手掌静脉识别：基于端到端卷积神经网络方法

目的提出一种基于端到端卷积神经网络的手掌静脉识别方法。方法在构建的手掌静脉识别网络模型中，卷积层和池化层交替级联提取图像特征，同时通过神经网络分类器进行分类识别，采用包含动量项的随机梯度下降法最小化识别误差，在误差减小的方向上不断优化模型。采用训练集数据扩展、批归一化、Dropout、L2参数正则化四种方法提升网络的泛化能力。结果对公共的PolyU库(图像在高约束条件下获取)和自建库（图像在自然条件下获取）中全部500个对象的识别，正确识别率分别达到99.90%和98.05%，单个样本的识别时间均小于9 ms。结论与传统算法相比，本文方法能够有效提升掌静脉识别在实际应用中的准确率，为掌静脉识别提供一种新思路。

Palm vein recognition based on end-to-end convolutional neural network