面向掌纹识别的多尺度感兴趣区域特征融合机制

来源：电子与信息学报杂志2026年第3期北京时间：

作者：马宇轩, 张飞飞, 李光辉, 唐鑫, 董正阳

单位：1.江南大学人工智能与计算机学院 无锡 2141222.江苏邦融微电子有限公司 苏州 215300

摘要：定位感兴趣区域(ROI)是掌纹识别流程中的关键环节，然而，在实际应用中，光照变化与手掌姿态的多样性常常导致ROI定位出现偏移，进而影响识别系统的性能。为缓解此问题，该文提出一种新颖的多尺度ROI特征融合机制，并据此设计了一个双分支协同工作的深度学习模型。该模型由特征提取网络和权重预测网络构成：前者负责从多个不同尺度的ROI中并行提取特征，后者则自适应地为各尺度特征分配权重。该融合机制的核心思想在于，不同尺度的ROI既共享了掌纹的核心纹理等本质特征，又各自包含了独特的尺度相关信息。通过对这些特征进行加权融合，模型能够强化共有的本质特征，同时抑制由定位不准引入的噪声和冗余信息，从而生成更具鲁棒性的特征。在IITD, MPD和NTU-CP等多个公开掌纹数据集上的综合实验表明，该模型在存在显著定位误差时，其识别精度仅出现小幅下降，展现出远超传统单尺度ROI模型的抗误差能力。特别是在NTU-CP定位误差测试中，该模型的等错误率(EER)仅从1.96%小幅上升至5.01%，而其他对比模型的EER均超过10%，这充分证实了所提多尺度ROI特征融合机制的有效性与优越性。

关键词：掌纹识别, 多尺度特征融合, 深度学习

基金资助：国家自然科学基金(62372214)，苏州市科技计划(SGC2021070)