本发明涉及生物特征识别，具体为基于特征交互融合网络的部分手指静脉识别方法及系统。
背景技术：
1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
2、身份认证技术(例如，常见的密码和id卡)在日常生活中应用较为普遍。但简单的密码存在被盗取的风险，复杂的密码容易被用户遗忘，id卡由于是物理实体容易丢失或被盗取。而利用人体生理特征或行为特征进行身份认证，能够应对上述问题，例如指纹识别、人脸识别等生物特征识别技术。
3、在多种生物特征中，手指内部的静脉血管不易被盗取，也不易受到皮肤破损的影响，并且只有活体手指才能用于身份认证。目前的手指静脉识别大多面向近全手指静脉图像，即图像中包含整根手指的静脉血管或接近整根手指的静脉血管。在一般情况下，图像中采集到的静脉血管越多，图像中的区分性信息越多，越有利于识别。
4、然而，当手指静脉采集模块或手指静脉识别模块被嵌入到小型电子设备中，例如智能门锁和考勤机等，小型电子设备的尺寸限制了手指静脉图像采集窗口的大小，部分采集设备仅能采集到部分手指静脉图像，即图像中仅包含一根手指的部分静脉血管。传统的手指静脉识别方法没有考虑部分手指静脉图像，大部分识别方法无法从部分手指静脉图像中提取到丰富的区分性信息，导致部分手指静脉识别性能不理想。
技术实现思路
1、为了解决上述背景技术中存在的技术问题，本发明提供了基于特征交互融合网络的部分手指静脉识别方法及系统，在图像采集窗口大小受限的前提下，利用部分手指静脉图像，基于信息交互矩阵的多尺度特征交互和基于空间位置信息的特征融合，充分挖掘和融合不同尺度的特征，从而提升部分手指静脉识别的性能。
2、为了实现上述目的，本发明采用如下技术方案：
3、本发明的第一个方面提供基于特征交互融合网络的部分手指静脉识别方法，包括以下步骤：
4、获取部分手指静脉图像，提取不同尺度的特征；
5、分别对不同尺度的特征，利用至少两种其他尺度的特征生成信息交互矩阵，并基于矩阵乘法运算与信息交互矩阵进行特征交互，得到相对应尺度的交互后的特征，交互后的特征基于通道注意力机制强调具有区分性的通道信息；
6、基于空间权值矩阵和不同尺度的交互后的特征进行特征加权融合，得到融合后的特征；
7、融合后的特征基于交叉熵损失和中心损失，得到部分手指静脉识别结果。
8、进一步的，提取不同尺度的特征，具体为：使用不同扩张率的网络分支，提取不同尺度的特征。
9、进一步的，分别对不同尺度的特征，利用至少两种其他尺度的特征生成信息交互矩阵，具体为：
10、将特征f1∈c*h*w进行重塑，生成新特征f1′∈c*n(n＝h*w)；其中，c为通道数，h为高度，w为宽度；
11、将特征f2∈c*h*w进行重塑后转置，生成新特征f2′∈n*c(n＝h*w)；
12、将特征f3∈c*h*w进行重塑，生成新特征f3′∈c*n(n＝h*w)；
13、对特征f2′和f3′进行矩阵乘法运算得到信息交互矩阵iim∈n*n。
14、进一步的，基于矩阵乘法运算将重塑特征f1′与信息交互矩阵进行特征交互，得到相对应尺度的交互后的特征，具体为：
15、将特征f1′与信息交互矩阵的乘积矩阵重塑成原始维度f1″(c*h*w)；
16、将特征f1与f1″求和，得到与特征f1对应的交互后的特征fi1。
17、对f2和f3也分别进行上述交互操作,得到相对应的交互后的特征fi2和fi3。
18、进一步的，基于空间权值矩阵和不同尺度的交互后的特征进行特征加权融合，得到融合后的特征，具体为：
19、对交互后的特征进行求和，对得到的结果沿着x轴方向和y轴方向分别进行平均池化和最大池化，得到新的特征fsx和fsy，fsy经维度交换后与fsx沿着通道方向执行串联操作生成特征fs′；
20、对生成的特征fs′进行逐点卷积，得到fs″，并分割成fsx′与fsy′，对分割出的两个特征分别使用逐点卷积，对特征通道数进行复原，通道数复原后的两个特征分别利用sigmoid激活函数得到x轴方向的权重w1和y轴方向的权重w2，两个权重相乘得到空间位置权重w；
21、空间位置权重分别与交互后的特征相乘，并对得到的所有乘积矩阵求和，得到融合后的特征ff。
22、进一步的，融合后的特征基于交叉熵损失和中心损失，得到部分手指静脉识别结果，具体为：
23、对交叉熵损失和中心损失进行加权融合得到总的损失函数，如下所示：
24、l＝a1*l1+(1-a1)*l2；
25、其中，l1和l2分别表示交叉熵损失和中心损失，a1为加权的权重。
26、本发明的第二个方面提供基于特征交互融合网络的部分手指静脉识别系统，包括：
27、特征提取模块，被配置为：获取部分手指静脉图像，并对部分手指静脉图像提取不同尺度的特征；
28、特征交互模块，被配置为：分别对不同尺度的特征，利用至少两种其他尺度的特征生成信息交互矩阵，并基于矩阵乘法运算与信息交互矩阵进行特征交互，得到相对应尺度的交互后的特征，交互后的特征基于通道注意力机制强调具有区分性的通道信息；
29、特征融合模块，被配置为：基于空间权值矩阵和不同尺度的交互后的特征进行特征加权融合，得到融合后的特征；
30、身份识别模块，被配置为：融合后的特征基于交叉熵损失和中心损失，得到部分手指静脉识别结果。
31、本发明的第三个方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述部分手指静脉识别方法中的步骤。
32、本发明的第四个方面提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述部分手指静脉识别方法中的步骤。
33、与现有技术相比，以上一个或多个技术方案存在以下有益效果：
34、1、现有的手指静脉识别方法主要面向基于近全手指静脉图像的识别任务，而本方案充分考虑了成像设备采集窗口尺寸受限引起的部分手指静脉图像识别问题，研究部分手指静脉图像的区分性信息提取与挖掘，以提升部分手指静脉识别的性能。
35、2、传统的手指静脉识别过程中，将不同分支提取的特征进行串联融合，忽视了来自不同分支的特征间的交互问题。本发明利用不同尺度的特征所得到的信息交互矩阵进行特征交互，配合通道注意力机制和基于空间位置信息的特征融合，充分挖掘和融合不同尺度特征。
36、3、对于损失函数的选取，大多数手指静脉识别方法只采用交叉熵损失来训练网络，只关注类间的差异性，忽略了类内的一致性。本发明则联合交叉熵损失和中心损失，可以综合考虑类间差异和类内一致性，从而提高模型的识别性能。
1.基于特征交互融合网络的部分手指静脉识别方法，其特征在于，包括以下步骤；
2.如权利要求1所述的基于特征交互融合网络的部分手指静脉识别方法，其特征在于，提取不同尺度的特征，具体为：基于扩张率不同的网络分支，提取不同尺度的特征。
3.如权利要求1所述的基于特征交互融合网络的部分手指静脉识别方法，其特征在于，分别对不同尺度的特征，利用至少两种其他尺度的特征生成信息交互矩阵，具体为：
4.如权利要求1所述的基于特征交互融合网络的部分手指静脉识别方法，其特征在于，基于矩阵乘法运算与信息交互矩阵进行特征交互，得到相对应尺度的交互后的特征，具体为：
5.如权利要求1所述的基于特征交互融合网络的部分手指静脉识别方法，其特征在于，基于空间权值矩阵和不同尺度的交互后的特征进行特征加权融合，得到融合后的特征，具体为：
6.如权利要求1所述的基于特征交互融合网络的部分手指静脉识别方法，其特征在于，融合后的特征基于交叉熵损失和中心损失，得到部分手指静脉识别结果，具体为：对交叉熵损失和中心损失进行加权融合得到总的损失函数。
7.如权利要求6所述的基于特征交互融合网络的部分手指静脉识别方法，其特征在于，对交叉熵损失和中心损失进行加权融合得到总的损失函数，如下式所示：
8.基于特征交互融合网络的部分手指静脉识别系统，其特征在于，包括：
9.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1-7任一项所述的基于特征交互融合网络的部分手指静脉识别方法中的步骤。
10.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如权利要求1-7任一项所述基于特征交互融合网络的部分手指静脉识别方法中的步骤。
