一种基于深度卷积特征的指纹活性检测方法技术

一种基于深度卷积特征的指纹活性检测方法，包括以下步骤：1)使用传统的指纹传感器录入指纹数据，并将其划分为训练集和验证集，训练集用来完成对深度网络模型的训练，验证集用来验证深度网络模型的性能；2)对采集的训练集中的指纹图片进行合理的变换，增加数据集的规模；3)标准化扩展后的训练集；4)基于残差结构和基本的卷积模块构建深度卷积神经网络；5)使用随机梯度下降法优化交叉熵损失函数，完成对深度卷积神经网络的训练；6)根据训练完成的模型，使用标准化后的指纹图片对真假指纹进行分类。本发明专利技术可以得到一个指纹活性检测模型，该模型相对于传统的基于手工特征和分类器的方法，有更加优异的性能。

Fingerprint activity detection method based on deep convolution feature

A fingerprint activity detection method based on depth convolution features includes the following steps: 1) using traditional fingerprint sensors to input fingerprint data, and dividing it into training set and verification set, training set is used to complete the training of the depth network model, verification set is used to verify the performance of the depth network model; 2) training of the collected fingerprint data; The fingerprint images in the training set are transformed reasonably to increase the size of the data set; 3) the standardized extended training set; 4) the depth convolution neural network is constructed based on the residual structure and the basic convolution module; 5) the cross entropy loss function is optimized by using the random gradient descent method to complete the training of the depth convolution neural network; 6) the training of the depth convolution neural network is completed according to the basic convolution module. The trained model used the standardized fingerprint images to classify the true and false fingerprints. The invention can obtain a fingerprint activity detection model, which has more excellent performance than the traditional methods based on manual features and classifiers.

【技术实现步骤摘要】
一种基于深度卷积特征的指纹活性检测方法
本专利技术涉及图像处理、模式识别、深度机器学习、指纹识别等领域，尤其是一种检测真假指纹的指纹活性检测方法。
技术介绍
在现代社会中，随着计算机技术、网络技术的高速发展，信息安全显示出前所未有的重要性。身份认证是保证系统安全的必要前提，金融、司法和电子商务等应用领域都需要准确的身份认证，因此，人们对数据的安全防护提出了更广泛的要求。如何及时、准确和有效地验证每个社会成员的身份，以保障人民的合法权益，及时打击与遏制各种违法犯罪活动，维护国家安全和社会稳定，变得更为重要和迫切。由于人类的身体特征具有不可复制的特点，因此，人们把目光转向了生物特征识别技术。指纹是身份认证中常用的生物特征之一，指纹身份认证系统被广泛应用在金融、电子商务、智能手机、写字楼门禁、公司考勤、家庭门锁等领域。然而，指纹身份认证系统和人脸、虹膜等其它生物特征身份认证系统一样都存在着欺诈攻击的风险。其中，指纹可以通过一些材料(橡胶，硅胶，电容胶等)仿制得到指纹膜，并可以成功通过指纹身份认证系统，增加了系统的风险性。假指纹(仿制指纹)的出现对目前的指纹身份认证系统提出了更高安全的要求，本文档来自技高网...

【技术保护点】
1.一种基于深度卷积特征的指纹活性检测方法，其特征在于，该检测方法包括以下步骤：1)使用传统的指纹传感器录入指纹数据，并将其划分为训练集和验证集，训练集用来完成对深度网络模型的训练，验证集用来验证深度网络模型的性能；2)对采集的训练集做合理的变换，增加数据集的规模；3)标准化扩展后的训练集；4)基于残差结构和基本的卷积模块构建深度卷积神经网络；5)使用随机梯度下降法优化交叉熵损失函数，完成对深度卷积神经网络的训练；6)根据训练完成的模型，使用标准化后的指纹图片对真假指纹进行分类。

【技术特征摘要】
1.一种基于深度卷积特征的指纹活性检测方法，其特征在于，该检测方法包括以下步骤：1)使用传统的指纹传感器录入指纹数据，并将其划分为训练集和验证集，训练集用来完成对深度网络模型的训练，验证集用来验证深度网络模型的性能；2)对采集的训练集做合理的变换，增加数据集的规模；3)标准化扩展后的训练集；4)基于残差结构和基本的卷积模块构建深度卷积神经网络；5)使用随机梯度下降法优化交叉熵损失函数，完成对深度卷积神经网络的训练；6)根据训练完成的模型，使用标准化后的指纹图片对真假指纹进行分类。2.如权利要求1所述的一种基于深度卷积特征的指纹活性检测方法，其特征在于，所述步骤2)中，所述的增加数据集规模的方法为：使用灰度图像的几何矩，求出图像的重心，并以该重心为中心，使用大小为stride的尺寸随机采样若干点，以这些点为中心截取固定尺寸的图块；进一步地，在不破坏图块灰度值的前提下，首先对这些图块进行旋转90度，180度，270度操作，然后对旋转后的图块进行水平镜像；最终得到扩展增强后的训练集，作为对原始图片的扩展。3.如权利要求1或2所述的一种基于深度卷积特征的指纹活性检测方法，其特征在于，所述步骤3)中，所述的标准化训练集的方法为：求取整个训练集的灰度平均值，将样本集的每张图片逐像素减去该均值，并使用255对去均值的像素点做归一化。4.如权利要求1所述的一种基于深度卷积特征的指纹活性检测方法，其特征在于，所述步骤4)中，在基本残差模块的基础上，特征层的每一个神经元尺寸缩放时都采用增加空白通道数来代替原模块中的1×1的卷积层，使得深层的监督信号可以更好地反馈给底层网络，加强了整个网络各层之间的信息流动性。本发明为了保证模型的轻量级，只是用了9个残差模块。5.如权利要求2所述的一种基于深度卷积特征...

【专利技术属性】
技术研发人员：张永良，李志伟，周冰，时大琼，
申请(专利权)人：杭州景联文科技有限公司，
类型：发明
国别省市：浙江,33