[1]马莉,刘子良,谭振林,等.一种轻量级掌静脉识别算法NEPVR[J].计算机技术与发展,2024,34(12):213-220.DOI:10.20165/j.cnki.ISSN1673-629X.2024.0248.

1、背景

手掌静脉独特而稳定,难以伪造,且在可见光下难以获取。

该文提出了一种名为 NEPVR ( NAM -EfficientViT-based Palm Vein Recognition) 的手掌静脉识别算法,它是基于 NAM-EfficientViT 轻量网络的掌静脉识别算法,选用了 EfficientViT 作为骨干网络

2、相关工作

用于掌静脉识别的特征提取方法分为四类:

• 基于几何特征的方法
  • 基于曲线描述子
• 基于纹理分析的方法
  • 多方向 Gabor 滤波器
• 基于空间转换的方法
• 基于深度学习的方法
  • 掌静脉和掌纹的多模态生物特征学习算法

3、创新点

基于 Efficient-ViT 改进，提出 NEPVR，用于掌静脉识别

4、NEPVR 手掌静脉识别算法

（1）ROI 提取与图像增强

ROI 提取包括三个步骤:

• 手掌外轮廓分割
• 手掌关键点定位
• 手掌 ROI 截取

截取掌心核心的正方形区域作为提取的掌静脉 ROI 区域。

增强包括对比度受限自适应直方图均衡化(CLAHE)中值滤波

扩增处理包括平移、旋转、裁剪以及伽马变换

（2）NAM-EfficientViT 网络架构

（3）改进的 EfficientViT Block

引入 NAM(Normalization-based Attention Module)注意力模块，以增强网络对手掌静脉特征微小差异的提取,从而更有效地区分不同的类别

（4）损失函数

交叉熵 + 三元组

5、实验结果及分析

数据库

评价指标

不同骨干网络模型参数量对比

不同特征维数对等误差率的影响

512 维的特征向量已经足够表达掌静脉图像包含的身份信息

对比实验

6、总结 / 未来工作

• NAM 注意力 + Efficient-ViT

• 融合损失函数

• 目前在掌静脉识别过程中保护用户信息的研究较少,因此在未来的研究工作上,会将注意力集中在掌脉数据保护的研究中。