结合深度神经网络和随机森林的手掌静脉分类

提出了一种结合深度神经网络和随机森林的手掌静脉分类新方法。利用预训练深度神经网络模型AlexNet提取掌脉特征，采用主成分分析法对提取的高维掌静脉特征进行降维处理，以减少存储空间、降低分类误差，结合对噪声具有很好容忍能力的随机森林进行分类。基于香港理工（PolyU）数据库、中国科学院（CASIA）数据库和自建库的测试精度分别为100%、97.00%和99.50%。相较传统方法，所提方法避免了人工选择特征提取算法的局限性，有效降低了手掌静脉的分类误差, 具有更好的稳健性。