一种基于深度层次化的指纹识别方法及装置制造方法及图纸

本发明专利技术公开一种基于深度层次化的指纹识别方法，涉及指纹识别技术领域，包括训练部分和识别部分；在训练部分，根据指纹图像的完整度和清晰度，将指纹图像分成低质量指纹图像和高质量指纹图像并分类标记，利用Resnet作为基网络，多次训练后构建质量评价网络，随后，学习高质量指纹图像的特点，采用TP‑GAN技术，将低质量指纹图像转换成高质量指纹图像，多次训练后构建质量增强网络，最后，分析所有高质量指纹图像，尤其低质量指纹图像转换成高质量指纹图像，多次训练后构建代价敏感网络；在识别部分，利用构建的质量评价网络、质量增强网络、代价敏感网络即可完成指纹的高精度识别。本发明专利技术还公开一种指纹识别装置，与指纹识别方法相结合，提高指纹识别精度。

A Method and Device for Fingerprint Recognition Based on Depth Hierarchy

The invention discloses a fingerprint identification method based on depth hierarchy, which relates to the technical field of fingerprint identification, including training part and identification part. In training part, according to the integrity and clarity of fingerprint image, fingerprint image is divided into low-quality fingerprint image and high-quality fingerprint image and classified markers. Resnet is used as the base network to construct a quality evaluation network after repeated training. Then, learn the characteristics of high-quality fingerprint images, use TP GAN technology to transform low-quality fingerprint images into high-quality fingerprint images, build a quality enhancement network after many training. Finally, analyze all high-quality fingerprint images, especially low-quality fingerprint images into high-quality fingerprint images, and build a cost-sensitive network after many training. The quality evaluation network, quality enhancement network and cost sensitive network can achieve high-precision fingerprint identification. The invention also discloses a fingerprint identification device, which combines with fingerprint identification method to improve fingerprint identification accuracy.

【技术实现步骤摘要】
一种基于深度层次化的指纹识别方法及装置
本专利技术涉及指纹识别
，具体的说是一种基于深度层次化的指纹识别方法及装置。
技术介绍
生物识别的种类包括脸部、声音、虹膜、视网膜、静脉和指纹识别等。指纹是指人的手指末端正面皮肤上凸凹不平产生纹线。由于每个人的指纹都是独一无二的，且指纹不易随着年龄或身体健康状况而变化，因此指纹识别已成为目前最普及的一种生物识别方法。随着计算机图像处理和模式识别等相关技术的不断发展，生物识别技术得到了越来越广泛的应用。指纹，也叫手印，即是表皮上突起的纹线。由于人的指纹是遗传与环境共同作用产生的，因而指纹人人皆有，却各不相同。由于指纹重复率极小，大约150亿分之一，故其称为"人体身份证"。指纹图像由于其采集方便、获取成本低已成为基于生物特征识别身份验证的最常用方式。然而，由于指纹在手指表皮，容易磨损、粘上赃物，从而降低指纹图像质量。针对传统方法对低质量指纹识别精度低的问题，本专利技术提出了一种基于深度层次化的指纹识别方法及装置。
技术实现思路
本专利技术针对目前技术发展的需求和不足之处，提供一种基于深度层次化的指纹识别方法及装置。本专利技术的一种基于深度层次化的指纹识别方法，解决上述技术问题采用的技术方案如下：一种基于深度层次化的指纹识别方法，包括如下步骤：1）训练部分：1a）收集指纹图像，将收集的指纹图像分成低质量指纹图像和高质量指纹图像两个训练集，对两个训练集的图像分别进行标记；1b）对标记完成的低质量指纹图像和高质量指纹图像进行训练，构建质量评价网络；1c）学习高质量指纹图像的特点，将标记完成的低质量指纹图像转换成高质量指纹图像，构建质量增强网络；1d）分析高质量指纹图像、低质量指纹图像转换成高质量指纹图像这两种图像的特点，尤其学习低质量指纹图像转换成高质量指纹图像的特点，构建代价敏感网络；2）识别部分：2a）将需要测试的指纹图像输入质量评价网络，输出测试结果；2b）若测试结果为高质量指纹图像，则直接输入代价敏感网络进行指纹识别；若测试结果为低质量指纹图像，则先输入质量增强网络，将低质量指纹图像转换成高质量指纹图像，随后再输入代价敏感网络进行指纹识别。可选的，收集指纹图像，观察人员根据收集指纹图像的完整度和清晰度分成低质量指纹图像和高质量指纹图像两个训练集。可选的，利用Resnet作为基网络，引入已经标记的低质量指纹图像和高质量指纹图像，构建质量评价网络。可选的，所涉及质量增强网络采用TP-GAN技术实现，根据高质量指纹图像的特点，对标记完成的低质量指纹图像进行完整度和清晰度的补充，进而转换成高质量指纹图像，构建质量增强网络。可选的，利用Resnet作为基网络，学习高质量指纹图像的特点，引入代价敏感信息，构建代价敏感网络。在上述方法的基础上，本专利技术还保护一种基于深度层次化的指纹识别装置，该装置包括：标记模块，用于标记低质量指纹图像和高质量指纹图像，完成分类；训练构建模块一，用于对标记完成的低质量指纹图像和高质量指纹图像进行训练，构建质量评价网络模型；训练构建模块二，用于根据高质量指纹图像的特点，将标记完成的低质量指纹图像转换成高质量指纹图像，构建质量增强网络模型；训练构建模块三，用于分析高质量指纹图像、低质量指纹图像转换成高质量指纹图像这两种图像的特点，尤其学习低质量指纹图像转换成高质量指纹图像的特点，构建代价敏感网络模型；质量评价网络模型，用于将测试的指纹图像分成低质量指纹图像和高质量指纹图像两类；质量增强网络模型，用于将低质量指纹图像转换成高质量指纹图像；代价敏感网络模型，用于对高质量指纹图像、低质量指纹图像转换成高质量指纹图像这两种图像进行识别，输出识别结果。可选的，根据收集指纹图像的完整度和清晰度，标记模块将指纹图像标记为低质量指纹图像和高质量指纹图像两类图像。可选的，所涉及质量评价网络模型利用Resnet作为基网络，引入已经标记的低质量指纹图像和高质量指纹图像。可选的，所涉及质量增强网络模型采用TP-GAN技术实现，根据高质量指纹图像的特点，对标记完成的低质量指纹图像进行完整度和清晰度的补充，进而转换成高质量指纹图像。可选的，利用Resnet作为基网络，学习高质量指纹图像的特点，引入代价敏感信息，构建代价敏感网络模型。本专利技术的一种基于深度层次化的指纹识别方法及装置，与现有技术相比具有的有益效果是：1）本专利技术的指纹识别方法包括两部分，训练部分和识别部分；在训练部分中，根据指纹图像的完整度和清晰度，人工肉眼观察将指纹图像分成低质量指纹图像和高质量指纹图像两个训练集，分类标记两个训练集，利用Resnet作为基网络，经过多次训练，构建质量评价网络，随后，再学习高质量指纹图像，采用TP-GAN技术，将人工肉眼观察后分类的低质量指纹图像转换成高质量指纹图像，也就是提高低质量指纹图像的完整度和清晰度，多次训练后，构建质量增强网络，最后，分析所有的高质量指纹图像，尤其低质量指纹图像转换成高质量指纹图像，多次训练后，构建代价敏感网络；在识别部分，我们只需要利用之前构建的质量评价网络、质量增强网络、代价敏感网络即可完成指纹的高精度识别，尤其针对低质量指纹图像，可以提高低质量指纹图像的识别精度，降低错误率；2）本专利技术的指纹识别装置与上述指纹识别方法相结合，其结构包括标记模块、训练构建模块一、训练构建模块二、训练构建模块三，可以完成低质量指纹图像和高质量指纹图像的标记，并基于Resnet网络、TP-GAN技术，多次训练后构建质量评价网络模型、质量增强网络模型、代价敏感网络模型，最终，通过质量评价网络模型、质量增强网络模型、代价敏感网络模型完成指纹的高精度识别，尤其针对低质量指纹图像，可以提高低质量指纹图像的识别精度，降低错误率。附图说明附图1是本专利技术实施例一训练部分的流程框图；附图2是本专利技术实施例二的结构连接框图。附图中各标号信息表示：10、标记模块，20、训练构建模块一，30、训练构建模块二，40、训练构建模块三，50、质量评价网络模型，60、质量增强网络模型，70、代价敏感网络模型。具体实施方式为使本专利技术的技术方案、解决的技术问题和技术效果更加清楚明白，以下结合具体实施例，对本专利技术的技术方案进行清查、完整的描述，显然，所描述的实施例仅仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术的实施例，本领域技术人员在没有做出创造性劳动的前提下获得的所有实施例,都在本专利技术的保护范围之内。实施例一：结合附图1，本实施例提出一种基于深度层次化的指纹识别方法，包括如下步骤：1）训练部分：1a）收集指纹图像，将收集的指纹图像分成低质量指纹图像和高质量指纹图像两个训练集，对两个训练集的图像分别进行标记；1b）对标记完成的低质量指纹图像和高质量指纹图像进行训练，构建质量评价网络；1c）学习高质量指纹图像的特点，将标记完成的低质量指纹图像转换成高质量指纹图像，构建质量增强网络；1d）分析高质量指纹图像、低质量指纹图像转换成高质量指纹图像这两种图像的特点，尤其学习低质量指纹图像转换成高质量指纹图像的特点，构建代价敏感网络；2）识别部分：2a）将需要测试的指纹图像输入质量评价网络，输出测试结果；2b）若测试结果为高质量指纹图像，则直接输入代价敏感网络进行指纹识别；若测试结果为低质量指纹图像，则先输入质量增强本文档来自技高网...

【技术保护点】
1.一种基于深度层次化的指纹识别方法，其特征在于,包括如下步骤：1）训练部分：1a）收集指纹图像，将收集的指纹图像分成低质量指纹图像和高质量指纹图像两个训练集，对两个训练集的图像分别进行标记；1b）对标记完成的低质量指纹图像和高质量指纹图像进行训练，构建质量评价网络；1c）学习高质量指纹图像的特点，将标记完成的低质量指纹图像转换成高质量指纹图像，构建质量增强网络；1d）分析高质量指纹图像、低质量指纹图像转换成高质量指纹图像这两种图像的特点，尤其学习低质量指纹图像转换成高质量指纹图像的特点，构建代价敏感网络；2）识别部分：2a）将需要测试的指纹图像输入质量评价网络，输出测试结果；2b）若测试结果为高质量指纹图像，则直接输入代价敏感网络进行指纹识别；若测试结果为低质量指纹图像，则先输入质量增强网络，将低质量指纹图像转换成高质量指纹图像，随后再输入代价敏感网络进行指纹识别。

【技术特征摘要】
1.一种基于深度层次化的指纹识别方法，其特征在于,包括如下步骤：1）训练部分：1a）收集指纹图像，将收集的指纹图像分成低质量指纹图像和高质量指纹图像两个训练集，对两个训练集的图像分别进行标记；1b）对标记完成的低质量指纹图像和高质量指纹图像进行训练，构建质量评价网络；1c）学习高质量指纹图像的特点，将标记完成的低质量指纹图像转换成高质量指纹图像，构建质量增强网络；1d）分析高质量指纹图像、低质量指纹图像转换成高质量指纹图像这两种图像的特点，尤其学习低质量指纹图像转换成高质量指纹图像的特点，构建代价敏感网络；2）识别部分：2a）将需要测试的指纹图像输入质量评价网络，输出测试结果；2b）若测试结果为高质量指纹图像，则直接输入代价敏感网络进行指纹识别；若测试结果为低质量指纹图像，则先输入质量增强网络，将低质量指纹图像转换成高质量指纹图像，随后再输入代价敏感网络进行指纹识别。2.根据权利要求1所述的一种基于深度层次化的指纹识别方法，其特征在于，收集指纹图像，观察人员根据收集指纹图像的完整度和清晰度分成低质量指纹图像和高质量指纹图像两个训练集。3.根据权利要求2所述的一种基于深度层次化的指纹识别方法，其特征在于，利用Resnet作为基网络，引入已经标记的低质量指纹图像和高质量指纹图像，构建质量评价网络。4.根据权利要求2所述的一种基于深度层次化的指纹识别方法，其特征在于，所述质量增强网络采用TP-GAN技术实现，根据高质量指纹图像的特点，对标记完成的低质量指纹图像进行完整度和清晰度的补充，进而转换成高质量指纹图像，构建质量增强网络。5.根据权利要求1所述的一种基于深度层次化的指纹识别方法，其特征在于，利用Resnet作为基网络，学习高质量指纹图像的特点，引入代价敏感信...

【专利技术属性】
技术研发人员：袭肖明，于治楼，
申请(专利权)人：济南浪潮高新科技投资发展有限公司，
类型：发明
国别省市：山东,37