1.一种基于融合深度网络的掌纹识别方法，其特征在于，方法步骤中包含：

构建掌纹图像数据集及用于掌纹识别的M‑CNN网络模型；

使用掌纹图像数据集对M‑CNN网络模型进行训练，根据训练结果对M‑CNN网络模型进行优化调整，保存训练完成的模型及权重，得到改进M‑CNN网络模型，并将输出的特征向量对应存入样本库内以用作后续匹配识别；

使用改进M‑CNN网络模型对需要识别的目标掌纹图像进行检测匹配识别，获得识别目标身份信息。

2.根据权利要求1所述的基于融合深度网络的掌纹识别方法，其特征在于，构建掌纹图像数据集的方法步骤中包含：获得多个掌纹图像，定位得到掌纹感兴趣区域图像；

对掌纹感兴趣区域图像进行处理，并提取对应特征图；

对每张掌纹感兴趣区域图像和对应特征图进行身份信息的分类标记，获得带有身份信息的掌纹图像数据，多个掌纹图像数据形成掌纹图像数据集。

3.根据权利要求2所述的基于融合深度网络的掌纹识别方法，其特征在于，获得多个掌纹图像的方法步骤中包含：使用公开的掌纹图像和/或使用图像采集设备拍摄掌纹图像。

4.根据权利要求2所述的基于融合深度网络的掌纹识别方法，其特征在于，对掌纹感兴趣区域图像进行处理的方法步骤中包含：对掌纹感兴趣区域图像进行去噪、掌纹图像信息增强、灰度化、归一化及旋转。

5.根据权利要求2所述的基于融合深度网络的掌纹识别方法，其特征在于，通过改进圆形LBP算法提取处理后的掌纹感兴趣区域图像的对应特征图，改进圆形LBP算法为：

以所选像素点为圆心，在半径为R的圆形邻域内取P个采样点，通过式(1)计算每个采样点的坐标；

xp＝xc+R*cos(2πp/P)，yp＝yc‑R*sin(2πp/P)   (1)其中，(xc，yc)为圆形邻域中心点，即所选像素点的坐标，(xp，yp)为圆形邻域内所取的第p个采样点的坐标；

通过式(2)计算以c点即所选圆形邻域中心点为中心点，2R‑1个像素单位为边长的正方形邻域内所有像素点灰度值的均值

以式(3)中Mk的值作为c点的基准灰度值，将每个采样点p的灰度值与其比较求出c点的LBP值，逐个选取圆形邻域内每个采样点作为起始基准点得到一系列LBP值，取其最小值作为该所选圆形邻域中心点c点最终输出的LBP值；

其中，M(x，y)为正方形邻域内坐标为(x，y)的像素点的灰度值，Mp为圆形邻域内每个采样点的灰度值，M(x，y)和Mp通过双线性插值得到。

6.根据权利要求1所述的基于融合深度网络的掌纹识别方法，其特征在于，所述掌纹图像数据集被划分为训练集和测试集，使用训练集训练M‑CNN网络模型，使用测试集测试。

7.根据权利要求1所述的基于融合深度网络的掌纹识别方法，其特征在于，根据训练结果对M‑CNN网络模型进行优化调整的方法步骤中包含：利用梯度下降法，迭代更新网络参数。

8.根据权利要求2所述的基于融合深度网络的掌纹识别方法，其特征在于，M‑CNN网络模型包括用于提取掌纹图像关键点特征的M‑CNN‑1基于改进的残差网络分支和用于提取掌纹图像纹理特征的M‑CNN‑2卷积神经网络分支；其中，掌纹图像数据集中的掌纹感兴趣区域图像用于训练M‑CNN‑1基于改进的残差网络分支；

掌纹图像数据集中的特征图用于训练M‑CNN‑2卷积神经网络分支。

9.根据权利要求8所述的基于融合深度网络的掌纹识别方法，其特征在于，M‑CNN网络模型的工作方法包含：M‑CNN‑1基于改进的残差网络分支的工作方法，调整输入的掌纹感兴趣区域图像的尺寸；对调整尺寸后的掌纹感兴趣区域图像依次进行初卷积、最大池化操作，获得特征层一；

依次对特征层一的Block1层进行一次Conv Block和两次Identity Block操作、Block2层进行一次Conv Block和三次Identity Block操作、Block3层进行一次Conv Block和三次Identity Block操作、Block4层进行一次Conv Block和两次Identity Block操作，获得特征层二，将特征层二作为特征向量P1进行输出；

M‑CNN‑2卷积神经网络分支的工作方法，调整输入的特征图的尺寸；对调整尺寸后的特征图进行初卷积操作，获得特征层A；对特征层A依次进行最大池化、卷积、卷积、最大池化、卷积、卷积、最大池化操作，获得特征层B，将特征层B作为特征向量P2进行输出；

将特征向量P1和特征向量P2串联拼接，并接入全连接层。

10.根据权利要求9所述的基于融合深度网络的掌纹识别方法，其特征在于，使用改进M‑CNN网络模型对需要识别的目标掌纹图像进行检测匹配识别，获得识别目标身份信息的方法步骤中包含：

定位得到目标掌纹图像的目标掌纹感兴趣区域图像，对目标掌纹感兴趣区域图像进行处理，并提取对应目标特征图，得到目标掌纹图像数据；

将目标掌纹图像数据输入改进M‑CNN网络模型，输出的特征向量P1和特征向量P2经mean运算，flatten运算及全连接运算后接softmax与样本库匹配输出识别结果。