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！

龙图腾网获悉中国矿业大学申请的专利一种基于联合渐进稀疏的轻量级双模态生物特征识别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：CN119810934B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202411767667.4，技术领域涉及：G06V40/70；该发明授权一种基于联合渐进稀疏的轻量级双模态生物特征识别方法是由潘在宇;胡劼;徐玉杰;金鹏皓;王军设计研发完成，并于2024-12-04向国家知识产权局提交的专利申请。

本一种基于联合渐进稀疏的轻量级双模态生物特征识别方法在说明书摘要公布了：本发明公开了一种基于联合渐进稀疏的轻量级双模态生物特征识别方法，主要包括以下步骤：选取掌纹和掌静脉图像构建双模态数据集，采用MobileNetV1作为双分支网络提取特征，并通过联合渐进稀疏策略减少模型参数冗余，提升计算效率；使用双重通道注意力特征融合模块有效整合特征信息，形成统一的特征表示，构建轻量级双分支模型；引入生物特征结构一致性损失函数和细节纹理损失函数对模型进行精细优化，确保高效、准确的身份识别，并通过验证集评估保存最佳模型参数。本发明有效提升了识别的效率、准确性和可靠性，同时实现了模型的轻量化设计，使其更适用于资源受限的应用场景，满足现代生物特征识别技术对性能和资源的双重要求。

本发明授权一种基于联合渐进稀疏的轻量级双模态生物特征识别方法在权利要求书中公布了：1.一种基于联合渐进稀疏的轻量级双模态生物特征识别方法，其特征在于，包括以下步骤： 步骤1、选取掌纹、掌静脉图像构建双模态数据集，将双模态数据集划分为训练集和验证集，训练集和验证集均包含掌纹图像和掌静脉图像，转入步骤2； 步骤2、采用MobileNetV1作为双分支网络，即第一分支网络和第二分支网络，分别用于提取掌纹特征和掌静脉特征，捕捉双模态身份特征信息，即掌纹特征信息与掌静脉特征信息，转入步骤3； 步骤3、通过联合渐进稀疏策略对双分支网络进行有效稀疏化处理，得到稀疏后的掌纹特征图与掌静脉特征图，具体如下： 步骤3.1、对双分支网络构建渐进稀疏策略实现随网络深度变化的动态稀疏调整机制，具体如式3所示： 其中，Sl表示第l层的稀疏率，S1表示网络的初始稀疏率，Smax表示网络的最大稀疏率，l表示网络层的索引值，大小从1到L，L表示网络稀疏的总层数； 步骤3.2、结合梯度信息和权值信息对双分支网络的稠密权重矩阵进行高效精确稀疏，具体如式4、式5所示： IMPl1＝|Gl1|⊙|Wl1|     4IMPl2＝|Gl2|⊙|Wl2|     5其中：IMPl1和IMPl2分别表示两个分支网络的稠密权重矩阵第l层的重要性度量，Gl1和Gl2分别表示两个分支网络中第l层稠密权重的梯度矩阵，Wl1和Wl2为两个分支网络中第l层稠密权重的权重矩阵，⊙为逐元素乘积运算，||为取绝对值操作； 步骤3.3、计算双分支基线网络稠密权重矩阵的联合重要性，生成联合稀疏掩码，精确稀疏稠密权重矩阵，具体如式6、式7所示： IMPlu＝maxIMPl1,IMPl2 6其中，max是对双分支网络的稠密权重矩阵的重要性度量在同一位置取最大值操作，IMPlu表示两个分支网络稠密权重矩阵的联合重要性度量，Ml表示第l层的联合稀疏掩码，BottomIMPlu表示关于第l层最小的IMPlu值； 步骤3.4、将联合稀疏掩码分别应用到两个分支网络的稠密权重矩阵，得到两个分支网络的稀疏权重矩阵，具体如式8、式9所示： Wl1s＝Wl1⊙Ml 8Wl2s＝Wl2⊙Ml 9其中Wl1表示第一分支网络第l层的稠密权重矩阵，Wl1s表示第一分支网络第l层的稀疏权重矩阵，Wl2表示第二分支网络第l层的稠密权重矩阵，Wl2s表示第二分支网络第l层的稀疏权重矩阵； 步骤3.5、将双分支网络各层输出的掌纹掌静脉特征图与双分支网络各层的稀疏权重矩阵相乘，得到稀疏后的双分支网络各层输出的特征图，即稀疏后的掌纹特征图与掌静脉特征图： 其中，Wl1s表示第一分支网络第l层的稀疏权重矩阵，Xl1表示第一分支网络第l层的掌纹特征图，Xl1s表示稀疏后的第一分支网络第l层输出的掌纹特征图，Wl2s表示第二分支网络第l层的稀疏权重矩阵，Xl2表示第二分支网络第l层的掌静脉特征图，Xl2s表示稀疏后的第二分支网络第l层输出的掌静脉特征图，为矩阵乘法操作； 转入步骤4； 步骤4、将稀疏后的掌纹特征图与掌静脉特征图输入到双重通道注意力特征融合模块，整合稀疏后的掌纹特征信息与掌静脉特征信息，形成统一特征表示，从而构建轻量级双模态生物特征识别网络，转入步骤5； 步骤5、利用训练集对轻量级双模态生物特征识别网络进行训练，并引入身份识别交叉熵损失和模态特征结构一致性损失函数以及细节纹理损失函数来弥补模型弱化的边缘纹理细节信息，优化轻量级双模态生物特征识别网络识别性能，获得轻量级双模态生物特征识别模型，转入步骤6； 步骤6、使用轻量级双模态生物特征识别模型对验证集进行身份验证，评估轻量级双模态生物特征识别模型的最终性能表现。

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中国矿业大学，其通讯地址为：221116 江苏省徐州市铜山区大学路一号；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。