指纹处理的方法和装置制造方法及图纸

本公开公开了一种指纹处理的方法和装置，属于图像识别技术领域。所述方法包括：获取待识别指纹图像；将所述待识别指纹图像输入卷积神经网络，得到所述待识别指纹图像的指纹类型，所述卷积神经网络的参数通过采用多个标定有指纹脊线的指纹图像进行训练得到。本公开通过获取待识别指纹图像，并将待识别指纹图像输入卷积神经网络，得到待识别指纹图像的指纹类型，直接利用卷积神经网络根据待识别指纹图像得到待识别指纹图像的指纹类型，不需要进行特征点检测，可以有效避免在指纹图像模糊等情况下由于检测出的特征点出现问题(数量较少、位置不对等)而造成无法确定指纹类型的问题。

【技术实现步骤摘要】

本公开涉及图像识别
，尤其涉及一种指纹处理的方法和装置。
技术介绍
指纹是指人的手指末端正面皮肤上凸凹不平产生纹线。指纹可以分为三种类型：有同心圆或螺旋纹线、看上去像水中旋涡的斗形纹，一边开口的、像簸箕似的箕形纹，以及像弓一样的弓形纹。相关技术中，指纹类型的判定基于特征点的检测，在指纹图像模糊等情况下，可能会由于检测出的特征点出现问题(数量较少、位置不对等)而造成无法确定指纹类型。
技术实现思路
为了克服相关技术中存在无法确定指纹类型的问题，本公开提供一种指纹处理的方法和装置。所述技术方案如下：根据本公开实施例的第一方面，提供一种指纹处理的方法，包括：获取待识别指纹图像；将所述待识别指纹图像输入卷积神经网络，得到所述待识别指纹图像的指纹类型，所述卷积神经网络的参数通过采用多个标定有指纹脊线的指纹图像进行训练得到。通过获取待识别指纹图像，并将待识别指纹图像输入卷积神经网络，得到待识别指纹图像的指纹类型，直接利用卷积神经网络根据待识别指纹图像得到待识别指纹图像的指纹类型，不需要进行特征点检测，可以有效避免在指纹图像模糊等情况下由于检测出的特征点出现问题(数量较少、位置不对等)而造成无法确定指纹类型的问题。而且卷积神经网络的参数通过采用多个标定有指纹脊线的指纹图像进行训练得到，指纹类型确定的准确性和稳定性较好。在本公开一种可能的实现方式中，所述将所述待识别指纹图像输入卷积神经网络，包括：对所述待识别指纹图像进行归一化，得到预定规格的所述待识别指纹图像；将预定规格的所述待识别指纹图像输入卷积神经网络，得到所述待识别指纹图像的指纹类型。通过将输入卷积神经网络的指纹图像在大小上进行归一化，可以避免由于输入图像的不一致造成卷积神经网络输出结果产生误差。在本公开另一种可能的实现方式中，所述方法还包括：获取若干指纹图像；接收标定的各个所述指纹图像的指纹类型；采用若干所述指纹图像和接收的各个所述指纹图像的指纹类型，对所述卷积神经网络的参数进行训练。利用若干指纹图像和其相应的指纹类型训练卷积神经网络的参数，以使卷积神经网络可以根据指纹图像得到该指纹图像的指纹类型。可选地，所述采用若干所述指纹图像和接收的各个所述指纹图像的指纹类型，对所述卷积神经网络的参数进行训练，包括：将所述指纹图像输入所述卷积神经网络，得到所述指纹图像的指纹类型；确定得到的所述指纹图像的指纹类型与接收的所述指纹图像的指纹类型是否匹配，并统计匹配率；当通过统计多个得到的所述指纹图像的指纹类型与接收的所述指纹图像的指纹类型得到的所述匹配率低于阈值，或者多次统计的所述匹配率发散时，反向传播调整所述卷积神经网络的参数；当所述匹配率大于或者等于所述阈值，并且多次统计的所述匹配率收敛时，所述卷积神经网络训练完毕。利用人为标定生成的指纹类型对卷积神经网络的参数进行调整，提高卷积神经网络输出结果的准确性。在本公开又一种可能的实现方式中，所述方法还包括：从若干设定指纹图像中，筛选出与所述待识别指纹图像的指纹类型相同的所述设定指纹图像；将所述待识别指纹图像与筛选出的所述设定指纹图像逐一进行比对，确定所述待识别指纹图像与筛选出的所述指纹图像是否相同。基于得到的指纹类型从比对的指纹图像中快速筛选出类型相符的指纹，再对筛选出的指纹进行比对，可以大大提高比对的速度。根据本公开实施例的第二方面，提供一种指纹处理的装置，包括：第一获取模块，用于获取待识别指纹图像；确定模块，用于将所述第一获取模块获取的待识别指纹图像输入卷积神经网络，得到所述待识别指纹图像的指纹类型，所述卷积神经网络的参数通过采用多个标定有指纹脊线的指纹图像进行训练得到。在本公开一种可能的实现方式中，所述确定模块包括：归一化子模块，用于对所述第一获取模块获取的待识别指纹图像进行归一化，得到预定规格的待识别指纹图像；第一确定子模块，用于将所述归一化子模块得到的预定规格的待识别指纹图像输入卷积神经网络，得到所述待识别指纹图像的指纹类型。在本公开另一种可能的实现方式中，所述装置还包括：第二获取模块，用于获取若干指纹图像；接收模块，用于接收标定的所述第二获取模块获取的各个指纹图像的指纹类型；训练模块，用于采用所述第二获取模块获取的若干指纹图像和所述接收模块接收的各个指纹图像的指纹类型，对所述卷积神经网络的参数进行训练。可选地，所述训练模块包括：第二确定子模块，用于将所述第二获取模块获取的指纹图像输入所述卷积神经网络，得到所述指纹图像的指纹类型；第三确定子模块，用于确定所述第二确定子模块得到的所述指纹图像的指纹类型与所述接收模块接收的所述指纹图像的指纹类型是否匹配，并统计匹配率；调整子模块，用于当所述第三确定子模块通过统计多个所述第二确定子模块得到的所述指纹图像的指纹类型与所述接收模块接收的所述指纹图像的指纹类型得到的所述匹配率低于阈值，或者多次统计的所述匹配率发散时，反向传播调整所述卷积神经网络的参数；当所述匹配率大于或者等于所述阈值，并且多次统计的所述匹配率收敛时，所述卷积神经网络训练完毕。在本公开又一种可能的实现方式中，所述装置还包括：筛选模块，用于从若干设定指纹图像中，筛选出与所述确定模块得到的指纹类型相同的设定指纹图像；比对模块，用于将所述第一获取模块获取的待识别指纹图像与所述筛选模块筛选出的设定指纹图像逐一进行比对，确定所述待识别指纹图像与筛选出的所述指纹图像是否相同。根据本公开实施例的第三方面，提供一种指纹处理的装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：获取待识别指纹图像；将所述待识别指纹图像输入卷积神经网络，得到所述待识别指纹图像的指纹类型，所述卷积神经网络的参数通过采用多个标定有指纹脊线的指纹图像进行训练得到。本公开实施例提供的技术方案可以包括以下有益效果：通过获取待识别指纹图像，并将待识别指纹图像输入卷积神经网络，得到待识别指纹图像的指纹类型，直接利用卷积神经网络根据待识别指纹图像得到待识别指纹图像的指纹类型，不需要进行特征点检测，可以有效避免在指纹图像模糊等情况下由于检测出的特征点出现问题(数量较少、位置不对等)而造成无法确定指纹类型的问题。而且卷积神经网络的参数通过采用多个标定有指纹脊线的指纹图像进行训练得到，指纹类型确定的准确性和稳定性较好。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。图1a和图1b是根据一示例性实施例示出的指纹处理的方法的应用场景图；图2是根据一示例性实施例示出的一种指纹处理的方法的流程图；图3是根据一示例性实施例示出的一种指纹处理的方法的流程图；图4是根据一示例性实施例示出的卷积神经网络的结构示意图；图5a是根据一示例性实施例示出的卷积层的工作原理图；图5b是根据一示例性实施例示出的池化层的工作原理图；图5c是根据一示例性实施例示出的全连接层的工作原理图；图6是根据一示例性实施例示出的一种指纹处理的装置的结构示意图；图7是根据一示例性实施例示出的一种指纹处理的装置的结构示意图；图8是根据一示例性实施例示出的一种指纹处理的装置的结构框图。具体实施方式这里将详细地对示例性实施例进本文档来自技高网...

【技术保护点】
一种指纹处理的方法，其特征在于，所述方法包括：获取待识别指纹图像；将所述待识别指纹图像输入卷积神经网络，得到所述待识别指纹图像的指纹类型，所述卷积神经网络的参数通过采用多个标定有指纹脊线的指纹图像进行训练得到。

【技术特征摘要】
1.一种指纹处理的方法，其特征在于，所述方法包括：获取待识别指纹图像；将所述待识别指纹图像输入卷积神经网络，得到所述待识别指纹图像的指纹类型，所述卷积神经网络的参数通过采用多个标定有指纹脊线的指纹图像进行训练得到。2.根据权利要求1所述的方法，其特征在于，所述将所述待识别指纹图像输入卷积神经网络，包括：对所述待识别指纹图像进行归一化，得到预定规格的所述待识别指纹图像；将预定规格的所述待识别指纹图像输入卷积神经网络，得到所述待识别指纹图像的指纹类型。3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：获取若干指纹图像；接收标定的各个所述指纹图像的指纹类型；采用若干所述指纹图像和接收的各个所述指纹图像的指纹类型，对所述卷积神经网络的参数进行训练。4.根据权利要求3所述的方法，其特征在于，所述采用若干所述指纹图像和接收的各个所述指纹图像的指纹类型，对所述卷积神经网络的参数进行训练，包括：将所述指纹图像输入所述卷积神经网络，得到所述指纹图像的指纹类型；确定得到的所述指纹图像的指纹类型与接收的所述指纹图像的指纹类型是否匹配，并统计匹配率；当通过统计多个得到的所述指纹图像的指纹类型与接收的所述指纹图像的指纹类型得到的所述匹配率低于阈值，或者多次统计的所述匹配率发散时，反向传播调整所述卷积神经网络的参数；当所述匹配率大于或者等于所述阈值，并且多次统计的所述匹配率收敛时，所述卷积神经网络训练完毕。5.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：从若干设定指纹图像中，筛选出与所述待识别指纹图像的指纹类型相同的所述设定指纹图像；将所述待识别指纹图像与筛选出的所述设定指纹图像逐一进行比对，确定所述待识别指纹图像与筛选出的所述指纹图像是否相同。6.一种指纹处理的装置，其特征在于，所述装置包括：第一获取模块，用于获取待识别指纹图像；确定模块，用于将所述第一获取模块获取的待识别指纹图像输入卷积神经网络，得到所述待识别指纹图像的指纹类型，所述卷积神经网络的参数通过采用多个标定有指纹脊线的指纹图像进行训练得到。7.根据权利要求6所述的装置...

【专利技术属性】
技术研发人员：张涛，张旭华，汪平仄，
申请(专利权)人：北京小米移动软件有限公司，
类型：发明
国别省市：北京;11