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！

龙图腾网获悉电子科技大学申请的专利一种基于联合损失和卷积神经网络的指静脉识别方法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：CN115797987B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202211053355.8，技术领域涉及：G06V40/14；该发明授权一种基于联合损失和卷积神经网络的指静脉识别方法是由陈爱国;罗光春;赵太银;孙国林;宣朋羽;沙泽鑫设计研发完成，并于2022-08-31向国家知识产权局提交的专利申请。

本一种基于联合损失和卷积神经网络的指静脉识别方法在说明书摘要公布了：本发明公开了一种基于联合损失和卷积神经网络的指静脉识别方法，包括步骤：采集指静脉图像，并对图像进行预处理，提取指静脉图像的感兴趣区域，并对图像尺寸归一化；构建指静脉识别的深度卷积神经网络，基于ResNet34结构构建特征提取网络；模型训练，通过联合欧式度量空间和余弦度量空间的损失函数，对深度卷积神经网络进行训练，令网络模型学习到指静脉的有效特征表示；确定识别阈值，以错误接受率和错误识别率为衡量标准，通过枚举法找到最佳识别阈值，实现指静脉图像的识别。本发明用于指静脉图像特征提取与匹配，能有效进行指静脉身份识别。

本发明授权一种基于联合损失和卷积神经网络的指静脉识别方法在权利要求书中公布了：1.一种基于联合损失和卷积神经网络的指静脉识别方法，其特征在于，包括以下步骤： 步骤1、采集指静脉图像进行预处理得到指静脉样本并标注分类标签，建立指静脉数据集；静脉数据集中静脉数据为三元组形式，包括锚点样本、与锚点样本同一类别的正样本以及与锚点样本不同类别的负样本； 步骤2、构建并训练指静脉识别的深度卷积神经网络： 深度卷积神经网络包括特征提取网络和分类网络；特征提取网络用于从指静脉样本中提取出静脉特征向量输入分类网络；分类网络用于接收静脉特征向量输出指静脉识别结果； 特征提取网络在训练时基于联合损失优化网络；联合损失函数L＝L1+L2，其中，L1为从欧氏空间上约束样本的特征表示，L2在余弦空间上约束样本的特征表示： 其中，α和β是调节因子，分别用于调节L1和L2损失的大小，防止两者差异过大，||·||2表示向量的2-范数，f·表示特征提取函数，xii∈N表示第i个输入的指静脉图像，N表示一个批次的样本数量，分别表示第i个输入的指静脉图像的锚点样本a、与锚点样本同类的正样本p和与锚点样本不同类的负样本n，γ表示类间距离与类内距离的增加间隔；L2中，为第i个样本特征与网络权重向量之间的夹角，s表示缩放因子，m表示权重和特征之间的增加间隔，θj表示权重和第j个样本i≠j向量间的夹角，i与j均为样本序号； 分类网络在训练阶段通过预测样本所属类别，通过预测值与真实值的误差，借助反向传播算法来更新特征提取网络和分类网络的权重； 步骤3、计算识别阈值： 深度卷积神经网络训练结束后，去掉分类网络，保留特征提取网络；在指静脉数据集上用特征提取网络提取特征表示，用余弦相似度衡量提取特征与数据集中对应的静脉样本特征之间的距离，与给定的阈值相比，判断两个特征是否相似；再根据相似判断结果来确定识别阈值的取值；具体的，可通过相似判断结果得到错误拒绝率FRR和错误接受率FAR来评价特征提取网络效果并确定识别阈值的取值； 步骤4、基于指静脉特征提取网络输出待判别图像的预测结果： 对于注册的指静脉图像，基于指静脉特征提取网络获取该注册指静脉的特征表示，并将特征表示作为注册模板存储到特征数据库； 对查询的待判别指静脉图像，通过特征提取网络获取待判别指静脉的特征表示，并计算该特征表示与特征数据库中模板的余弦相似度，与识别阈值比较，判断是否已注册，完成身份识别。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区（西区）西源大道2006号；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”。