摘要
本发明提供一种基于深度度量学习的指静脉特征提取方法,包括以下步骤:步骤1,对指静脉原始图像做预处理,提取图像的感兴趣区域;步骤2,将正负样本对组成的三元组(a,p,n)传入特征提取网络,得到特征三元组,步骤3,在欧式度量空间上计算损失,然后,将特征三元组传入分类器得到类别概率,并计算在余弦度量空间上的损失,通过反向传播一并优化,与现有技术相比,本发明具有如下的有益效果:(1)基于样本配对的训练方式,让数据集以另一种形式得到了扩充。(2)能够提取显著性特征,在度量空间中达到同类距离小,异类距离大的目标。(3)具有良好的鲁棒性,在大规模的数据集上仍然有不错的性能。