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！

龙图腾网获悉北京文创思宇科技发展有限公司申请的专利一种基于深度学习的人员生物特征信息采集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：CN121170917B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202511268922.5，技术领域涉及：G06V40/70；该发明授权一种基于深度学习的人员生物特征信息采集方法是由王宏;李明设计研发完成，并于2025-09-06向国家知识产权局提交的专利申请。

本一种基于深度学习的人员生物特征信息采集方法在说明书摘要公布了：本发明公开了一种基于深度学习的人员生物特征信息采集方法，涉及人工智能与生物特征识别技术领域，本发明显著提升特殊群体的认证覆盖能力；针对老人指纹磨损、虹膜模糊等生理退化问题，利用跨模态图神经网络构建指纹细节点与虹膜纹理块的动态关联，即使单模态特征严重残缺，仍可通过几何对齐与注意力权重补偿生成有效融合特征；增强复杂场景的系统鲁棒性；空间嵌入层将指纹坐标映射至虹膜极坐标系，消除因采集视角、病变区域偏移导致的模态间几何偏差；残差学习单元通过特征迭代优化缓解深层网络训练退化，对低对比度、局部遮挡等成像缺陷具有自适应补偿能力。

本发明授权一种基于深度学习的人员生物特征信息采集方法在权利要求书中公布了：1.一种基于深度学习的人员生物特征信息采集方法，其特征在于，包括， 步骤S1，获取指纹图像与虹膜图像； 步骤S2，对所述图像进行质量评估与标准化预处理，得到指纹可用性评分与虹膜可用性评分； 步骤S3，基于指纹图像提取指纹细节点集合，基于虹膜图像在极坐标域生成虹膜纹理块集合； 步骤S4，构建包含指纹细节点与虹膜纹理块的异构图，并通过跨模态图神经网络进行特征传播与融合，得到融合特征向量； 步骤S4中，异构图的边连接由跨模态空间嵌入层确定，所述空间嵌入层用于将指纹细节点的图像坐标对齐至虹膜极坐标参考系并计算跨模态邻接关系；同模态与跨模态的边均携带基于空间邻近与局部纹理相似度的边特征； 步骤S4中，指纹坐标到虹膜极坐标参考系的映射方式如下， 将任一指纹细节点映射到虹膜的极坐标参考系，得到以与虹膜纹理块中心对齐，映射按相似变换后转极坐标执行： ， ， 其中，为归一化半径，为极角，单位rad，为空间嵌入映射，为指纹细节点在指纹图像坐标的横纵坐标，单位pixel，为各向异性尺度矩阵，为旋转矩阵，为参考方向，单位rad，为指纹细节点集合的质心坐标，单位pixel，为指纹有效区等效半径，单位pixel，为双参数反正切函数，返回极角，单位rad，为中间变换坐标，单位pixel； 式中： ， 其中，为参考方向，单位rad，分别为按索引累加的正弦与余弦分量，为第个细节点的方向角，单位rad，为细节点索引； 基于空间距离与局部纹理差异进行跨模态邻接判定：在统一参考系中，对任一指纹细节点与虹膜纹理块中心计算跨模态边权，并以阈值与Top-约束邻接集合，骨干权重采用距离项与纹理项乘性耦合并引入质量门控： 其中，为跨模态邻接权重，为归一化距离量度，无量纲，由极径差与角差经权重合成得到，为距离尺度参数，为局部纹理差异度量，为纹理尺度参数，为质量门控因子，取值为跨模态节点索引； 式中： ， 其中，为空间距离的平方形式，为两节点的极径，为两节点的极角，单位rad，为角向权重系数，单位； 邻接建立规则为：当且属于的Top-邻居时连边，其中，为边权阈值，为单节点最大跨模态连接数，单位条； 步骤S4中，图神经网络包含基于注意力的消息传递机制，针对指纹细节点与虹膜纹理块计算相似度标量并对聚合权重进行缩放；所述相似度包括基于特征向量的余弦相似度与基于边特征的加权项； 步骤S4中，在建立跨模态邻接后，对指纹细节点与虹膜纹理块的特征向量进行相似度度量，用作注意力打分的先验项，基础相似度采用余弦形式： ， 其中，为节点对的余弦相似度，分别为节点的特征向量，为内积运算，为二范数； 引入温度缩放，调节相似度的分布锐度： ， 其中，为温度缩放后的相似性得分，为温度系数的倒数，无量纲，为指数函数； 在图消息传递前，对每个候选邻接计算带门控的注意力权重，并在多头情形下聚合得到输出表示；对第个注意力头，采用下式进行带先验偏置的软归一化： ， 其中，为第头对边的注意力权重，分别为查询与键向量，表示转置，为该头的键向量维度，为相似度先验权重系数，无量纲，为上式获得的温度缩放相似性得分，为边权先验系数，无量纲，为步骤S4得到的跨模态邻接权重，为数值稳定常数，无量纲，为质量门控因子，取值区间，为邻接集合中的任一邻居索引，为节点的候选邻接集合； 多头输出作线性聚合二次展开为： ， 其中，为节点的更新表示，为注意力头数量，为头部聚合系数，非负且和为1，为第头的值映射矩阵，为邻居节点的输入特征向量； 步骤S5，将所述融合特征向量与注册模板进行比对，依据比对分值与预设阈值输出认证结果； 其中，当任一模态的质量评估低于门限时，采用质量门控策略对该模态的图节点赋予降低或屏蔽的聚合权重。

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北京文创思宇科技发展有限公司，其通讯地址为：100031 北京市西城区万博苑7号楼711；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”。

以上内容由龙图腾AI智能生成。