技术特征：
技术总结
本发明公开了一种基于属性学习的手指静脉识别方法及装置，该方法包括：获取手指静脉图像库，进行数据增广形成训练集；针对手指静脉的特点设计可解释性属性，在训练集中分别针对每个可解释性属性建立其对应的属性学习模型用于获取可解释性属性的值；为了进一步提高特征的区分性，提出了基于区分性辅助branch的卷积神经网络作为区分性属性的学习模型，并设计新的Inter‑intra损失函数，增强区分性属性学习模型的区分性；获取待识别图像，根据全部属性学习模型确定待识别图像的属性特征，进行手指静脉识别。相比较传统的特征，本发明提出的方法提高现有特征的可解释性，识别精度以及识别效率。
技术研发人员：袭肖明;尹义龙;孟宪静;杨璐
受保护的技术使用者：山东财经大学
技术研发日：2017.11.16
技术公布日：2018.04.20