基于深度学习的近红外掌纹识别原型系统设计与实现

基于深度学习的近红外掌纹识别原型系统设计与实现

一、绪论
二、深度学习知识
三、Tensorflow
四、卷积神经网络
五、掌纹识别理论

1. 掌纹图像采集
2. 掌纹图像预处理
3. 掌纹特征提取
4. 掌纹特征匹配
5. 掌纹识别
   六、总结

在B站视频学习
深度学习之神经网络算法（CNN RNN GAN原理入门+实战）
Tensorflow2.0入门到进阶

卷积神经网络—>卷积层 池化层 全连接层

掌纹识别系统

主要包括掌纹图像采集、 掌纹图像预处理、特征提取、特征匹配等几个部分

1. 掌纹图像收集

2. 掌纹图像预处理方法—>ROI区域 DA
   https://blog.csdn.net/cmen/article/details/7708477
   预处理方法主要包括二值化、边界跟踪和关键点定位等步骤

3. 掌纹特征提取方法AlexNet（5层卷积+3层全连接）
   模型过拟合问题
   https://blog.csdn.net/csdn_muxin/article/details/81289933
   Dropout随机失活
   https://blog.csdn.net/sinat_29957455/article/details/81023154

4. 基于CNN的掌纹分类方法
   掌纹分类识别方法Softmax
   常用到的分类决策算法包括:最近邻分类算法(KNN, K-Nearest Neighbor)、支持向量机分类算法(SVM，Support Vector Machine) Softmax 分类算法等

卷积神经网络

特征提取方法8种

1. 纹理结构融合统计信息的特征提取
2. 多维子空间掌纹特征提取
3. 转换编码掌纹特征提取
4. 基于特征融合的掌纹特征提取

1 基于结构的特征提取
2 基于统计的特征提取
3 基于子空间的特征提取
4 基于时频分析的特征提取
5 基于编码的特征提取
6 基于模板的特征提取
7 基于光谱的特征提取