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！

龙图腾网获悉南通大学申请的专利静脉识别模型的训练方法及装置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：CN119399803B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202411540816.3，技术领域涉及：G06V40/14；该发明授权静脉识别模型的训练方法及装置是由严敏;程实;王则林;周建美设计研发完成，并于2024-10-31向国家知识产权局提交的专利申请。

本静脉识别模型的训练方法及装置在说明书摘要公布了：本发明公开了静脉识别模型的训练方法及装置，涉及静脉识别技术领域，采集的预设角度范围被精确设定为0度到90度，并通过准静脉识别设备保证在不同角度下的图像分辨率和光照条件一致。确保了每个角度下采集的静脉图像具有一致的质量，减少了由于光照变化或设备分辨率不一致导致的图像噪声和特征丢失问题，从而提升了图像的清晰度和稳定性，使用高斯滤波去噪算法对采集到的静脉图像进行处理，去除因设备或外部环境引入的噪声。高斯滤波可以平滑图像，该方法有效降低了图像噪声，提升了图像的质量，通过多角度采集和一致的光照条件，减少了图像采集过程中的不稳定性，使得采集到的图像在不同角度下保持了较高的一致性。

本发明授权静脉识别模型的训练方法及装置在权利要求书中公布了：1.静脉识别模型的训练方法，其特征在于：包括以下步骤： 步骤一：通过使用现有的静脉识别设备，从多角度采集静脉图像，确保每个角度下静脉的清晰度，并保持图像的连续性，采集的图像标记为； 步骤二：对每一角度下的静脉图像进行预处理，包括去噪、增强对比度和归一化处理，获取归一化静脉图像； 步骤三：通过使用仿射变换图像配准技术，将不同视角的预处理后的静脉图像进行对齐，获取对齐后的变换图像； 步骤四：将对齐后的变换图像通过加权融合算法进行合并，生成最终静脉图像Ifu；对每个视角下的对齐后的变换图像进行清晰度和质量评估，质量评估通过图像梯度进行计算，确定每个图像的质量； 质量评估公式为： ； 式中，表示第i个视角图像的质量指标，M*N表示图像大小，表示图像的梯度； 根据每个视角的质量评价，计算每个图像的权重值； 所述权重值通过以下公式获取： ； 权重值与图像的清晰度成正比，且所有权重的总和为1，满足； 根据每个视角图像的权重值，对变换图像进行像素级的加权融合，对于每个像素位置，获取最终静脉图像Ifu； 所述最终静脉图像Ifu通过以下公式获取： Ifu ； 式中，Ifu 表示最终静脉图像在位置处的像素值，表示对齐后的图像在该像素位置的数值； 通过加权融合得到的最终静脉图像Ifu综合了多个视角的静脉信息，减少了单一视角的遮挡和噪声影响，生成更为清晰、特征丰富的静脉图像； 步骤五：对最终静脉图像Ifu进行特征提取，通过使用卷积神经网络提取特征向量F；将最终静脉图像Ifu输入卷积神经网络的卷积层，进行一系列卷积运算，卷积层通过不同的滤波器提取出图像中的局部特征包括边缘、纹理和静脉结构，获取卷积层的输出： ； 式中，表示第l层卷积层的输出特征图在通道c的像素值，表示卷积核，表示偏置项，Na表示卷积核的大小，表示卷积窗口的移动； 卷积层输出的特征图经过非线性激活函数ReLU处理使特征向量中的高频信息更加突出； ；随后进行池化操作，减少特征图的维度并保留最显著的静脉特征，池化后的特征图为； 经过多个卷积层、激活层和池化层后，将输出池化后的特征图为，展平为一维向量，并输入到全连接层中进行特征映射，生成最终的高维特征向量F； 所述高维特征向量F通过以下公式获取： F； 式中，分别表示全连接层的权重值和偏置项，表示激活函数Sigmoid； 对高维特征向量F进行正则化处理，归一化为单位长度，在后续识别阶段不同样本的特征向量可进行有效比较： Fn； 式中，表示特征向量的范数； 步骤六：将提取的特征向量F输入到静脉识别模型中，进行模型的训练，获取最终的识别结果Y。

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南通大学，其通讯地址为：226000 江苏省南通市崇川区永福路79号1幢南通大学技术转移研究院；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”。