融合全局与局部特征网络的指静脉识别算法

手指平移、轴旋转等特殊姿态变化时，指静脉识别算法的识别率并不高，为此，提出一种融合全局与局部特征网络的指静脉识别算法。首先，根据特殊姿态指静脉图像全局静脉信息差异较大而局部显著静脉信息相似度较高的特点，通过多分支网络结构学习不同粒度下的全局特征与局部特征并进行融合识别，提高了指静脉特征对手指放置姿态变化的鲁棒性；其次，使用CurricularFace损失以及交叉熵损失对网络进行联合监督，扩大指静脉特征类间差，缩小类内差，并引入在线困难样本挖掘机制，使得网络重点训练手指姿态变化较大的样本，进一步提高了算法在手指出现平移、轴旋转等姿态变化时的识别率；最后，采用Mish激活函数作为激活层，提高了网络提取指静脉特征的能力。分别在FV-USM数据集、FV-Normal数据集、FV-Special数据集上进行仿真实验，结果表明，相比于指静脉改进残差网络算法，提出算法的零误识识别率分别提高了11.33%,8.11%,22.57%,Top1排序分别提升了4.00%,4.96%,12.23%。