| 摘要: |
| 针对传统身份识别方法识别准确率低、模型复杂且运算速度慢等问题,提出一种新的基于轻量级密集连接卷积神经网络(DenseNet)和紫蜂协议(ZigBee)的指纹识别方法.首先,构建指纹识别系统的整体模型,并对该模型进行适当的裁剪以缩减模型复杂度.其次,通过筛选指纹图像、增强有效指纹以及扩充增强后的数据等操作,对采集到的ZigBee协议指纹信息进行预处理.然后,以传统深度残差网络的基本思想为依据,通过前馈的方式改变层间的连接关系并构建轻量级DenseNet.最后,以相同的样本数据为基础分别对轻量级DenseNet模型、普通DenseNet模型和3种传统基于机器学习的身份识别算法模型进行训练.试验结果表明:所提出的基于轻量级DenseNet模型的识别准确度最高,为98.24%,且该模型的运行速度最快,与普通DenseNet模型相比,其模型复杂度降低了94%以上. |
| 关键词: 指纹识别 轻量级DenseNet 密集连接卷积神经网络 ZigBee 深度学习 |
| DOI： |
| 分类号:TP391 |
| 基金项目:甘肃省科技计划项目资助(20CX9ZA021;22JR5RA809；20CX9ZA068);兰州市科技计划项目资助(2019-ZD-167;2020-ZD-139) |
|
|
|
|
| Abstract: |
|
| Key words: |
