一种基于舌下区域图像的身份识别方法

技术特征：
1.一种基于舌下区域图像的身份识别方法，其特征在于：包括模型训练阶段和实施判别阶段；其中，模型训练阶段包括以下步骤：步骤1，训练舌下关键区域提取模型步骤2，使用舌下关键区域提取模型提取舌下图像中的舌下关键区域；步骤3，基于舌下关键区域进行多特征表示；步骤4，使用多特征表示训练数据训练判别模型其中，实施判别阶段包括以下步骤：步骤a,使用视觉采集设备采集待判别的舌下图像步骤b，使用舌下关键区域提取模型从获取舌下关键区域步骤c，对舌下关键区域进行多特征表示；步骤d，使用判别模型进行预测判断。2.如权利要求1所述的一种基于舌下区域图像的身份识别方法，其特征在于：步骤1中，(1)使用视觉采集设备采集c个组别的n个舌下图像组成训练集(2)将训练集切分为舌下全域图像训练集与舌下关键区域训练集(3)对部分舌下关键区域训练集进行标注获得标注集(4)将训练集与标注集输入yolov5x框架进行端到端训练，获得舌下关键区域提取模型3.如权利要求2所述的一种基于舌下区域图像的身份识别方法，其特征在于：步骤2中，将输入舌下关键区域提取模型获得关键区域特征训练集4.如权利要求3所述的一种基于舌下区域图像的身份识别方法，其特征在于：步骤3中，针对舌下关键区域训练集，提取以下四种特征：色彩特征、纹理特征、几何特征和潜表示特征。5.如权利要求4所述的一种基于舌下区域图像的身份识别方法，其特征在于：对色彩特征进行提取时：(1)针对中的每一个图像，提取三个通道的颜色直方图h
r
,h
g
,h
b
；(2)针对中的每一个图像，分别提取一阶色矩、二阶色矩以及三阶色矩：中的每一个图像，分别提取一阶色矩、二阶色矩以及三阶色矩：中的每一个图像，分别提取一阶色矩、二阶色矩以及三阶色矩：其中，n代表像素数量，m
1,ch
、m
2,ch
、m
3,ch
分别为ch通道上的一阶色矩、二阶色矩和三阶色
矩，p
i
代表第i个像素；(3)拼接颜色直方图以及一阶、二阶、以及三阶色矩：fc
i
＝[h
r
,h
g
,h
b
,
…
m
1,r
,m
1,g
,m
1,b
,
…
m
2,r
,m
2,g
,m
2,b
,
…
m
3,r
,m
3,g
,m
3,b
]；对纹理特征进行提取时：针对中的每一个图像，提取两种特征：lbp特征和gabor特征；(1)特征f
lbp
：其中，δ(
·
,
·
)函数如下表述：(2)特征f
gabor
通过定义以下gabor滤波器获得：其中，θ＝{0
°
,22.5
°
,45
°
,
…
,180
°
}，合并lbp特征和gabor特征组成纹理特征ft＝[f
lbp
,f
gabor
]；对几何特征进行提取时：几何特征由舌下关键区域图像的长度(l)、宽度(w)、长宽比(lwr)、面积(a)、中心距离(ζ)、圆形面积(α)、圆面积比(ρ)、方形面积(φ)和方形面积比(β)组成；其中，l＝nrow(b)w＝ncol(n)a＝l
×
wα＝πζ2φ＝4ζ4此时，几何特征fg＝[l,w,lwr,a,ζ,α,ρ,φ,β]。
对潜表示特征进行提取时：将舌下关键区域图像输入深度自编码器最终多特征表示为f
i
＝[fc
i
,ft
i
,fg
i
,fl
i
]。6.如权利要求5所述的一种基于舌下区域图像的身份识别方法，其特征在于：步骤4中，先根据步骤3中的对舌下关键区域训练集中所有的图像提取不同特征，准备舌下关键区域特征训练集然后选择基分类器最后根据舌下关键区域特征训练集f
tr
与基分类器训练判别模型7.如权利要求6所述的一种基于舌下区域图像的身份识别方法，其特征在于：步骤c中，8.如权利要求7所述的一种基于舌下区域图像的身份识别方法，其特征在于：步骤d中，

技术总结
本发明提供了一种基于舌下区域图像的身份识别方法，包括模型训练阶段和实施判别阶段；其中，模型训练阶段包括以下步骤：训练舌下关键区域提取模型使用舌下关键区域提取模型提取舌下图像中的舌下关键区域；基于舌下关键区域进行多特征表示；使用多特征表示训练数据训练判别模型其中，实施判别阶段包括以下步骤：使用视觉采集设备采集待判别的舌下图像使用舌下关键区域提取模型从获取舌下关键区域对舌下关键区域进行多特征表示；使用判别模型进行预测判断。本发明以舌下图像为主体对象，结合人工智能与特征提取，可用于较高精度的个人身份信息识别领域。可用于较高精度的个人身份信息识别领域。可用于较高精度的个人身份信息识别领域。


技术研发人员：曾少宁 周健航
受保护的技术使用者：电子科技大学长三角研究院（湖州）
技术研发日：2022.11.09
技术公布日：2023/2/3