被照合指静脈画像の特徴ベクトルを正確に抽出することができ、かつ、該特徴ベクトルに基づいて被照合指静脈画像を照合して、正確な指静脈照合結果を得ることに役立つ。

さらに、ステップＳ３０の前、即ち、ターゲット被照合指静脈画像を特徴抽出器に入力する前に、さらに以下を含む。

Ｓ３１、被訓練指静脈サンプルを取得する。

ここで、被訓練指静脈サンプルにおける訓練用のサンプルとテスト用のサンプルとは、オープンセットの基準に準拠して、互いに重ならない。理解すべきものとして、現在、指静脈認識は、殆どクローズドセットに留まっており、そのテスト用のサンプルは、いずれも訓練セットに出現したものであり、このとき、訓練されたモデルにはオーバーフィッティングが生じる場合があり、クローズドセット内サンプルの指静脈照合について高い照合正確率があるが、現実生活場面（オープンセット条件）での照合正確率は比較的低く、正常な指静脈照合のニーズを満たすことができない。現実生活場面では、指静脈画像に関するデータセットが比較的少ないが、特徴抽出モデルを訓練するとき、依然としてオープンセットの基準に準拠するものであり、したがって、訓練用のサンプルとテスト用のサンプルとが互いに重ならず、モデルの汎化能力を効果的に向上させることができる。

Ｓ３２、被訓練指静脈サンプルを二チャネル畳み込みニューラルネットワークに入力して訓練を行い、強化エッジ余弦損失関数を用いて訓練過程で生じた損失値を算出し、ここで二チャネル畳み込みニューラルネットワークは４層の畳み込み層、４層のプーリング層及び１層の全結合層を含み、二チャネル畳み込みニューラルネットワークの第１、３、５、７層が畳み込み層であり、第２、４、６、８層がプーリング層であり、第９層が全結合層である。

本実施例では、モデル訓練過程で生じる損失値を算出するのは、具体的には、強化エッジ余弦損失関数を用いるものであり、該強化エッジ余弦損失関数は、正規化した特徴ベクトルを入力とし（二チャネル畳み込みニューラルネットワークは、入力された被訓練指静脈サンプルの特徴ベクトルを抽出し、かつ正規化処理を行う）、さらに、学習された深層特徴の余弦角度空間における意思決定境界を最大化し、クラス間余弦エッジを最大化することで高さ判別性の深層特徴を学習することができる。

本実施例における二チャネル畳み込みニューラルネットワークに具体的に用いられるネットワーク構造は、４層の畳み込み層、４層のプーリング層及び１層の全結合層のみであり、二チャネル畳み込みニューラルネットワークの第１、３、５、７層が、畳み込み層であり、第２、４、６、８層が、プーリング層であり、第９層が、全結合層であり、該ネットワーク構造は、簡単であり、被訓練指静脈サンプルの特徴ベクトルを正確に抽出できる上で、モデル訓練の効率を効果的に向上させ、指静脈照合のリアルタイム性を保証することができる。

Ｓ３３、損失値に応じて二チャネル畳み込みニューラルネットワークを更新して、特徴抽出器を得る。

ここで、損失値は、訓練して出力された結果と実際に期待した結果の間にばらつきがある値を反映している。逆伝播アルゴリズムを用いることで、損失値に応じて二チャネル畳み込みニューラルネットワークにおけるネットワークパラメータを反復更新し、毎回ネットワークを更新した後に出力される結果を実際に期待した結果に近づけることができる。訓練が予め設定された反復回数に達するか、又はネットワークパラメータの変化値がいずれも反復停止閾値より小さい場合、訓練が終了し、特徴抽出モデルを得る。該特徴抽出モデルは、二チャネルの画像を抽出した特性ベクトルに対して訓練されたものであり、ターゲット被照合指静脈画像の特徴ベクトルを、リアルタイムで正確に抽出することができる。

ステップＳ３１〜Ｓ３３では、訓練して特徴抽出モデルを得る具体的な実施形態を提供し、訓練過程は、オープンセットの基準に準拠し、モデルの汎化能力を向上させることができ、また、訓練を行う二チャネル畳み込みニューラルネットワークは、強化エッジ余弦損失関数を用いて訓練過程で生じる損失値を算出し、二チャネル畳み込みニューラルネットワークを反復更新して特徴抽出モデルを得ることができ、訓練過程で生じる損失をより正確に記述することができ、かつ、モデル訓練の効率と特徴抽出モデルの特徴抽出能力を向上させることに役立つ。

さらに、ステップＳ３１で、被訓練指静脈サンプルを取得することは、具体的には以下を含む。

Ｓ３１１、単一チャネルの被訓練指静脈画像を取得する。

指静脈採取機器が最初に採取した指静脈画像が単一チャネルでない場合、規定された画像前処理で初期採取した指静脈画像を統一した規格の単一チャネルの被訓練指静脈画像に変換すると理解すべきである。

Ｓ３１２、２枚毎の単一チャネルの被訓練指静脈画像に対して画像チャネルの融合を行って、二チャネルの被訓練指静脈画像を得る。

現実生活場面では、指静脈画像に関するデータセットが比較的少なく、本実施例では、画像チャネルの融合の処理方式を用いて、２枚毎の単一チャネルの被訓練指静脈画像を１枚の二チャネルの被訓練指静脈画像に融合させ、数量がｎの単一チャネルの被訓練指静脈画像を、数量がｎ＊（ｎ−１）／２の二チャネルの被訓練指静脈画像に高め、指静脈画像のデータセットをより十分に利用することができる。

Ｓ３１３、融合した単一チャネルの被訓練指静脈画像が同じ指に由来すると、二チャネルの被訓練指静脈画像のラベル値を０と設定する。

Ｓ３１４、融合した単一チャネルの被訓練指静脈画像が同じ指に由来しないと、二チャネルの被訓練指静脈画像のラベル値を１と設定する。

一実施例では、得られた二チャネルの被訓練指静脈画像に対して予めラベル付けし、付けられたラベル値により特徴抽出モデル訓練過程でネットワークパラメータを効果的に更新する必要がある。指静脈画像の照合は、二分類値に関するものであるため、融合した単一チャネルの被訓練指静脈画像が同じ指に由来するか否かによってラベル値を設定することができる。

Ｓ３１５、設定されたラベル値に基づいて被訓練指静脈サンプルを得る。

二チャネルの被訓練指静脈サンプルに対してラベル値を設定した後、特徴抽出モデルを訓練するための被訓練指静脈サンプルを得ると理解すべきである。

ステップＳ３１１〜Ｓ３１５では、被訓練指静脈サンプルを取得する具体的な実施形態を提供し、画像チャネルの融合の処理方式を用いて２枚毎の単一チャネルの被訓練指静脈画像を１枚の二チャネルの被訓練指静脈画像に融合させ、数量がｎの単一チャネルの被訓練指静脈画像を、数量がｎ＊（ｎ−１）／２の二チャネルの被訓練指静脈画像に高め、指静脈画像のデータセットをより十分に利用することができ、かつ、融合した単一チャネルの被訓練指静脈画像が同じ指に由来するか否かによってラベル値を設定することは、特徴抽出モデル訓練中にネットワークパラメータを効果的に調整することに役立つ。

Ｓ４０、ターゲット被照合指静脈画像の特徴ベクトルを二値分類器に入力して、二値分類結果を得る。

ここで、二値分類器は、ニューラルネットワークを用いて予め訓練された分類器であってもよく、具体的には、ＳＶＭ（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ、サポートベクターマシン）二値分類器であってもよく、該ＳＶＭ二値分類器は、入力された特徴ベクトルに基づいて２種類の分類結果を出力することができる。具体的には、入力された特徴ベクトルは、ターゲット被照合指静脈画像の特徴ベクトルであってもよく、分類結果は、２枚の被照合指静脈画像が同じ指に由来するか否かについての分類結果であってもよい。

一実施例では、ターゲット被照合指静脈画像の特徴ベクトルを二値分類器に入力し、２枚の被照合指静脈画像が同じ指に由来するか否かによって分類し、二値分類結果を出力する。

Ｓ５０、二値分類結果に基づいて２枚の被照合指静脈画像が同じ指に由来するか否かを決定する。

また、ステップＳ５０で、二値分類結果に基づいて２枚の被照合指静脈画像が同じ指に由来するか否かを決定することは、具体的には以下を含む。

Ｓ５１、二値分類結果として得られた値が０であれば、２枚の被照合指静脈画像が同じ指に由来すると決定する。

Ｓ５２、二値分類結果として得られた値が１であれば、２枚の被照合指静脈画像が同じ指に由来しないと決定する。

二値分類結果が０であることは、２枚の被照合指静脈画像が同じ指に由来することを表し、二値分類結果が１であることは、２枚の被照合指静脈画像が同じ指に由来しないことを表すと理解すべきである。

ステップＳ５１〜Ｓ５２では、二値分類結果から２枚の被照合指静脈画像が同じ指に由来するか否かを決定する具体的な実施形態を提供し、正確な指静脈照合結果を迅速に得ることができる。

本発明の実施例では、まず、２枚の単一チャネルの画像の被照合指静脈画像を取得し、かつ２枚の被照合指静脈画像に対して画像チャネルの融合を行って、１枚の二チャネルのターゲット被照合指静脈画像を得て、画像チャネルの融合により１枚の画像だけで２枚の被照合指静脈画像を表示し、かつ、画像チャネルの融合後に２枚の被照合指静脈画像間の類似度に関する深層特徴を備え、該深層特徴に基づいて２枚の被照合指静脈画像が同じ指に由来するか否かを決定し、次に、ターゲット被照合指静脈画像を特徴抽出器に入力し、特徴抽出器でターゲット被照合指静脈画像の特徴ベクトルを抽出し、該抽出した特徴ベクトルは該ターゲット被照合指静脈画像の深層特徴を体現することができ、基礎となる該特徴ベクトルは、被照合指静脈画像を照合し、かつ、正確な指静脈照合結果を得ることに役立ち、最後にターゲット被照合指静脈画像の特徴ベクトルを二値分類器に入力して、二値分類結果を得て、かつ、二値分類結果に基づいて被照合指静脈画像が同じ指に由来するか否かを決定し、二値分類器を用いることにより被照合指静脈画像の深層特徴の角度から、ターゲット被照合指静脈画像の特徴ベクトルを正確に区別して、正確な指静脈照合結果を得ることができる。

なお、上述した実施例における各ステップの順序番号は、実行順序の先後を意味するものではなく、各プロセスの実行順序は、その機能及び内部論理で決定され、本発明の実施例の実施過程を何ら限定するものではないと理解すべきである。

実施例に係る指静脈照合方法に基づいて、本発明の実施例は、上記方法の実施例における各ステップ及び方法を実現する装置実施例をさらに提供する。

図２は、実施例に係る指静脈照合方法に一対一で対応する指静脈照合装置の原理ブロック図を示す。図２に示すように、該指静脈照合装置は、第１取得モジュール１０と、第２取得モジュール２０と、第３取得モジュール３０と、第４取得モジュール４０と、決定モジュール５０とを含む。なお、第１取得モジュール１０と、第２取得モジュール２０と、第３取得モジュール３０と、第４取得モジュール４０と、決定モジュール５０との実現機能は、実施例における指静脈照合方法に対応するステップと一対一で対応するものであり、ここでは重複した説明を省略するために、本実施例は、詳細に説明しないものである。

第１取得モジュール１０は、単一チャネル画像である２枚の被照合指静脈画像を取得するために用いられる。

第２取得モジュール２０は、２枚の被照合指静脈画像に対して画像チャネルの融合を行って、１枚の二チャネルのターゲット被照合指静脈画像を得るために用いられる。

第３取得モジュール３０は、ターゲット被照合指静脈画像を特徴抽出器に入力し、特徴抽出器でターゲット被照合指静脈画像の特徴ベクトルを抽出するために用いられ、ここで、特徴抽出器は、二チャネル畳み込みニューラルネットワークを用いて訓練されたものである。

第４取得モジュール４０は、ターゲット被照合指静脈画像の特徴ベクトルを二値分類器に入力して、二値分類結果を得るために用いられる。

決定モジュール５０は、二値分類結果に基づいて２枚の被照合指静脈画像が同じ指に由来するか否かを決定するために用いられる。

選択的に、第２取得モジュール２０は、第１取得ユニットと、第２取得ユニットと、第３取得ユニットとを含む。

第１取得ユニットは、１枚目の被照合指静脈画像の単一チャネル画素マトリクスを取得するために用いられる。

第２取得ユニットは、２枚目の被照合指静脈画像の単一チャネル画素マトリクスを取得するために用いられる。

第３取得ユニットは、１枚目の被照合指静脈画像の単一チャネル画素マトリクスと２枚目の被照合指静脈画像の単一チャネル画素マトリクスにおける対応位置の画素値に対して画像チャネルの融合を行って、ターゲット被照合指静脈画像を得るために用いられる。

選択的に、指静脈照合装置は、第４取得ユニットと、損失値取得ユニットと、特徴抽出器取得ユニットとをさらに含む。

第４取得ユニットは、被訓練指静脈サンプルを取得するために用いられる。

損失値取得ユニットは、被訓練指静脈サンプルを二チャネル畳み込みニューラルネットワークに入力して訓練を行い、強化エッジ余弦損失関数を用いて訓練過程で生じた損失値を算出するために用いられ、ここで、二チャネル畳み込みニューラルネットワークは４層の畳み込み層、４層のプーリング層及び１層の全結合層を含み、二チャネル畳み込みニューラルネットワークの第１、３、５、７層が畳み込み層であり、第２、４、６、８層がプーリング層であり、第９層が全結合層である。

特徴抽出器取得ユニットは、損失値に応じて二チャネル畳み込みニューラルネットワークを更新して、特徴抽出器を得るために用いられる。

選択的に、第４取得ユニットは、第１取得サブユニットと、第２取得サブユニットと、第３取得サブユニットと、第４取得サブユニットと、第５取得サブユニットとを含む。

第１取得サブユニットは、単一チャネルの被訓練指静脈画像を取得するために用いられる。

第２取得サブユニットは、２枚毎の単一チャネルの被訓練指静脈画像に対して画像チャネルの融合を行って、二チャネルの被訓練指静脈画像を得るために用いられる。

第３取得サブユニットは、融合した単一チャネルの被訓練指静脈画像が同じ指に由来すると、二チャネルの被訓練指静脈画像のラベル値を０と設定するために用いられる。

第４取得サブユニットは、融合した単一チャネルの被訓練指静脈画像が同じ指に由来しないと、二チャネルの被訓練指静脈画像のラベル値を１と設定するために用いられる。

第５取得サブユニットは、設定されたラベル値に基づいて被訓練指静脈サンプルを得るために用いられる。

選択的に、決定モジュール５０は、第１決定ユニットと、第２決定ユニットとを含む。

第１決定ユニットは、二値分類結果として得られた値が０であれば、２枚の被照合指静脈画像が同じ指に由来すると決定するために用いられる。

第２決定ユニットは、二値分類結果として得られた値が１であれば、２枚の被照合指静脈画像が同じ指に由来しないと決定するために用いられる。

本発明の実施例では、まず、２枚の単一チャネルの画像の被照合指静脈画像を取得し、かつ２枚の被照合指静脈画像に対して画像チャネルの融合を行って、１枚の二チャネルのターゲット被照合指静脈画像を得て、画像チャネルの融合により１枚の画像だけで２枚の被照合指静脈画像を表示し、かつ、画像チャネルの融合後に２枚の被照合指静脈画像間の類似度に関する深層特徴を備え、該深層特徴に基づいて２枚の被照合指静脈画像が同じ指に由来するか否かを決定し、次に、ターゲット被照合指静脈画像を特徴抽出器に入力し、特徴抽出器でターゲット被照合指静脈画像の特徴ベクトルを抽出し、該抽出した特徴ベクトルは該ターゲット被照合指静脈画像の深層特徴を体現することができ、基礎となる該特徴ベクトルは、被照合指静脈画像を照合し、かつ、正確な指静脈照合結果を得ることに役立ち、最後にターゲット被照合指静脈画像の特徴ベクトルを二値分類器に入力して、二値分類結果を得て、かつ、二値分類結果に基づいて被照合指静脈画像が同じ指に由来するか否かを決定し、二値分類器を用いることにより被照合指静脈画像の深層特徴の角度から、ターゲット被照合指静脈画像の特徴ベクトルを正確に区別して、正確な指静脈照合結果を得ることができる。

本実施例は、プロセッサによって実行されるとき、実施例における指静脈照合方法を実現するコンピュータ読取可能な命令を記憶したコンピュータ不揮発性読取可能な記憶媒体を提供し、重複した説明を省略するために、ここで詳細に説明しない。又は、該コンピュータ読取可能な命令がプロセッサによって実行されるとき、実施例における指静脈照合装置における各モジュール／ユニットの機能を実現し、重複した説明を省略するために、ここで詳細に説明しない。

図３は、本発明の一実施例に係るコンピュータ機器の概略図である。図３に示すように、該実施例のコンピュータ機器６０は、プロセッサ６１、メモリ６２、及びメモリ６２に記憶されてプロセッサ６１で実行可能なコンピュータ読取可能な命令６３を含み、該コンピュータ読取可能な命令６３は、プロセッサ６１により実行されるとき、実施例における指静脈照合方法を実現し、重複した説明を省略するために、ここで詳細に説明しない。又は、該コンピュータ読取可能な命令６３は、プロセッサ６１により実行されるとき、実施例における指静脈照合装置における各モデル／ユニットの機能を実現し、重複した説明を省略するために、ここで詳細に説明しない。

コンピュータ機器６０は、デスクトップコンピュータ、ノートパソコン、パームトップコンピュータ及びクラウドサーバなどのコンピューティング機器であってもよい。コンピュータ機器６０は、プロセッサ６１及びメモリ６２を含むが、それらに限定されない。図３がコンピュータ機器６０の一例に過ぎず、コンピュータ機器６０を限定するものではなく、図示よりも多いか又はより少ない部品を含んでもよく、又は何らかの部品の組み合わせ、又は異なる部品の組み合わせを含んでもよく、例えば、コンピュータ機器は、入出力機器、ネットワークアクセス機器、バスなどを含んでもよいことは、当業者であれば理解すべきである。

前記プロセッサ６１は、中央処理装置（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ、ＣＰＵ）であってもよいし、他の汎用プロセッサ、デジタルシグナルプロセッサ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ、ＤＳＰ）、特定用途向け集積回路（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ、ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（Ｆｉｅｌｄ−Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ、ＦＰＧＡ）、又はその他のプログラム可能論理デバイス、ディスクリートゲート又はトランジスタ論理デバイス、ディスクリートハードウェアコンポーネントなどであってもよい。汎用プロセッサは、マイクロプロセッサであってもよいし、任意の一般的なプロセッサなどであってもよい。

メモリ６２は、コンピュータ機器６０の内部記憶ユニット、例えばコンピュータ機器６０のハードディスク又はメモリであってもよい。メモリ６２は、コンピュータ機器６０の外部記憶装置、例えばコンピュータ機器６０に備えられたプラグインハードディスク、スマートメディアカード（Ｓｍａｒｔ Ｍｅｄｉａ（登録商標） Ｃａｒｄ、ＳＭＣ）、セキュアデジタル（Ｓｅｃｕｒｅ Ｄｉｇｉｔａｌ、ＳＤ）カード、フラッシュメモリカード（Ｆｌａｓｈ Ｃａｒｄ）などであってもよい。さらに、メモリ６２は、コンピュータ機器６０の内部記憶ユニットを含むと共に、外部記憶装置を含んでもよい。メモリ６２は、コンピュータ読取可能な命令及びコンピュータ機器に必要な他のプログラム及びデータを記憶するために用いられる。メモリ６２は、出力したか又は出力すべきデータを一時的に記憶するために用いられてもよい。

説明の便宜及び簡単のために、上記各機能ユニット、モジュールの分割のみを例に挙げて説明し、実施する際に、必要に応じて上記機能を異なる機能ユニット、モジュールで完了することができ、即ち装置の内部構造を異なる機能ユニット又はモジュールに分割して、以上に説明した全て又は一部の機能を完了することは、当業者であれば明らかに理解すべきである。

以上の実施例は、本発明の技術的解決手段を説明するためのものであって、これを制限するものではないが、前述の各実施例を参照しながら本発明を詳細に説明するが、当業者であれば、それが依然として前述の各実施例に記載の技術的解決手段を修正するか、又はそのうちの一部の技術的特徴に対して同等置換を行うことができるが、これらの修正又は置換は、対応する技術的解決手段の本質を本発明の各実施例の技術的解決手段の要旨及び範囲から逸脱させず、いずれも本発明の特許請求の範囲に含まれることは理解すべきである。

Claims (20)

1. 指静脈照合方法であって、
   単一チャネル画像である２枚の被照合指静脈画像を取得するステップと、
   前記２枚の被照合指静脈画像に対して画像チャネルの融合を行って、１枚の二チャネルのターゲット被照合指静脈画像を得るステップと、
   前記ターゲット被照合指静脈画像を特徴抽出器に入力し、前記特徴抽出器で前記ターゲット被照合指静脈画像の特徴ベクトルを抽出するステップであって、前記特徴抽出器は、二チャネル畳み込みニューラルネットワークを用いて訓練されたものであるステップと、
   前記ターゲット被照合指静脈画像の特徴ベクトルを二値分類器に入力して、二値分類結果を得るステップと、
   前記二値分類結果に基づいて、前記２枚の被照合指静脈画像が同じ指に由来するか否かを決定するステップと、を含むことを特徴とする方法。
2. 前記２枚の被照合指静脈画像に対して画像チャネルの融合を行って、１枚の二チャネルのターゲット被照合指静脈画像を得る前記ステップは、
   １枚目の被照合指静脈画像の単一チャネル画素マトリクスを取得するステップと、
   ２枚目の被照合指静脈画像の単一チャネル画素マトリクスを取得するステップと、
   前記１枚目の被照合指静脈画像の単一チャネル画素マトリクスと前記２枚目の被照合指静脈画像の単一チャネル画素マトリクスにおける対応位置の画素値に対して画像チャネルの融合を行って、前記ターゲット被照合指静脈画像を得るステップと、を含むことを特徴とする請求項１に記載の方法。
3. 前記ターゲット被照合指静脈画像を特徴抽出器に入力する前に、さらに、
   被訓練指静脈サンプルを取得するステップと、
   前記被訓練指静脈サンプルを前記二チャネル畳み込みニューラルネットワークに入力して訓練を行い、強化エッジ余弦損失関数を用いて訓練過程で生じた損失値を算出するステップであって、前記二チャネル畳み込みニューラルネットワークは、４層の畳み込み層、４層のプーリング層及び１層の全結合層を含み、前記二チャネル畳み込みニューラルネットワークの第１、３、５、７層が畳み込み層であり、第２、４、６、８層がプーリング層であり、第９層が全結合層であるステップと、
   前記損失値に応じて前記二チャネル畳み込みニューラルネットワークを更新して、前記特徴抽出器を得るステップと、を含むことを特徴とする請求項１に記載の方法。
4. 被訓練指静脈サンプルを取得する前記ステップは、
   単一チャネルの被訓練指静脈画像を取得するステップと、
   ２枚毎の前記単一チャネルの被訓練指静脈画像に対して画像チャネルの融合を行って、二チャネルの被訓練指静脈画像を得るステップと、
   融合した前記単一チャネルの被訓練指静脈画像が同じ指に由来すると、前記二チャネルの被訓練指静脈画像のラベル値を０と設定するステップと、
   融合した前記単一チャネルの被訓練指静脈画像が同じ指に由来しないと、前記二チャネルの被訓練指静脈画像のラベル値を１と設定するステップと、
   設定された前記ラベル値に基づいて前記被訓練指静脈サンプルを得るステップと、を含むことを特徴とする請求項３に記載の方法。
5. 前記二値分類結果に基づいて、前記２枚の被照合指静脈画像が同じ指に由来するか否かを決定する前記ステップは、
   前記二値分類結果として得られた値が０であれば、前記２枚の被照合指静脈画像が同じ指に由来すると決定するステップと、
   前記二値分類結果として得られた値が１であれば、前記２枚の被照合指静脈画像が同じ指に由来しないと決定するステップと、を含むことを特徴とする請求項１〜４のいずれか１項に記載の方法。
6. 指静脈照合装置であって、
   単一チャネル画像である２枚の被照合指静脈画像を取得するための第１取得モジュールと、
   前記２枚の被照合指静脈画像に対して画像チャネルの融合を行って、１枚の二チャネルのターゲット被照合指静脈画像を得るための第２取得モジュールと、
   前記ターゲット被照合指静脈画像を特徴抽出器に入力し、前記特徴抽出器で前記ターゲット被照合指静脈画像の特徴ベクトルを抽出するための第３取得モジュールであって、前記特徴抽出器は、二チャネル畳み込みニューラルネットワークを用いて訓練されたものである第３取得モジュールと、
   前記ターゲット被照合指静脈画像の特徴ベクトルを二値分類器に入力して、二値分類結果を得るための第４取得モジュールと、
   前記二値分類結果に基づいて前記２枚の被照合指静脈画像が同じ指に由来するか否かを決定するための決定モジュールと、を含むことを特徴とする装置。
7. 前記第２取得モジュールは、
   １枚目の被照合指静脈画像の単一チャネル画素マトリクスを取得するための第１取得ユニットと、
   ２枚目の被照合指静脈画像の単一チャネル画素マトリクスを取得するための第２取得ユニットと、
   前記１枚目の被照合指静脈画像の単一チャネル画素マトリクスと前記２枚目の被照合指静脈画像の単一チャネル画素マトリクスにおける対応位置の画素値に対して画像チャネルの融合を行って、前記ターゲット被照合指静脈画像を得るための第３取得ユニットと、を含むことを特徴とする請求項６に記載の装置。
8. 前記装置は、さらに、
   前記ターゲット被照合指静脈画像を特徴抽出器に入力する前に、被訓練指静脈サンプルを取得するための第４取得ユニットと、
   前記被訓練指静脈サンプルを前記二チャネル畳み込みニューラルネットワークに入力して訓練を行い、強化エッジ余弦損失関数を用いて訓練過程で生じた損失値を算出するための損失値取得ユニットであって、前記二チャネル畳み込みニューラルネットワークは、４層の畳み込み層、４層のプーリング層及び１層の全結合層を含み、前記二チャネル畳み込みニューラルネットワークの第１、３、５、７層が畳み込み層であり、第２、４、６、８層がプーリング層であり、第９層が全結合層である損失値取得ユニットと、
   前記損失値に応じて前記二チャネル畳み込みニューラルネットワークを更新して、前記特徴抽出器を得るための特徴抽出器取得ユニットと、を含むことを特徴とする請求項６に記載の装置。
9. 前記第４取得ユニットは、
   単一チャネルの被訓練指静脈画像を取得するための第１取得サブユニットと、
   ２枚毎の前記単一チャネルの被訓練指静脈画像に対して画像チャネルの融合を行って、二チャネルの被訓練指静脈画像を得るための第２取得サブユニットと、
   融合した前記単一チャネルの被訓練指静脈画像が同じ指に由来すると、前記二チャネルの被訓練指静脈画像のラベル値を０と設定するための第３取得サブユニットと、
   融合した前記単一チャネルの被訓練指静脈画像が同じ指に由来しないと、前記二チャネルの被訓練指静脈画像のラベル値を１と設定するための第４取得サブユニットと、
   設定された前記ラベル値に基づいて前記被訓練指静脈サンプルを得るための第５取得サブユニットと、を含むことを特徴とする請求項８に記載の装置。
10. 前記決定モジュールは、
    前記二値分類結果として得られた値が０であれば、前記２枚の被照合指静脈画像が同じ指に由来すると決定するための第１決定ユニットと、
    前記二値分類結果として得られた値が１であれば、前記２枚の被照合指静脈画像が同じ指に由来しないと決定するための第２決定ユニットと、を含むことを特徴とする請求項６〜９のいずれか１項に記載の装置。
11. メモリと、プロセッサと、前記メモリに記憶され、前記プロセッサで実行可能なコンピュータ読取可能な命令とを含むコンピュータ機器であって、前記プロセッサが、前記コンピュータ読取可能な命令を実行するとき、
    単一チャネル画像である２枚の被照合指静脈画像を取得するステップと、
    前記２枚の被照合指静脈画像に対して画像チャネルの融合を行って、１枚の二チャネルのターゲット被照合指静脈画像を得るステップと、
    前記ターゲット被照合指静脈画像を特徴抽出器に入力し、前記特徴抽出器で前記ターゲット被照合指静脈画像の特徴ベクトルを抽出するステップであって、前記特徴抽出器は、二チャネル畳み込みニューラルネットワークを用いて訓練されたものであるステップと、
    前記ターゲット被照合指静脈画像の特徴ベクトルを二値分類器に入力して、二値分類結果を得るステップと、
    前記二値分類結果に基づいて、前記２枚の被照合指静脈画像が同じ指に由来するか否かを決定するステップと、を実現することを特徴とするコンピュータ機器。
12. 前記プロセッサが前記コンピュータ読取可能な命令を実行して前記２枚の被照合指静脈画像に対して画像チャネルの融合を行って、１枚の二チャネルのターゲット被照合指静脈画像を得るステップを実現するとき、
    １枚目の被照合指静脈画像の単一チャネル画素マトリクスを取得するステップと、
    ２枚目の被照合指静脈画像の単一チャネル画素マトリクスを取得するステップと、
    前記１枚目の被照合指静脈画像の単一チャネル画素マトリクスと前記２枚目の被照合指静脈画像の単一チャネル画素マトリクスにおける対応位置の画素値に対して画像チャネルの融合を行って、前記ターゲット被照合指静脈画像を得るステップと、を含むことを特徴とする請求項１１に記載のコンピュータ機器。
13. 前記プロセッサは、前記コンピュータ読取可能な命令を実行するとき、
    前記ターゲット被照合指静脈画像を特徴抽出器に入力する前に、被訓練指静脈サンプルを取得するステップと、
    前記被訓練指静脈サンプルを前記二チャネル畳み込みニューラルネットワークに入力して訓練を行い、強化エッジ余弦損失関数を用いて訓練過程で生じた損失値を算出するステップであって、前記二チャネル畳み込みニューラルネットワークは、４層の畳み込み層、４層のプーリング層及び１層の全結合層を含み、前記二チャネル畳み込みニューラルネットワークの第１、３、５、７層が畳み込み層であり、第２、４、６、８層がプーリング層であり、第９層が全結合層であるステップと、
    前記損失値に応じて前記二チャネル畳み込みニューラルネットワークを更新して、前記特徴抽出器を得るステップと、をさらに実現することを特徴とする請求項１１に記載のコンピュータ機器。
14. 前記プロセッサは、前記コンピュータ読取可能な命令を実行して被訓練指静脈サンプルを取得するステップを実現するとき、
    単一チャネルの被訓練指静脈画像を取得するステップと、
    ２枚毎の前記単一チャネルの被訓練指静脈画像に対して画像チャネルの融合を行って、二チャネルの被訓練指静脈画像を得るステップと、
    融合した前記単一チャネルの被訓練指静脈画像が同じ指に由来すると、前記二チャネルの被訓練指静脈画像のラベル値を０と設定するステップと、
    融合した前記単一チャネルの被訓練指静脈画像が同じ指に由来しないと、前記二チャネルの被訓練指静脈画像のラベル値を１と設定するステップと、
    設定された前記ラベル値に基づいて前記被訓練指静脈サンプルを得るステップと、を含むことを特徴とする請求項１３に記載のコンピュータ機器。
15. 前記プロセッサは、前記コンピュータ読取可能な命令を実行して前記二値分類結果に基づいて前記２枚の被照合指静脈画像が同じ指に由来するか否かを決定する前記ステップを実現するとき、
    前記二値分類結果として得られた値が０であれば、前記２枚の被照合指静脈画像が同じ指に由来すると決定するステップと、
    前記二値分類結果として得られた値が１であれば、前記２枚の被照合指静脈画像が同じ指に由来しないと決定するステップと、を含むことを特徴とする請求項１１〜１４のいずれか１項に記載のコンピュータ機器。
16. コンピュータ読取可能な命令が記憶されたコンピュータ不揮発性読取可能な記憶媒体であって、前記コンピュータ読取可能な命令は、プロセッサによって実行されるとき、
    単一チャネル画像である２枚の被照合指静脈画像を取得するステップと、
    前記２枚の被照合指静脈画像に対して画像チャネルの融合を行って、１枚の二チャネルのターゲット被照合指静脈画像を得るステップと、
    前記ターゲット被照合指静脈画像を特徴抽出器に入力し、前記特徴抽出器で前記ターゲット被照合指静脈画像の特徴ベクトルを抽出するステップであって、前記特徴抽出器は、二チャネル畳み込みニューラルネットワークを用いて訓練されたものであるステップと、
    前記ターゲット被照合指静脈画像の特徴ベクトルを二値分類器に入力して、二値分類結果を得るステップと、
    前記二値分類結果に基づいて、前記２枚の被照合指静脈画像が同じ指に由来するか否かを決定するステップと、を実現することを特徴とする記憶媒体。
17. 前記コンピュータ読取可能な命令は、１つ又は複数のプロセッサによって実行されて前記２枚の被照合指静脈画像に対して画像チャネルの融合を行って、１枚の二チャネルのターゲット被照合指静脈画像を得る前記ステップを実現するとき、
    １枚目の被照合指静脈画像の単一チャネル画素マトリクスを取得するステップと、
    ２枚目の被照合指静脈画像の単一チャネル画素マトリクスを取得するステップと、
    前記１枚目の被照合指静脈画像の単一チャネル画素マトリクスと前記２枚目の被照合指静脈画像の単一チャネル画素マトリクスにおける対応位置の画素値に対して画像チャネルの融合を行って、前記ターゲット被照合指静脈画像を得るステップと、を含むことを特徴とする請求項１６に記載のコンピュータ不揮発性読取可能な記憶媒体。
18. 前記コンピュータ読取可能な命令は、１つ又は複数のプロセッサによって実行されるとき、前記１つ又は複数のプロセッサに、
    前記ターゲット被照合指静脈画像を特徴抽出器に入力する前に、被訓練指静脈サンプルを取得するステップと、
    前記被訓練指静脈サンプルを前記二チャネル畳み込みニューラルネットワークに入力して訓練を行い、強化エッジ余弦損失関数を用いて訓練過程で生じた損失値を算出するステップであって、前記二チャネル畳み込みニューラルネットワークは、４層の畳み込み層、４層のプーリング層及び１層の全結合層を含み、前記二チャネル畳み込みニューラルネットワークの第１、３、５、７層が畳み込み層であり、第２、４、６、８層がプーリング層であり、第９層が全結合層であるステップと、
    前記損失値に応じて前記二チャネル畳み込みニューラルネットワークを更新して、前記特徴抽出器を得るステップと、をさらに実現させることを特徴とする請求項１６に記載のコンピュータ不揮発性読取可能な記憶媒体。
19. 前記コンピュータ読取可能な命令は、１つ又は複数のプロセッサによって実行されて被訓練指静脈サンプルを取得する前記ステップを実現するとき、
    単一チャネルの被訓練指静脈画像を取得するステップと、
    ２枚毎の前記単一チャネルの被訓練指静脈画像に対して画像チャネルの融合を行って、二チャネルの被訓練指静脈画像を得るステップと、
    融合した前記単一チャネルの被訓練指静脈画像が同じ指に由来すると、前記二チャネルの被訓練指静脈画像のラベル値を０と設定するステップと、
    融合した前記単一チャネルの被訓練指静脈画像が同じ指に由来しないと、前記二チャネルの被訓練指静脈画像のラベル値を１と設定するステップと、
    設定された前記ラベル値に基づいて前記被訓練指静脈サンプルを得るステップと、を含むことを特徴とする請求項１８に記載のコンピュータ不揮発性読取可能な記憶媒体。
20. 前記コンピュータ読取可能な命令は、１つ又は複数のプロセッサによって実行されて前記二値分類結果に基づいて前記２枚の被照合指静脈画像が同じ指に由来するか否かを決定する前記ステップを実現するとき、
    前記二値分類結果として得られた値が０であれば、前記２枚の被照合指静脈画像が同じ指に由来すると決定するステップと、
    前記二値分類結果として得られた値が１であれば、前記２枚の被照合指静脈画像が同じ指に由来しないと決定するステップと、を含むことを特徴とする請求項１６〜１９のいずれか１項に記載のコンピュータ不揮発性読取可能な記憶媒体。
    

Images